Аннотация: На сегодняшний день мобильные устройства играют важную роль в повседневной жизни каждого человека, и одной из ключевых технологий, приводящих к значительным преимуществам для мобильных приложений, является машинное обучение. Оптимизация алгоритмов машинного обучения для мобильных устройств является актуальной и важной задачей, она направлена на разработку и применение методов, которые позволят эффективно использовать ограниченные вычислительные ресурсы мобильных устройств. В работе рассматриваются различные способы оптимизации алгоритмов распознания изображений на мобильных устройствах, такие как квантизация и сжатие моделей, оптимизация изначальных вычислений. Помимо способов оптимизации самой модели машинного обучения рассматриваются также различные библиотеки и инструменты для применения данной технологии на мобильных устройствах. Каждый из описанных способов имеет свои преимущества и недостатки, в связи с чем в итогах работы предлагается использовать не только комбинацию описанных вариантов, а также дополнительный способ – параллелизацию процессов обработки изображений. В статье рассмотрены примеры конкретных инструментов и фреймворков, доступных для оптимизации производительности машинного обучения на iOS, проведены собственные эксперименты для проверки эффективности различных методов оптимизации. А также приведен анализ полученных результатов и сравнение производительности алгоритмов. Практическая значимость данной статьи заключается в следующем: – Улучшение производительности алгоритмов машинного обучения на мобильных устройствах iOS приведет к более эффективному использованию вычислительных ресурсов и повышению производительности системы, что является весьма важным в контексте ограниченных вычислительных мощностей и энергетических ресурсов мобильных устройств. – Оптимизация производительности машинного обучения на iOS-платформе способствует развитию более быстрых и отзывчивых приложений, что также улучшит пользовательский опыт и позволит разработчикам создавать новые и инновационные функции и возможности. – Расширение применимости машинного обучения на мобильных устройствах iOS открывает новые возможности для разработки приложений в различных областях, таких как распознавание образов, обработка естественного языка, анализ данных и другие.

Ключевые слова: нейронная сеть, машинное обучение, мобильное устройство, iOS, распознавание изображений, оптимизация, ОС Apple, эффективность, производительность, параллелизация

Abstract: Today, mobile devices play an important role in everyone's daily life, and one of the key technologies leading to significant benefits for mobile applications is machine learning. Optimization of machine learning algorithms for mobile devices is an urgent and important task, it is aimed at developing and applying methods that will effectively use the limited computing resources of mobile devices. The paper discusses various ways to optimize image recognition algorithms on mobile devices, such as quantization and compression of models, optimization of initial calculations. In addition to ways to optimize the machine learning model itself, various libraries and tools for using this technology on mobile devices are also being considered. Each of the described methods has its advantages and disadvantages, and therefore, in the results of the work, it is proposed to use not only a combination of the described options, but also an additional method of parallelization of image processing processes. The article discusses examples of specific tools and frameworks available for optimizing machine learning performance on iOS, and conducted its own experiments to test the effectiveness of various optimization methods. An analysis of the results obtained and a comparison of the performance of the algorithms are also provided. The practical significance of this article is as follows: Improving the performance of machine learning algorithms on iOS mobile devices will lead to more efficient use of computing resources and increase system performance, which is very important in the context of limited computing power and energy resources of mobile devices. Optimization of machine learning performance on the iOS platform contributes to the development of faster and more responsive applications, which will also improve the user experience and allow developers to create new and innovative features and capabilities. Expanding the applicability of machine learning on iOS mobile devices opens up new opportunities for application development in various fields such as pattern recognition, natural language processing, data analysis, and others.

Keywords: parallelization, performance, efficiency, OS Apple, optimization, image recognition, iOS, machine learning, mobile device, neural network

Аннотация: Современное развитие компьютерных технологий и операционных систем сопровождается увеличением потребности в программном обеспечении, способном обеспечивать взаимодействие различных программ и приложений между собой, независимо от их исходной среды. В данном исследовании будет проведен сравнительный анализ двух таких программ – Wine и PortProton. Wine – это программа, способная запустить большинство приложений, разработанных для Windows, на Unix-подобных системах. Это слой совместимости, позволяющий работать с Windows приложениями. Вместе с тем, существует и отечественный вариант – PortProton, который также предлагает запуск приложений Windows. Это исследование призвано сравнить эти две программы, проанализировать их особенности, преимущества и недостатки, а также определить, какая из них является наиболее удобной и функциональной для конечного пользователя в контексте эмуляции Windows приложений. Методология исследования предполагает сравнительный анализ платформ Wine и PortProton через тестирование бенчмарков и проверку работоспособности Windows приложений на Linux. Бенчмарк-тестирование включает оценку производительности, стабильности и скорости работы приложений Windows на каждой платформе. В виду отсутствия научных источников на тему сравнения Wine и PortProton в контексте эмуляции Windows-приложений, данное исследование имеет уникальный характер. Из данного исследования, был сделан вывод, что Wine и PortProton успешно справляются с эмуляцией Windows-приложений, показывая в некоторых моментах наилучшую производительность ввиду оптимизации операционной системы Linux. PortProton лучше всего справляется с задачей эмуляