Аннотация: Предметом исследования в данной статье является обобщение текстов на русском языке с использованием моделей искусственного интеллекта. В частности, авторы сравнивают популярные модели GigaChat, YaGPT2, ChatGPT-3.5, ChatGPT-4, Bard, Bing AI и YouChat и проводят сравнительное исследование их работы на текстах русского языка. В качестве исходных материалов для последующего обобщения в статье берутся наборы данных для русского языка, такие как Gazeta, XL-Sum и WikiLingua, а также для сравнения эффективности обобщения были взяты дополнительные наборы данных на английском языке CNN Dailymail и XSum. В статье применяются показатели: ROUGE, BLEU score, BERTScore, METEOR и BLEURT для оценки обобщения текстов.  В данной статье в качестве метода исследования используется сравнительный анализ данных, полученных в ходе автоматического обобщения с помощью моделей искусственного интеллекта. Научная новизна исследования заключается в проведении сравнительного анализа качества автоматического обобщения текстов на русском и английском языках с использованием различных нейросетевых моделей обработки естественного языка. Авторы исследования привлекли внимание к новым моделям GigaChat, YaGPT2, ChatGPT-3.5, ChatGPT-4, Bard, Bing AI и YouChat, рассматривая и анализируя их эффективность в задаче обобщения текста. Итоги обобщения на русском языке показывают, что YouChat демонстрирует самые высокие результаты по совокупности оценок, подчеркивая эффективность модели в обработке и генерации текста с более точным воспроизведением ключевых элементов содержания. В отличие от YouChat, модель Bard показала наихудшие результаты, представляя собой модель с наименьшей способностью к генерации связного и релевантного текста.

Ключевые слова: Bard, ChatGPT-4, ChatGPT-3, YaGPT2, GigaChat, суммаризация текста, обработка естественного языка, Bing AI, YouChat, сжатие текста

Abstract: The subject of the research in this article is the generalization of texts in Russian using artificial intelligence models. In particular, the authors compare the popular models GigaChat, YaGPT2, ChatGPT-3.5, ChatGPT-4, Bard, Bing AI and YouChat and conduct a comparative study of their work on Russian texts. The article uses datasets for the Russian language, such as Gazeta, XL-Sum and WikiLingua, as source materials for subsequent generalization, as well as additional datasets in English, CNN Dailymail and XSum, were taken to compare the effectiveness of generalization. The article uses the following indicators: ROUGE, BLEU score, BERTScore, METEOR and BLEURT to assess the quality of text synthesis. In this article, a comparative analysis of data obtained during automatic generalization using artificial intelligence models is used as a research method. The scientific novelty of the research is to conduct a comparative analysis of the quality of automatic generalization of texts in Russian and English using various neural network models of natural language processing. The authors of the study drew attention to the new models GigaChat, YaGPT2, ChatGPT-3.5, ChatGPT-4, Bard, Bing AI and YouChat, considering and analyzing their effectiveness in the task of text generalization. The results of the generalization in Russian show that YouChat demonstrates the highest results in terms of the set of ratings, emphasizing the effectiveness of the model in processing and generating text with a more accurate reproduction of key elements of content. Unlike YouChat, the Bard model showed the worst results, representing the model with the least ability to generate coherent and relevant text. The data obtained during the comparison will contribute to a deeper understanding of the models under consideration, helping to make a choice when using artificial intelligence for text summarization tasks as a basis for future developments.

Keywords: text compression, YouChat, Bing AI, Bard, ChatGPT-4, ChatGPT-3, YaGPT2, GigaChat, text summarization, natural language processing

Аннотация: Исследование затрагивает важную тему разработки и внедрения интеллектуальных систем в агропромышленном производстве, фокусируясь на создании "Умной теплицы" с применением нейронных сетей. В работе детально анализируются ключевые технологические инновации и их роль в устойчивом сельском хозяйстве. Особое внимание уделяется изучению методов сбора, обработки и анализа данных для оптимизации условий выращивания растений. Рассматриваются вопросы эффективности использования ресурсов, контроля влажности, температуры, уровня углекислого газа и освещённости, а также автоматизация полива и подачи удобрений. Особое внимание уделяется созданию адаптивных алгоритмов для прогнозирования оптимальных условий, повышающих урожайность и качество сельскохозяйственной продукции, при одновременном снижении экологического воздействия и затрат. Это открывает новые перспективы для устойчивого развития аграрного сектора, способствуя более эффективному и экологически чистому сельскому хозяйству. Исследование реализовано с использованием аналитического обзора литературы, сравнительного анализа существующих решений и моделирования работы нейронных сетей для предсказания оптимальных условий выращивания. Исследование представляет собой значительный вклад в область применения искусственного интеллекта для управления микроклиматом в теплицах, демонстрируя возможности нейронных сетей в автоматизации агропромышленных процессов. Анализируются перспективы использования ИИ для предсказания и оптимизации условий выращивания, что может привести к революционным изменениям в сельском хозяйстве. Выявленные научные новизны включают разработку и тестирование алгоритмов прогнозирования, способных адаптироваться к меняющимся внешним условиям, и обеспечивать максимальную продуктивность при минимальных затратах ресурсов. Выводы исследования подчеркивают важность дальнейшего изучения и внедрения интеллектуальных систем в агропромышленности, указывая на их потенциал в увеличении урожайности и улучшении качества продукции при одновременном снижении экологического воздействия. В заключении, авторы оценивает перспективы применения нейронных сетей в агропромышленном секторе и рассматривает возможные пути дальнейшего развития "Умных теплиц".

Ключевые слова: интернет вещей, теплица, биотехнология, глубокое обучение, гибридная нейронная сеть, микроклимат, алгоритм оптимизации, нейронные сети, Умная теплица, Анализ подходов

Abstract: The study addresses the crucial topic of designing and implementing smart systems in agricultural production, focusing on the development of a "Smart Greenhouse" utilizing neural networks. It thoroughly examines key technological innovations and their role in sustainable agriculture, emphasizing the collection, processing, and analysis of data to enhance plant growth conditions. The research highlights the efficiency of resource use, management of humidity, temperature, carbon dioxide levels, and lighting, as well as the automation of irrigation and fertilization. Special attention is given to developing adaptive algorithms for predicting optimal conditions that increase crop yield and quality while reducing environmental impact and costs. This opens new avenues for the sustainable development of the agricultural sector, promoting more efficient and environmentally friendly farming practices. Utilizing a literature review, comparative analysis of existing solutions, and neural network simulations for predicting optimal growing conditions, the study makes a significant contribution to applying artificial intelligence for greenhouse microclimate management. It explores the potential of AI in predicting and optimizing growing conditions, potentially leading to revolutionary changes in agriculture. The research identifies scientific innovations, including the development and testing of predictive algorithms that adapt to changing external conditions, maximizing productivity with minimal resource expenditure. The findings emphasize the importance of further studying and implementing smart systems in agriculture, highlighting their potential to increase yield and improve product quality while reducing environmental impact. In conclusion, the article assesses the prospects of neural networks in the agricultural sector and explores possible directions for the further development of "Smart Greenhouses".

Keywords: neural network, optimization algorithm, microclimate, hybrid neural network, deep learning, biotechnology, greenhouse, internet of things, Smart Greenhouse, Analysis of approaches

Аннотация: Исследование посвящено анализу методов и инструментов оптимизации работы высоконагруженных систем с использованием облачных, туманных и граничных технологий. Основное внимание уделяется пониманию концепции высоконагруженных систем, выявлению основных причин увеличения нагрузки на такие системы, а также изучению зависимости нагрузки от уровня масштабирования системы, количества пользователей и объема обрабатываемых данных. Введение этих технологий предполагает создание многоуровневой топологической структуры, которая способствует эффективной работе распределенных корпоративных систем и вычислительных сетей. Рассматриваются современные подходы к управлению нагрузками, исследуются основные факторы, влияющие на производительность, и предлагается модель оптимизации, обеспечивающая высокий уровень эффективности и устойчивости системы к пиковым нагрузкам, обеспечивая при этом непрерывность и качество обслуживания конечных пользователей.  Методология основана на комплексном подходе, включающем анализ существующих проблем и предложение новаторских решений для оптимизации, применение архитектурных решений на базе IoT, облачных, туманных и граничных вычислений для улучшения производительности и снижения задержек в высоконагруженных системах. Научная новизна данной работы заключается в разработке уникальной многоуровневой топологической структуры, способной интегрировать облачные, туманные и граничные вычисления для оптимизации высоконагруженных систем. Эта структура позволяет обеспечить улучшенную производительность, снижение задержек и эффективное масштабирование системы, решая при этом проблемы управления большими объемами данных и одновременным обслуживанием множества запросов. Выводы исследования подчеркивают значительный потенциал технологии IoT в улучшении производственных процессов, демонстрируя, как интеграция современных технологических решений может способствовать повышению урожайности, качества продукции и управлению рисками. Результаты работы предоставляют основу для дальнейшего развития умного сельского хозяйства и могут быть применены в различных отраслях для создания эффективных, масштабируемых и унифицированных систем, обеспечивая тем самым новые возможности для устойчивого развития аграрного сектора и других сфер экономики.

Ключевые слова: Высоконагруженные системы, Облачные вычисления, Туманные вычисления, Граничные вычисления, Оптимизация производительности, Масштабируемость, Интернет вещей, Интеграция технологий, Управление данными, Непрерывность сервиса

Abstract: The study is dedicated to analyzing methods and tools for optimizing the performance of high-load systems using cloud, fog, and edge technologies. The focus is on understanding the concept of high-load systems, identifying the main reasons for increased load on such systems, and studying the dependency of the load on the system's scalability, number of users, and volume of processed data. The introduction of these technologies implies the creation of a multi-level topological structure that facilitates the efficient operation of distributed corporate systems and computing networks. Modern approaches to load management are considered, the main factors affecting performance are investigated, and an optimization model is proposed that ensures a high level of system efficiency and resilience to peak loads while ensuring continuity and quality of service for end-users. The methodology is based on a comprehensive approach, including the analysis of existing problems and the proposal of innovative solutions for optimization, the application of architectural solutions based on IoT, cloud, fog, and edge computing to improve performance and reduce delays in high-load systems. The scientific novelty of this work lies in the development of a unique multi-level topological structure capable of integrating cloud, fog, and edge computing to optimize high-load systems. This structure allows for improved performance, reduced delays, and effective system scaling while addressing the challenges of managing large data volumes and servicing multiple requests simultaneously. The conclusions of the study highlight the significant potential of IoT technology in improving production processes, demonstrating how the integration of modern technological solutions can contribute to increased productivity, product quality, and risk management.

Keywords: Technology integration, Internet of Things, Scalability, Performance optimization, Edge computing, Fog computing, Cloud computing, High-load systems, Data management, Service continuity

Аннотация: Предметом исследования в настоящей статье выступают особенности и закономерности функционирования систем, основанных на технологиях Сhat GPT, знание которых позволяет формулировать соответствующие модификации теста Тьюринга, а также особенности и закономерности формулирования и использования теста Тьюринга для систем, основанных на технологиях Сhat GPT. Цель исследования заключается в том, чтобы выявить особенности и закономерности функционирования систем, основанных на технологиях Сhat GPT, а также особенности и закономерности формулирования и использования теста Тьюринга для систем, основанных на технологиях Сhat GPT. В качестве методов исследования использовался метод социального эксперимента, когда в ходе исследования системе, основанной на технологиях Сhat GPT, были заданы определенные вопросы, получены на них ответы, анализ которых позволил сделать вывод об особенностях «мышления» систем, основанных на технологиях Сhat GPT. В ходе проведенного исследования было установлено следующее. В отличие от мышления человека, которое опирается на определенные факты, «мышление», систем, основанных на технологиях Сhat GPT, в ряде случаев не основано на фактах, имеющих место в реальности, нередко пользователю выдаются заведомо ложные сведения о фактах и обстоятельствах, имеющих место в реальности. В отличие от мышления человека, которое как правило носит системный характер «мышление» систем, основанных на технологиях Сhat GPT, носит беспорядочный и фрагментарный характер. Системы, основанные на технологиях Сhat GPT, не могут признавать свои ошибки, а попытки заставить системы, основанные на технологиях Сhat GPT критически осмыслить свои ответы приводят к сбою в работе этих систем. Также в статье приводится, разработанный автором тест Тьюринга для Сhat GPT, который позволил выявить особенности «мышления» систем, основанных на технологиях Сhat GPT.

Ключевые слова: Тест Тьюринга, человеческое мышление, мышление систем, технологии, искусственный интеллект, Chat GPT, критический анализ, рефлексия, закономерности, компьютерные науки

Abstract: The subject of the research in this article are the features and regularities of the functioning of systems based on ChatGPT technologies, the knowledge of which makes it possible to formulate appropriate modifications of the Turing test, as well as the features and regularities of the formulation and use of the Turing test for systems based on ChatGPT technologies. The purpose of the study is to identify the features and patterns of functioning of systems based on the technologies of ChatGPT, as well as the features and patterns of formulation and use of the Turing test for systems based on the technologies of Chat GPT. As research methods, the method of social experiment was used, when during the study of a system based on Chat GPT technologies, certain questions were asked, answers were received, the analysis of which allowed us to conclude about the features of the "thinking" of systems based on ChatGPT technologies. In the course of the study, the following was found. Unlike human thinking, which is based on certain facts, the "thinking" of systems based on ChatGPT technologies, in some cases is not based on facts that take place in reality, often the user is given deliberately false information about facts and circumstances that take place in reality. In contrast to human thinking, which is usually systemic in nature, the "thinking" of systems based on ChatGPT technologies is disorderly and fragmentary. Systems based on ChatGPT technologies cannot admit their mistakes, and attempts to force systems based on ChatGPT technologies to critically comprehend their answers lead to a malfunction of these systems. The article also provides a Turing test developed by the author for ChatGPT, which made it possible to identify the features of the "thinking" of systems based on ChatGPT technologies.

Keywords: patterns, reflection, critical analysis, Chat GPT, artificial intelligence, technology, systems thinking, human thinking, Turing Test, computer science

Аннотация: Предметом данного исследования выступают инструменты управления инвестиционным проектированием, позволяющие оценить эффективность вариантов инвестиционных проектов. Объектом исследования являются цифровые продукты (программные решения), предназначенные для автоматизированной оценки эффективности и выбора привлекательных проектов для инвестирования. Автором определено, что выбор наиболее рентабельного проекта для инвестирования является ключевой задачей предынвестиционной стадии инвестиционного процесса, при этом наличие большого объема информации, влияние внешних и внутренних слабоконтролируемых факторов, состояние неопределенности, сопутствующие процессу инвестирования актуализируют использование программных продуктов. Особое внимание уделяется выявлению и формализации требований к программным продуктам для анализа рисков и оценки эффективности инвестиционных проектов, которые обеспечат экономию затрат времени и финансовых ресурсов и исключат влияние человеческого фактора на выбор проекта для инвестирования.   Методология исследования включает в себя использование системного подхода к выявлению инструментов и показателей оценки эффективности инвестиционных решений. Автором проведен сравнительный анализ программных продуктов, выступающих в качестве инструментов оценки привлекательности инвестиционных проектов при выборе наиболее приемлемых для развития коммерческой деятельности промышленных предприятий. Результаты проведенного сравнительного анализа представленных на рынке информационных технологий отечественных и зарубежных программных решений по управлению инвестиционными проектами позволили систематизировать программы, выявить их сильные и слабые стороны и сформулировать требования к оптимальному программному комплексу для анализа и оценки эффективности инвестиционных проектов промышленного предприятия. Разрабатываемое автором цифровое решение по анализу рисков и оценке эффективности инвестиционных проектов должно обладать следующими характеристиками: функциональность, надежность и стабильность, интерфейс и удобство использования, совместимость, цена и условия лицензирования, техническая поддержка. По итогу исследования определена область применения результатов проведенного сравнительного анализа программных продуктов – дальнейшая разработка цифровых решений для оценки эффективности инвестиционных проектов, обеспечивающего результативность процесса управления инвестиционным проектированием предприятий.

Ключевые слова: Инвестиционный проект, системный подход, сравнительный анализ, показатели оценки эффективности, методы оценки эффективности, отбор инвестиционных проектов, программный продукт, характеристики программы, преимущества программного продукта, недостатки программного продукта

Abstract: The subject of this study are investment design management tools that allow evaluating the effectiveness of investment project options. The object of the study is digital products (software solutions) designed for automated efficiency assessment and selection of attractive projects for investment. The author has determined that the choice of the most profitable project for investment is the key task of the pre-investment stage of the investment process, while the presence of a large amount of information, the influence of external and internal weakly controlled factors, the state of uncertainty accompanying the investment process actualize the use of software products. Particular attention is paid to identifying and formalizing requirements for software products for risk analysis and evaluation of the effectiveness of investment projects, which will save time and financial resources and eliminate the influence of the human factor on the choice of a project for investment.   The research methodology includes the use of a systematic approach to identifying tools and indicators for evaluating the effectiveness of investment decisions. The author conducted a comparative analysis of software products that act as tools for assessing the attractiveness of investment projects when choosing the most acceptable for the development of commercial activities of industrial enterprises. The results of the comparative analysis of domestic and foreign investment project management software solutions presented on the technology market made it possible to systematize programs, identify their strengths and weaknesses and formulate requirements for an optimal software package for analyzing and evaluating the effectiveness of investment projects of an industrial enterprise. The digital solution developed by the author for risk analysis and evaluation of the effectiveness of investment projects should have the following characteristics: functionality, reliability and stability, interface and usability, compatibility, price and licensing conditions, technical support. Based on the results of the study, the scope of application of the results of the comparative analysis of software products is determined – the further development of digital solutions for evaluating the effectiveness of investment projects, ensuring the effectiveness of the management process of investment design of enterprises.

Keywords: disadvantages of the software product, advantages of the software product, program characteristics, selection of investment projects, software product, efficiency evaluation methods, performance evaluation indicators, comparative analysis, system approach, Investment project

Аннотация: Одной из главных задач в управлении технологическими процессами является сокращение аварийных ситуаций и отказов действующего оборудования. Получаемые при функционировании машин и механизмов статистические данные требуют соответствующей математической обработки, для анализа динамики технологических процессов и установления взаимосвязей между отклонениями, воздействующими факторами и отказами. Удобным инструментарием для обработки этих данных являются регрессионный и кластерный анализы. Существенной, и при этом слабоосвещённой в научной периодике темой являются отказы кавитационных систем. Кавитаторы - сравнительно распространенные технические устройства, позволяющие поддерживать технологические показатели мазута в резервуарных парках на требуемом уровне (вязкость, содержание воды, адгезионные свойства). Практика применения кавитаторов на мазутных хозяйствах тепловых станций в Калининградской области показывает, что данные технические устройства могут сравнительно часто давать отказы.   Так, в случае отключения или ограничения подачи требуемых объемов газа на теплоэлектростанцию, могут быть использованы резервы мазута из топливного парка. В свою очередь, отказ кавитационной системы может привести к невозможности ввода резервного топлива и, как следствие - к остановке энергогенерации. Таким образом, проблема обеспечения энергобезопасности и безотказность работы кавитационных систем тесно взаимосвязаны. В настоящем исследовании проанализирован массив накопленной статистической информации по параметрам функционирования кавитаторов в мазутных хозяйствах и моментам наступления отказов. Для обработки массива данных были использованы регрессионный и кластерный анализы, что позволило определить взаимосвязи между видами отказов и воздействующими факторами и ранжировать весомость факторов по степени их воздействия на кавитационное оборудование. По результату математической обработки и анализа данных разработаны предложения по обеспечению большей технической надежности кавитаторов, реорганизации системы их технического обслуживания и снижения числа отказов.

Ключевые слова: регрессионный анализ, кластерный анализ, метод наименьших квадратов, к-метод кластеризации, нефтегазовая техника, кавитационное оборудование, анализ статистических данных, отказы техники, надежность оборудования, износ оборудования

Abstract: One of the main tasks in the management of technological processes is to reduce emergencies and failures of existing equipment. The statistical data obtained during the operation of machines and mechanisms require appropriate mathematical processing to analyze the dynamics of technological processes and establish relationships between deviations, influencing factors and failures. Regression and cluster analyses are convenient tools for processing these data. The failures of cavitation systems are an essential, and at the same time poorly illuminated topic in scientific periodicals. Cavitators are relatively common technical devices that allow maintaining the technological parameters of fuel oil in tank farms at the required level (viscosity, water content, adhesive properties). The practice of using cavitators on fuel oil farms of thermal power plants in the Kaliningrad region shows that these technical devices can fail relatively often.   So, in case of disconnection or restriction of the supply of the required volumes of gas to the thermal power plant, reserves of fuel oil from the fuel park can be used. In turn, the failure of the cavitation system may lead to the impossibility of entering reserve fuel and, as a consequence, to the shutdown of power generation. Thus, the problem of ensuring energy security and the reliability of cavitation systems are closely interrelated. In this study, an array of accumulated statistical information on the parameters of the functioning of cavitators in fuel oil farms and the moments of failure is analyzed. Regression and cluster analyses were used to process the data array, which made it possible to determine the relationship between the types of failures and the influencing factors and to rank the weight of factors according to the degree of their impact on cavitation equipment. Based on the results of mathematical processing and data analysis, proposals have been developed to ensure greater technical reliability of cavitators, reorganize their maintenance system and reduce the number of failures.

Keywords: equipment reliability, equipment failures, analysis of statistical data, cavitation equipment, oil and gas equipment, k-clustering method, least squares method, cluster analysis, regression analysis, wear and tear

Аннотация: Мониторинг и анализ потребления энергоресурсов в различных разрезах измерение различных параметров (показателей) во времени крайне важен для современной экономики. Данная работа посвящена исследованию и интерпретации аномалий набора данных по потреблению энергоресурсов (на примере потребления газа) в муниципальном образовании Потребление газа имеет важное значение для социально-экономической сферы городов. Несанкционированные подключения являются основной причиной нетехнологических потерь ресурса. Традиционные методы проверки на предмет хищения неэффективны и отнимают много времени. Современные технологии анализа данных помогут выявить и интерпретировать аномалии потребления и, среди прочего, сформировать списки на проверку объектов на предмет несанкционированных подключений. Основным вкладом нашего подхода было применение совокупности статистических методов, направленных на обработку и выявление аномалий на наборе данных по энергопотреблению муниципального образования. Следует отметить, что применение подобных технологий требует разработки эффективных алгоритмов, и внедрения автоматизации и алгоритмов машинного обучения. Этот новый взгляд на временные ряды облегчает обнаружение аномалий, оптимизацию принятия решений и т.д. Эти процессы могут быть автоматизированы. Представленная методология, проверенная на временных рядах, описывающих потребление газа, может быть использована для более широкого спектра задач. Исследование может быть объединено с методами обнаружения знаний и алгоритмами глубокого обучения.

Ключевые слова: статистический анализ, поиск аномалий, энергопотребление, газопотребление, муниципальное образование, сглаживание, среднее значение, несанкционированное потребление, учет газа, оптимизация

Abstract: Monitoring and analysis of consumption of energy resources in various contexts, as well as measuring of parameters (indicators) in time are of utmost importance for the modern economy. This work is dedicated to examination and interpretation of the anomalies of collecting data on consumption of energy resources (on the example of gas consumption) in the municipal formation. Gas consumption is important for the socioeconomic sphere of cities. Unauthorized connections are the key reason for non-technological waste of the resource. The traditional methods of detection of stealing of gas are ineffective and time-consuming. The modern technologies of data analysis would allow detecting and interpreting the anomalies of consumption, as well as forming the lists for checking the objects for unauthorized connections. The author’s special contribution lies in application of the set of statistical methods aimed at processing and identification of anomalies in energy consumption of a municipal formation. It is worth noting that the use of such technologies requires the development of effective algorithms and implementation of automation and machine learning algorithms. The new perspective upon time-series data facilitates identification of anomalies, optimization of decision-making, etc. These processes can be automated. The presented methodology tested on time-series data that describes the consumption of gas can be used for a broader range of tasks. The research can be combined with the methods of knowledge discovery and deep learning algorithms.

Keywords: average, smoothing, municipality, gas consumption, energy consumption, search for anomalies, statistical analysis, unauthorized consumption, gas accounting, optimization

Аннотация: В течение последних десятилетий потенциал аналитики и интеллектуального анализа данных — методологий, извлекающих полезную информацию из больших наборов данных — трансформировал одну область научных исследований за другой. Аналитика стала тенденцией в последние несколько лет. Применительно к образованию эти методологии называют аналитикой обучения (LA) и интеллектуальным анализом данных в образовании (EDM). Использование аналитики обучения (учебной аналитики) выросло в последние годы по четырем основным причинам: значительное увеличение количества данных, улучшение форматов данных, достижения в области вычислительной техники и повышение сложности инструментов, доступных для аналитики. Статья посвящена описанию построения модели системы поддержки принятия решений (СППР) вуза на основе образовательных данных, полученных из электронной информационно-образовательной среды (ЭИОС) ВСГУТУ. Предметом исследования является построение СППР с использованием методов учебной аналитики. В статье представлена концептуальная модель системы принятия решений в учебном процессе и концептуальная модель компонента СППР — подсистемы прогнозирования. Особенность модели подсистемы прогнозирования заключается в применении методов аналитики обучения к наборам данных высшего учебного заведения, содержащие результаты работы ЭИОС, и включающие в себя характеристики активности студента. Основным результатом работы являются исследованные и выбранные методы кластеризации и классификации (KNN), апробация которых показала вполне приемлемые результаты. Надо отметить, что было исследованы различные методы кластеризации и метод k-prototypes показал лучшие результаты. Полученные результаты позволяют делать выводы о хорошем потенциале в применении методов учебной аналитики в вузах РФ.

Ключевые слова: поддержка принятия решений, кластеризация, классификация, учебная аналитика, электронная информационно-образовательная среда, прогнозирование успеваемости, методы прогнозирования, группа риска, успеваемость учащихся, искусственный интеллект

Abstract: In recent decades, the potential of analytics and data mining – the methodologies that extract valuable information from big data, transformed multiple fields of scientific research. Analytics has become a trend. With regards to education, these methodologies are called the learning analytics (LA) and educational data mining (EDM). Latterly, the use of learning analytics has proliferated due to four main factors: a significant increase in data quantity, improved data formats, achievements in the area of computer science, and higher complexity of available analytical tools. This article is dedicated to the description of building the model of decision support system (DSS) of a university based on educational data acquired from digital information and educational environment. The subject of this research is the development of DSS with application of learning analytics methods. The article provides a conceptual model of decision-making system in the educational process, as well as a conceptual model of the components of DSS component – forecasting subsystem. The peculiarity of forecasting subsystem model implies usage of learning analytics methods with regards to data sets of a higher educational institution, which contain the results of work of the digital information and educational environment, and include the characteristics of student activity. The main results of the conducted research is the examined and selected methods of clusterization and classification (KNN), the testing of which demonstrated palatable results. The author examined various methods of clusterization, among which k-prototypes method showed best results. The conclusion is made on favorable potential of application of the methods of learning analytics in Russian universities.

Keywords: risk group, forecasting methods, progress forecasting, electronic information and educational environment, educational analytics, classification, clustering, decision support, student progress, artificial intelligence

Аннотация: В данной работе рассматривается проблема автоматического синтеза (индукции) правил преобразования естественно-языковой постановки задачи в смысловую модель задачи, по которой может быть порождена решающая данную задачу программа. Данная проблема рассматривается применительно к системе порождения, распознавания и трансформации программ PGEN++. На основании анализа литературных источников выбран комбинированный подход к решению данной проблемы, в рамках которого правила преобразования естественно-языковой постановки в смысловую модель задачи генерируются автоматически, а спецификации порождающих классов и правила порождения программы по модели пишутся вручную, специалистом в конкретной предметной области. В рамках объектно-событийных моделей впервые предложен механизм автоматической генерации распознающих скриптов и сопутствующих им сущностей (CSV-таблиц, XPath-функций). Генерация производится на основании анализа обучающей выборки, включающей предложения, описывающие объекты предметной области, в сочетании с экземплярами таких объектов. Анализ выполняется путем поиска уникальных ключевых слов и характерных грамматических отношений с последующим применением простых элиминативно-индуцирующих схем. Также предложен механизм автоматической генерации правил восполнения/достраивания первичных распознанных моделей до полноценных смысловых. Такая генерация выполняется путем анализа отношений между объектами обучающей выборки с учетом информации из спецификаций классов предметной области. Предложенные схемы опробованы на предметной области "Простая обработка векторных данных", показана успешная трансформация естественно-языковых постановок (как входящих в обучающую выборку, так и модифицированных) в смысловые модели с последующим порождением решающих поставленные задачи программ.

Ключевые слова: XPath-функции, регулярные выражения, предметно-ориентированный язык, грамматический разбор, обучающая выборка, элиминативная индукция, индукция правил, синтез кода, порождение программ, обработка естественно-языковых текстов

Abstract: The author considers a problem of automatic synthesis (induction) of the rules for transforming the natural language formulation of the problem into a semantic model of the problem. According to this model a program that solves this problem can be generated. The  problem is considered in relation to the system of generation, recognition and transformation of programs PGEN ++. Based on the analysis of literary sources, a combined approach was chosen to solve this problem, within which the rules for transforming the natural language formulation into a semantic model of the problem are generated automatically, and the specifications of the generating classes and the rules for generating a program from the model are written manually by a specialist in a specific subject area. Within the framework of object-event models, for the first time, a mechanism for the automatic generation of recognizing scripts and related entities (CSV tables, XPath functions) was proposed. Generation is based on the analysis of the training sample, which includes sentences describing objects in the subject area, in combination with instances of such objects. The analysis is performed by searching for unique keywords and characteristic grammatical relationships, followed by the application of simple eliminative-inducing schemes. A mechanism for the automatic generation of rules for replenishing / completing the primary recognized models to full meaning ones is also proposed. Such generation is performed by analyzing the relations between the objects of the training sample, taking into account information from the specifications of the classes of the subject area. The proposed schemes have been tested on the subject area "Simple vector data processing", the successful transformation of natural language statements (both included in the training set and modified) into semantic models with the subsequent generation of programs solving the assigned tasks is shown.

Keywords: XPath-functions, domain-specific language, grammar parsing, training sample, eliminative induction, rules induction, code synthesis, program generation, natural-language processing, regular expressions

Аннотация: Предметом исследования является процесс сбора и предварительной подготовки данных из гетерогенных источников. Экономическая информация является гетерогенной и полуструктурированной или неструктурированной по своей природе. Из-за неоднородности первичных документов, а также человеческого фактора исходные статистические данные могут содержать большое количество шумов, а также записей автоматическая обработка которых может быть весьма затруднена. Это делает предварительную обработку входных динамических данных важным предварительным условием для обнаружения значимых паттернов и знаний в предметной области, а тему исследования актуальной Предварительная обработка данных представляет собой ряд уникальных задач, которые привели к появлению различных алгоритмов и эвристических методов для решения таких задач предварительной обработки, как слияние и очистка, идентификация переменных В данной работе формулируется алгоритм препроцессинга, позволяющий сводить в единую базу данных и структурировать информацию по временным рядам из разных источников. Ключевой модификацией метода препроцессинга, которую предлагают авторы является технология автоматизированной интеграции данных. Предложенная авторами технология предполагает совместное использование методов построения нечеткого временного ряда и машинного лексического сопоставления на сети тезауруса, а также использования универсальной базы данных, построенной с использованием концепции МИВАР. Алгоритм препроцессинга формирует единую модель данных с возможностью транформации периодичности и семантики набора данных и интеграцию в единый информационный банк данные, которые могут поступать из различных источников.

Ключевые слова: машинное обучение, препроцессинг, унификация данных, очистка данных, прогнозирование, нечеткий временной ряд, МИВАР, временной ряд, data mining, база знаний

Abstract: The subject of the research is the process of collecting and preliminary preparation of data from heterogeneous sources. Economic information is heterogeneous and semi-structured or unstructured in nature. Due to the heterogeneity of the primary documents, as well as the human factor, the initial statistical data may contain a large amount of noise, as well as records, the automatic processing of which may be very difficult. This makes preprocessing dynamic input data an important precondition for discovering meaningful patterns and domain knowledge, and making the research topic relevant.Data preprocessing is a series of unique tasks that have led to the emergence of various algorithms and heuristic methods for solving preprocessing tasks such as merge and cleanup, identification of variablesIn this work, a preprocessing algorithm is formulated that allows you to bring together into a single database and structure information on time series from different sources. The key modification of the preprocessing method proposed by the authors is the technology of automated data integration.The technology proposed by the authors involves the combined use of methods for constructing a fuzzy time series and machine lexical comparison on the thesaurus network, as well as the use of a universal database built using the MIVAR concept.The preprocessing algorithm forms a single data model with the ability to transform the periodicity and semantics of the data set and integrate data that can come from various sources into a single information bank.

Keywords: time series, MIVAR, fuzzy time series, forecasting, clearing data, data unification, preprocessing, machine learning, data mining, knowledge base

Аннотация: В работе представлены результаты оценки информативности количественных и бинарных признаков для решения задачи поиска семантически близких предложений (парафразов). Рассмотрены три типа признаков: построенные на векторных представлениях слов (по модели Word2Vec), основанные на извлечении чисел и структурированной информации и отражающие количественные характеристики текста. В качестве показателей информативности используются доля парафразов среди примеров, обладающих признаком, и доля парафразов, обладающих признаком (для бинарных характеристик), а также оценки с помощью метода накопленных частот (для количественных признаков). Оценка проведена на русском корпусе парафразов. Набор рассмотренных в работе признаков апробирован в качестве входных данных для двух моделей машинного обучения для определения семантически близких предложений: машины опорных векторов (SVM) и рекуррентной нейросетевой модели. Первая модель принимает в качестве входных параметров только рассмотренный набор признаков, вторая – текст в виде последовательностей (sequences) и набор признаков в качестве дополнительного входа. Качество моделей составило соответственно 67,06% (по F-мере) и 69,49% (по точности) и 79,85% (по F-мере) и 74,16% (по точности). Полученный в работе результат сравним с лучшими результатами систем, представленных в 2017 на соревновании по определению парафраза для русского языка (второй результат по F-мере, третий результат по точности). Результаты, предложенные в работе, могут быть использованы как при реализации моделей поиска семантически близких фрагментов текстов на естественном языке, так и для анализа русскоязычных парафразов с точки зрения компьютерной лингвистики.

Ключевые слова: семантическая близость, классификация текстов, поиск парафразов, нейронная сеть, машина опорных векторов, информативность признаков, накопленные частоты, статистическая оценка, отбор признаков, машинное обучение

Abstract: The paper presents the results of evaluating the informative value of quantitative and binary signs to solve the problem of finding semantically close sentences (paraphrases). Three types of signs are considered in the article: those built on vector representations of words (according to the Word2Vec model), based on the extraction of numbers and structured information and reflecting the quantitative characteristics of the text. As indicators of information content, the percentage of paraphrases among examples with a characteristic, and the percentage of paraphrases with a attribute (for binary characteristics), as well as estimates using the accumulated frequency method (for quantitative indicators) are used. The assessment was conducted on the Russian paraphrase corps. The set of features considered in the work was tested as input for two machine learning models for defining semantically close sentences: reference vector machines (SVMs) and a recurrent neural network model. The first model accepts only the considered set of signs as input parameters, the second - the text in the form of sequences and the set of signs as an additional input. The quality of the models was 67.06% (F-measure) and 69.49% (accuracy) and 79.85% (F-measure) and 74.16% (accuracy), respectively. The result obtained in the work is comparable with the best results of the systems presented in 2017 at the competition for the definition of paraphrase for the Russian language (the second result for the F-measure, the third result for accuracy). The results proposed in the work can be used both in the implementation of search models for semantically close fragments of texts in natural language, and for the analysis of Russian-language paraphrases from the point of view of computer linguistics.

Keywords: accumulated frequencies, feature informativeness, support vector machine, neural network, paraphrase detection, text classification, semantic similarity, statistical evaluation, feature selection, machine learning

Аннотация: Целью исследования является подготовка к анализу слабоструктурированных исходных данных, их анализ, изучение влияния «загрязнения» данных на результаты регрессионного анализа. Задача структурирования данных, подготовки их к качественному анализу является уникальной задачей для каждого конкретного набора исходных данных и не может быть решена с помощью общего алгоритма, всегда будет иметь свои особенности. Рассмотрены проблемы, которые могут вызывать трудности при работе (анализе, обработке, поиске) со слабоструктурированными данными. Приведены примеры слабоструктурированных данных и структурированных данных, которые применяются в процедурах подготовки данных к анализу. Рассмотрены и описаны данные алгоритмы подготовки слабоструктурированных данных к анализу. Проведены процедуры очистки и анализа на наборе данных. Построены четыре регрессионных модели и произведено их сравнение. В результате были сформулированы следующие выводы: Исключение из анализа разного рода подозрительных наблюдений может резко сократить объем совокупности и привести к необоснованному снижению вариации. При этом, такой подход будет совершенно неприемлем, если в результате из анализа будут исключены важные объекты наблюдений и нарушена целостность совокупности. Качество построенной модели может ухудшаться при наличии аномальных значений, но может и улучшаться за их счет.

Ключевые слова: слабоструктурированные данные, очистка данных, регрессионный анализ, поиск аномалий, линейная модель, большие данные, статистика, моделирование, удаление шумов, эконометрика

Abstract: The aim of the study is to prepare for the analysis of poorly structured source data, their analysis, the study of the influence of data "pollution" on the results of regression analysis. The task of structuring data, preparing them for a qualitative analysis is a unique task for each specific set of source data and cannot be solved using a general algorithm, it will always have its own characteristics. The problems that may cause difficulties when working (analysis, processing, search) with poorly structured data are considered. Examples of poorly structured data and structured data that are used in the preparation of data for analysis are given. These algorithms for preparing weakly structured data for analysis are considered and described. The cleaning and analysis procedures on the data set were carried out. Four regression models were constructed and compared. As a result, the following conclusions were formulated: Exclusion from the analysis of various kinds of suspicious observations can drastically reduce the size of the population and lead to an unreasonable decrease in variation. At the same time, such an approach would be completely unacceptable if, as a result, important objects of observation are excluded from the analysis and the integrity of the population is violated. The quality of the constructed model may deteriorate in the presence of abnormal values, but may also improve due to them.

Keywords: statistics, big data, linear model, anomaly detection, regression analysis, data cleaning, semi-structured data, modelling, noise removal, econometrics

Аннотация: С распространением онлайн-сервисов конструирования форм для проведения онлайн-опросов существенно возросло количество исследователей, использующих анкетные опросы в практике научных исследований. Одной из проблем, которая присутствовала при традиционной форме опроса на бумажном носителе и перешла в онлайн-опросы, является проблема достоверности данных. Большинство исследователей, применяющих онлайн-опросы, имеют более высокие запросы к автоматизации исследований. Они не готовы предпринимать значительные усилия для повышения достоверности данных. В настоящей работе предлагается к рассмотрению алгоритм, позволяющий автоматизировать процесс анализа достоверности данных анкетных опросов. Предложенный алгоритм основан на использовании процедуры скользящего экзамена для тестирования отдельных многомерных наблюдений, полученных в ходе онлайн-опроса. Основная гипотеза, заложенная в основу разработанного метода, состоит в том, что подчиненность вопросов анкеты некоторой общей тематике приводит к возникновению некоторых латентных связей между ответами, которые нарушаются при случайных ответах. Для тестирования анкетных данных разработан многомерный статистический критерий. Метод очень прост в использовании и доступен даже для не искушенных исследователей.

Ключевые слова: интернет-сервис, компьютерная технология, скользящий экзамен, критерий качества данных, латентные связи, многомерные статистические методы, онлайн-опрос, качество данных, анкетный опрос, номинальные признаки

Abstract: With the proliferation of online forms design services for online surveys, the number of researchers using questionnaires in research practice has increased significantly. One of the problems that was present in the traditional form of the survey on paper and was transferred to online surveys is the problem of data reliability. Most researchers using online surveys have higher queries to automate research. They are not ready to make significant efforts to increase the reliability of the data. In this paper, we propose to consider an algorithm for automating the process of analyzing the reliability of questionnaire data. The proposed algorithm is based on the use of a sliding exam procedure for testing individual multidimensional observations obtained during an online survey. The main hypothesis underlying the developed method consists in the fact that the subordination of the questionnaire questions to some general topic leads to some latent connections between answers that are violated by random answers. A multi-dimensional statistical criterion was developed for testing personal data. The method is very simple to use and is available even for not sophisticated researchers.

Keywords: Internet service, nominal features, computer technology, sliding exam, criterion fquality of data, latent connections, multivariate statistical methods, online survey, data quality, questionnaire

Аннотация: Предметом исследования являются методы и подходы решения класса задач поиска ключевых игроков (key player problem), применимые для идентификации в социальных сетях пользователей-экспертов в определенной предметной области; модель построения социальных графов по данным, выбираемым из социальной сети; методы построения взвешенных ориентированных случайных графов для проведения модельных экспериментов и их сравнительный анализ; методы кластерного анализа результатов ранжирования пользователей социальной сети; сравнительный анализ различных результатов идентификации пользователей-экспертов в заданной предметной области. Методы исследования, применяемые в данной работе, базируются на методах системного анализа, аппарате кластерного анализа, теории графов, а также методах анализа социальных сетей. Для оценки работоспособности предлагаемого способа проводились модельные эксперименты с использованием ЭВМ и эксперименты на реальных данных. В процессе программной реализации сервиса для выполнения экспериментального анализа, а также для демонстрации работоспособности способа использовались методы теории алгоритмов, теории структур данных, объектно-ориентированного программирования. Разработан способ идентификации пользователей-экспертов в социальных сетях в заданной предметной области, учитывающий количественные данные активности этих пользователей. В отличии от существующих способов, пользователи социального графа могут ранжироваться при помощи двух и более эффективных методов, что позволяет использовать преимущества этих методов, а сам способ дает возможность получить дополнительные сведения о пользователях, находящихся под влиянием экспертов-лидеров, а также о потенциальных скрытых лидерах общественного мнения.

Ключевые слова: социальный граф, ключевые игроки, орграф, кластерный анализ, социальная сеть, лидер общественного мнения, показатель Боргатти, ранжирование Кендалла-Уэя, метод распространения близости, идентификация пользователей

Abstract: The subject of the research is methods and approaches for solving a class of key player search tasks (key player problem) applicable for identifying expert users in a certain subject area on social networks; a model for building social graphs from data selected from a social network; methods for constructing weighted oriented random graphs for model experiments and their comparative analysis; methods of cluster analysis of the ranking results of social network users; comparative analysis of various results of the identification of expert users in a given subject area. The research methods used in this work are based on system analysis methods, cluster analysis tools, graph theory, and social network analysis methods. To assess the performance of the proposed method, model experiments were carried out using a computer and experiments on real data. In the process of software implementation of the service, the methods of the theory of algorithms, the theory of data structures, and object-oriented programming were used to demonstrate the operability of the method. A method has been developed for identifying expert users on social networks in a given subject area, taking into account the quantitative data on the activity of these users. Unlike existing methods, users of a social graph can be ranked using two or more effective methods, which allows them to take advantage of these methods, and the method itself provides an opportunity to obtain additional information about users who are influenced by expert leaders, as well as potential hidden leaders public opinion.

Keywords: affinity propagation, Kendall-Wei ranking, Borgatti measure, opinion leader, social network, cluster analysis, directed graph, key players, social graph, user identification

Аннотация: В данной работе решается задача кластеризации оперонов (особых единиц генетической информации) и описывается ее использование для выделения групп оперонов со схожими функциями. Рассматривается специфика открытых баз оперонов, используемых в качестве источников исходных данных для исследования. Описываются выбор и подготовка данных для кластеризации, особенности процесса кластеризации и его связь с подходами, традиционно используемыми для анализа естественных языков. На основании проведенной кластеризации анализируется качество и состав полученных групп. Для преобразования исходных данных в вектора используется классическая реализация алгоритма word2vec и ряд особенностей исходных данных. Полученное представление кластеризуется алгоритмом DBScan на основании косинусной дистанции. Новизна предлагаемого метода связана с использованием не стандартных для исходных данных алгоритмов. Использованный подход эффективно проявляет себя при работе с большим количеством данных, не требует дополнительной разметки данных и самостоятельно формирует факторы для кластеризации. Полученные результаты показывают возможность использования предложенного подхода для реализации сервисов, позволяющих проводить сравнительный анализ бактериальных геномов.

Ключевые слова: алгоритмы, методы, машинное обучение, word2vec, векторные представления слов, DBScan, кластеризация, опероны, анализ естественного языка, открытые базы данных

Abstract: In this article the task of clustering operons (special units of genetic information) is solved. The authors describe its use for the identification of groups of operons with similar functions. The specifics of the open bases of operons used as sources of initial data for the study are considered. The authors describe the selection and preparation of data for clustering, the features of the clustering process, and its relationship with the approaches traditionally used for the analysis of natural languages. Based on the clustering performed, the quality and composition of the obtained groups is analyzed. To convert the raw data into vectors, the classical implementation of the word2vec algorithm and a number of features of the original data are used. The resulting representation is clustered by the DBScan algorithm based on the cosine distance. The novelty of the proposed method is associated with the use of non-standard algorithms for the initial data. The approach used effectively manifests itself when working with a large amount of data, does not require additional data markup and independently forms factors for clustering. The obtained results show the possibility of using the proposed approach for the implementation of services that allow comparative analysis of bacterial genomes.

Keywords: clustering, DBScan, word embeddings, word2vec, machine learning, methods, algorithms, operons, natural language processing, open access databases

Аннотация: Рассмотрена и решена задача нормирования частотно-временных корреляционных функций. Цель работы состояла в создании методики вычисления коэффициентов для нормирования частотно-временных корреляционных функций и интеграции их в известный алгоритм вычисления. При этом стояли задачи обеспечения возможности нормирования каждой из частотных составляющих частотно-временной корреляционной функции независимо и сохранения высокой производительности исходного алгоритма. Последнее накладывало ограничения на применение в алгоритме вычисления операции фильтрации во временной области и использования дополнительных дискретных преобразований Фурье. Для минимизации вычислительных затрат при вычислении и нормирование частотно-временных корреляционных функций, была разработана методика вычисления нормирующих коэффициентов по отсчётам комплексного спектра сигналов. Основным результатом работы является новый алгоритм вычисления нормированной частотно-временной корреляционной функции, отличающийся незначительным приращением вычислительной сложности по сравнению с оригинальным алгоритмом. В тоже время полученные коэффициенты могут использоваться как для одновременного нормирования всех частотных компонент частотно-временной корреляционной функции, что необходимо для обеспечения независимости результата от масштаба входных сигналов, так и для независимого нормирования каждой из её частотных компонент. Последнее полезно при решении задач обнаружения слабых коррелированных составляющих в смесях сигналов.

Ключевые слова: частотно-временной анализ, корреляционные функции, цифровая обработка сигналов, спектральный анализ, нормирование, коррелятор, вычислительный алгоритм, быстрое преобразование Фурье, обнаружение сигналов, коррелограмма

Abstract: The problem of the normalization of frequency-time correlation functions is considered and solved. The aim of the work is to create a methodology for calculating the coefficients for normalizing the time-frequency correlation functions and integrating them into the known computational algorithm. At the same time, the tasks were to ensure the possibility of normalizing each frequency component of the time-frequency correlation function independently and maintaining high performance of the original algorithm. The latter imposed restrictions on the application of the filtering operation in the time domain and the use of additional discrete Fourier transforms in the algorithm. To minimize the computational costs in calculating and rationing the time-frequency correlation functions, a technique was developed for calculating the normalizing coefficients from the samples of the complex signal spectrum. The main result of the work is a new algorithm for calculating the normalized time-frequency correlation function, which differs by an insignificant increase in computational complexity in comparison with the original algorithm. At the same time, the coefficients obtained can be used both for simultaneous normalization of all the frequency components of the time-frequency correlation function, which is necessary to ensure the independence of the result from the scale of the input signals, and for independent normalization of each of its frequency components. The latter is useful in solving problems of detecting weak correlated components in signal mixtures.

Keywords: computational scheme, correlator, normalization, spectral analysis, digital signal processing, correlation functions, time-frequency analysis, fast Fourier transform, signal detection, correlogram

Аннотация: В статье исследуется применимость рекуррентных сетей долгой-краткосрочной памяти (long short-term memory, LSTM) для бинарной классификации текстовых сообщений социальной сети Twitter. Спроектирован трехэтапный процесс классификации, позволяющий выполнять отдельный анализ пиктограмм и проверку текста на нейтральность. Проверена точность классификации эмоциональной полярности текстовых сообщений с использованием сети LSTM и векторных представлений слов. Определен процент совпадений векторных представлений слов с тренировочным набором данных, позволяющий получить приемлемую точность классификации. Проведена оценка скорости обучения LSTM-сети и использования памяти. Для решения задачи классификации текстовых сообщений применены методы обработки естественного языка и машинного обучения по прецедентам. Оптимизирована алгоритмическая база обработки текстовых данных из социальных сетей, полученная в результате применения нейронных сетей LSTM. Новизна предлагаемого метода решения обуславливается выполнением предварительной обработки сообщений, позволяющей повысить точность классификации, и использованием конфигурации нейронной сети с учетом специфики текстовых данных социальных сетей.

Ключевые слова: рекуррентные нейронные сети, обработка естественного языка, анализ эмоций, сети долгой-краткосрочной памяти, социальные сети, векторные представления слов, Твиттер, предварительная обработка текста, рекуррентная сеть, бинарная классификация

Abstract: The article explores the applicability of long short-term memory (LSTM) recurrent networks for the binary classification of text messages of the social network Twitter. A three-stage classification process has been designed, allowing a separate analysis of pictograms and verification of the text for neutrality. The accuracy of the classification of the emotional polarity of text messages using the LSTM network and vector representations of words was verified. The percentage of coincidences of vector representations of words with a training set of data is determined, which makes it possible to obtain an acceptable classification accuracy. The estimation of the learning speed of the LSTM network and the use of memory was carried out. To solve the task of classifying text messages, methods of processing natural language and machine learning using precedents are applied. The algorithmic base for processing text data from social networks, obtained as a result of the application of LSTM neural networks, has been optimized. The novelty of the proposed solution method is due to the implementation of pre-processing of messages, which allows to improve the accuracy of classification, and the use of the neural network configuration taking into account the specifics of text data of social networks.

Keywords: Twitter, word embeddings, social networks, LSTM networks, sentiment analysis, natural language processing, recurrent neural networks, text data preprocessing, reccurent network, binary classification

Аннотация: В робототехнических комплексах как и в живом мире основным видом очувствления является зрение. Первые системы технического (машинного, компьютерного) зрения, нашедшие применение в средствах робототехники, копировали органы зрения живых организмов, развиваясь в такой последовательности: черно-белые монокулярные СТЗ, цветные, стереоскопические и многоракурсные с различными вариантами аппаратной реализации. В статье указываются некоторые аспекты исторического хода событий в развитии СТЗ, анализ существующих подходов к реализации СТЗ в задачах робототехники. В работе приведена постановка задачи, описываются проблемы СТЗ при проектировании и разработки робототехнических комплексов, предложены современные пути решения этих задач. Применяются методы гносеологии, эпистемологии и системного анализа. Вопрос всеобщей робототизации в последние годы оказывается в фокусе исследовательского внимания. На сегодняшний день существуют множество работ, посвященные этой проблеме. Однако мы решили изучить эту проблему с различных ракурсов с применением не только философских и гносеологических аспектов, а также с точки зрения системного подхода к проблеме. Особым вкладом автора в исследовании темы является общая систематизация актуальной проблемы внедрения СТЗ в робототехнических комплексов, выведены основные функции и назначение подобных систем.

Ключевые слова: системный анализ, робототехнические комплексы, гносеологические аспекты, СТЗ, системы машинного зрения, функции СТЗ, назначение СТЗ, постановка задачи, управление и обработка, 3D

Abstract: In robotics complexes as in the living world, the main kind of sensation is vision. The first systems of technical (computer) vision used in the means of robotics copied the organs of vision of living organisms and have evolved in a following sequence: black and white monocular vision systems, color, stereoscopic and multi-angle systems with various options for hardware implementation. The article points out some aspects of the historical course of events in development of vision systems. The author analyses existing approaches to the implementation of vision systems in the tasks of robotics. The paper presents the formulation of the problem, describes the problems of designing vision systems and development of robotic complexes, shows modern ways of solving these problems. Methods of epistemology, epistemology and system analysis are applied. The issue of universal robotics in recent years is in the focus of research attention. There are many works devoted to this problem. However, the author decided to study this problem from different perspectives, applying not only philosophical and epistemological aspects, but also from the point of view of a systematic approach to the problem. A special contribution of the author in the study of the topic is the general systematization of the actual problems of introducing vision systems into robotic complexes and the definition of the main functions and purpose of such systems.

Keywords: appointment of vision systems, functions of vision systems, machine vision, vision systems, gnoseological aspects, robotic systems, system analysis, posing problems, control and processing, 3D

Аннотация: Статья посвящена разработке универсальной корпоративной информационной системы (ИС) сопровождения этапов процедуры «Перспективное планирование качества продукции» (APQP), которая бы позволила усовершенствовать процесс производства автокомпонентов на отечественных предприятиях и повысить качество выпускаемой продукции. Особенностью предлагаемой ИС является применение функциональных формул описания выпускаемых автокомпонентов взамен наименования продукции, что позволит однозначно распознавать детали с учетом их функциональных и конструктивно-технологических признаков. Объектом исследования является процесс информационного сопровождения этапов планирования и проектирования автомобильных компонентов для грузовых автомобилей. Предметом исследования являются информационные связи между процессами процедуры APQP. Методы исследования: системный подход, методология описания бизнес-процессов DFD, методы системного анализа, функциональной систематики, теории алгоритмов. Научная новизна исследования заключается в применении методологии функциональной систематики при разработке информационной системы сопровождения процедуры APQP. Применение функциональных формул описания деталей вместо наименований и кодов позволяет однозначно обозначать детали, необходимые потребителю, проектируемые, производимые и используемые в эксплуатации с учетом их ключевых параметров. Таким образом, в случае получения рекламаций, становится возможным быстрый поиск информации о детали и последующая работа по повышению качества продукции.

Ключевые слова: информационная система, сопровождение производственных процессов, поставщик, автомобильный компонент, Перспективное планирование качества, функциональная систематика, DFD-диаграмма, СУБД, программа для ЭВМ, таксон

Abstract: The article is devoted to development of the universal corporate information system (IS) of maintenance of stages of the procedure "Advanced Product Quality Planning" (APQP), which would allow to enhance a production process of autocomponents on domestic enterprises and to increase quality of products. The feature of the offered IS is application of functional formulas of the description of the issued autocomponents instead of a product name that will allow to distinguish unambiguously details taking into account their functional and constructive and technological signs. The object of probe is process of information maintenance of stages of planning and design of automobile components for trucks. The subject of research are information communications between processes of the procedure APQP. Research methods: system approach, methodology of the description of business-processes DFD, methods of the system analysis, functional systematization, theory of algorithms. Scientific novelty of a research consists in application of methodology of functional systematization when developing an information system of support of the procedure APQP. Application of functional formulas of the description of details instead of names and codes allows to designate unambiguously the details necessary for the consumer projected, made and used in operation taking into account their key parameters. Thus, in case of receipt of claims, there is possible a fast information search about a detail and the subsequent effective work on improvement of quality of products.

Keywords: functional systematization, Advance planning of quality, Automobile component, Supplier, Maintenance of production processes, Information system, DFD-chart, DBMS, Computer program, taxon

Аннотация: В данной статье рассматриваются вопросы автоматической обработки содержимого веб-ресурсов. Поскольку скорость устаревания передаваемой во всемирной сети информации очень велика, актуальной темой становится своевременное извлечение необходимых данных из сети интернет. Объектом исследования являются веб-ресурсы, содержащие в себе неадаптированный к автоматизированной обработке текст. Предметом исследования является набор программных средств и методов. Особое внимание уделяется определению категорий объявлений, расположенных на специализированных сайтах. Также рассматриваются прикладные аспекты разработки универсальной архитектуры систем сбора информации. В ходе данного исследования использовались следующие методы: аналитический обзор основных принципов разработки систем автоматизированного сбора информации и анализа естественных языков. Для получения практико-ориентированного результата использовались методы синтеза и анализа. Особым вкладом авторов в исследование темы является разоработка автоматизированной системы сбора, обработки и классификации информации, содержащейся на веб-ресурсе. Новизна исследования заключается в использовании нового подхода к решению данной проблемы на основе учета семантики и структуры характерной для конкретных сайтов. Основными выводами проведенного исследования являются применимость и эффективность используемого метода классификации для решения данной задачи.

Ключевые слова: парсинг, анализ текста, категоризация веб-сайтов, система классификации, сбор информации, веб-роботы, машинное обучение, обработка информации, краулинг, большие данные

Abstract: This article reviews the problems of automatic processing of web content. Since the speed of obsolescence of information in the global network is very high, the problem of prompt extraction of the necessary data from the Internet becomes more urgent. The research focuses on the web resources that contain text, unadapted to the automated processing. The subject of the research is a set of software and methods. A particular attention is paid to the categorization of ads placed on specialized websites. The authors also review practical aspects of the development of a universal architecture of information-gathering systems. The following methods were used during this study: analytical review of the main principles of development of systems of automated information gathering and analysis of natural languages. For obtaining practice-oriented methods of synthesis and analysis results were used. A special contribution of the authors of the study is in developing an automated system for collecting, processing and classification of the information contained on the web-site. The novelty of the research is to use a new approach to solve this problem by taking into account the semantics and structure characteristic for specific sites. The main conclusions of the study are the applicability and effectiveness of the classification method for solving this problem.

Keywords: machine learning, web robots, information collection, classification system, web-sites categorization, text analisis, parsing, data processing, crawling, big data

Аннотация: Предметом исследования является автоматизированный биорадиолокационный контроль функционального состояния летчика для обеспечения возможности учета такой оценки в контуре управления самолетом в реальном времени. Разработанные методы и алгоритмы обработки информации впервые позволили обеспечить корректную математическую обработку физиологических сигналов без ограничения двигательной активности летчика при их регистрации за счет учета нестационарности и внутривидовой вариабельности сигналов при их обработке. Это, в свою очередь, существенно расширило потенциальные возможности бесконтактного мониторинга состояния летчика. Методы исследования: системный анализ, фильтрация радиосигналов, вейвлет-анализ, искусственные нейронные сети, математическая кибернетика, распознавание образов. Разработанная методика биорадиолокационного контроля состояния лётчика позволяет обеспечить диагностику опасных (для надежной профессиональной деятельности) состояний по показателям активности сердечно-сосудистой и дыхательной системы. Реализация результатов исследования обеспечивает возможность повышения надежности функционирования летательных аппаратов за счет реализации бесконтактного мониторинга состояния летного состава в интересах повышения надежности его профессиональной деятельности и учета оценки текущего состояния в контурах управления воздушным судном.

Ключевые слова: мониторинг состояния человека, биорадиолокационный мониторинг, вейвлет-анализ сигналов, искусственная нейронная сеть, контур управления самолетом, математическая кибернетика, медицинская информатика, управление эргатической системой, паттерн сигнала, автоматизированная обработка сигналов

Abstract: The subject of the study is an automated functional state bioradiolokation control of pilot to ensure accountability of such an assessment in the process of operation of the aircraft in real time. The developed methods and algorithms of data processing for the first time enable the correct mathematical treatment of physiological signals that are not limited to the pilot motor activity in their registration by taking into account nonstationarity and intraspecific variability in processing signals. This, in turn, significantly increase the potential for non-contact monitoring of the status of the pilot. Methods used in the research: a systematic analysis, filtering radio signals, wavelet analysis, artificial neural networks, mathematical cybernetics, pattern recognition. The developed technique of monitoring of bioradiolokation of condition of pilot enables the diagnostics of dangerous (for reliable professional activity) states in terms of the activity of the cardiovascular and respiratory system. Implementing the results of the study provides the possibility of increasing the reliability of operation of aircraft through the use of non-contact monitoring of the state of flight personnel in order to improve the reliability of their professional activities and account evaluation of the current state circuits control the aircraft.

Keywords: medical informatics, mathematical cybernetics, loop control of the aircraft, artificial neural network, wavelet analysis of signals, bioradiolokation monitoring, monitoring of the state human, ergatic management system, pattern of signal, automated signal processing

Аннотация: Предметом исследования являются ранние стадии жизненного цикла программного обеспечения, от качества выполнения работ на которых существенно зависит качество результата разработки программного обеспечения. В результате анализа опыта практического применения широко используемых водопадной (каскадной), итеративной и инкрементной моделей жизненного цикла программного обеспечения показано, что они не в полной мере удовлетворяют потребностям практики. Вместе с тем, имеется возможность синтеза модели жизненного цикла программного обеспечения, объединяющей достоинства трех названных моделей. Методология исследования базируется на моделях жизненного цикла программного обеспечения, структурном системном анализе, программной инженерии и информационно-логическом моделировании. Основные выводы проведенного исследования заключаются в том, что разработана модель жизненного цикла программного обеспечения (для этапа его разработки), представленная в нотации UML-диаграммы, которая состоит из этапов инициации разработки, постановки инкремента, исполнения инкремента и завершения разработки. Практическая реализация разработанной модели обеспечивает сокращение времени, необходимого на разработку программного обеспечения и необходимой отчетной документации.

Ключевые слова: программное обеспечение, жизненный цикл программы, программная инженерия, информационно-логическое моделирование, модель жизненного цикла, разработка программного обеспечения, структурный системный анализ, стадии жизненного цикла, программные средства, системная инженерия

Abstract: The author studies the early stages of the software life cycle on the quality of which the quality of the result of software development essentially depends. An analysis of the experience of the practical application of the widely used waterfall (cascade), iterative and incremental models of software life cycle showed that they do not fully meet the needs of the practices. However, there is a possibility of the synthesis of a new model of the life cycle of software that combines all of these three models. The research methodology is based on the models of the software life cycle, structured systems analysis, software engineering, and information and logical modeling. The main conclusions of the study lies in the model of the software life cycle (for the stage of its development), presented in notation UML-diagrams, which consists of the stages of initiation of development, setting the increment, execution of the increment and completion of the development. Practical implementation of the developed model provides a reduction in the time required for software development and preparing the necessary project documentation.

Keywords: life cycle stages, structured systems analysis, software development, life cycle model, information and logical modeling, software engineering, program life cycle, software, software tools, system engineering

Аннотация: Статья представляет собой обзор формальных методов атрибуции текстов. Задачи определения авторства текстов встречаются в различных областях и представляют интерес для филологов, литературоведов, историков, юристов. При решении задачи атрибуции наибольший интерес и наибольшую сложность представляет анализ синтаксического, лексико-фразеологического и стилистического уровней текста. В некотором смысле более узкой задачей является задача сентимент-анализа (определения тональности текста). Методы ее решения могут оказаться полезными при определении автора текста. К сожалению, экспертный анализ авторского стиля является трудоемким и длительным процессом. Целесообразно создание новых подходов, позволяющих хотя бы частично автоматизировать деятельность экспертов. Поэтому в статье уделяется внимание именно формальным методам идентификации авторов текстов и программной реализации этих методов. В настоящее время для атрибуции текстов применяются алгоритмы сжатия данных, методы математической статистики и теории вероятностей, алгоритмы нейронных сетей, кластерного анализа и др. В статье приведено описание наиболее известных на сегодняшний день программных систем для определения авторского стиля текстов на русском языке, предпринята попытка произвести их сравнительный анализ, выявить особенности и недостатки рассмотренных подходов. Среди проблем, затрудняющих исследования в области атрибуции, можно выделить проблему выбора лингвостилестических параметров текста и проблему составления выборки эталонных текстов. Необходимо проводить дальнейшие исследования, направленные на поиск новых или совершенствование уже имеющихся методов атрибуции текстов, на поиск характеристик, позволяющих четко разделять стили авторов, в том числе на коротких текстах и на малых объемах выборки.

Ключевые слова: атрибуция текста, определение авторства, формальные параметры текста, авторский стиль, классификация текстов, машинное обучение, стастистический анализ, компьютерная лингвистика, идентификация стиля автора, анализ текстовой информации

Abstract: the article presents a review of formal methods of text attribution. The problem of determining the authorship of texts is present in different field and is important for philologists, literary critics, historians, lawyers. In solving the problem of text attribution the main interest and the main complexity is in the analysis of syntactic, lexical/idiomatic and stylistic levels of text. In a sense, a narrower task is in the text sentiment-analysis (defining the tone of the text). Techniques for solving the task can be useful for identifying authorship of the text. Unfortunately, expert analysis of author’s style is complex and time consuming. It’s desirable to find new approaches, allowing at least partially automate experts’ work. Therefore the article pays special attention exactly to the formal methods of author’s identification and software implementation of such methods. Currently, algorithms of data compression, methods of mathematical statistics, probability theory, neural networks algorithms and cluster analysis algorithms are applied for text attribution. The article describes the most popular software systems for author’s style identification for Russian language. Author attempts to make a comparative analysis, identify features and drawbacks of the reviews approaches. Among the problems hindering researches in text attribution there are a problem of selecting linguostylistic parameters of the text and a problem of selecting sample texts. The author states that there is a need in further researches, aimed at finding new or improving existing methods of texts attribution, at finding new characteristics allowing to clearly separate author’s style, including cases of short texts and small number of sample texts.

Keywords: text attribution, defining authorship, formal text parameters, author’s style, text classification, machine learning, statistical analysis, computer linguistics, identification of author’s style, analysis of textual information

Аннотация: Предложен подход к формализации и представлению коллективных экспертных знаний в виде концептуальных моделей, основанный на функционально-целевой технологии. Реализация концептуальной модели в виде базы знаний обеспечивает возможность использования экспертных знаний автономно при решении задач синтеза структуры имитационной модели. Механизм генерации имитационных моделей заключается в последовательном применении формальных правил базы знаний к ее декларативным знаниям. База знаний содержит три группы процедур вывода. Первая группа состоит из процедур вывода, обеспечивающих выбор из всех декларативных знаний базы необходимых для решения конкретной задачи (синтеза конкретной имитационной модели); вторая группа содержит процедуры вывода, генерирующие состав и структуру имитационной модели; третья группа процедур вывода формирует информационные связи синтезируемой модели. Применение функционально-целевого подхода на этапе формализации экспертных знаний обеспечивает адекватность структуры синтезируемой имитационной модели задачам предметной области, что позволяет существенно повысить эффективность использования экспертных знаний при моделировании и исследовании сложных систем.

Ключевые слова: экспертные знания, концептуальная модель, база знаний, формальный синтез, правила вывода, алгоритм, структура, имитационная модель, системная динамика, сложная система

Abstract: The author suggests an approach to formalization and presentation of collective expertise knowledge in a form of conceptual models, based on a functional-oriented technology. Implementation of the conceptual model in form of base of knowledge enables the ability to use expertise knowledge autonomously in solving the tasks of a simulation model structure synthesis. A mechanism of simulation model generation is in consequent appliance of formal rules of base of knowledge to its declarative data. The base of knowledge contains three groups of inference procedures. The first group of procedures provide the selection of the declarative knowledge needed to solve specific task (specific simulation model synthesis) from the entire base. The second group of procedures generates the composition and structure of the simulation model. The third group of procedures forms the informational connections in the synthesized model. Appliance of the formal-oriented approach at the stage of formalization of expertise knowledge provides adequacy of the structure of synthesized model to the tasks of the subject area and can significantly improve efficiency of the use of expertise knowledge in the modeling and study of complex systems.

Keywords: expert knowledge, conceptual model, base of knowledge, formal synthesis, rules of inference, algorithm, structure, simulation model, system dynamics, complex system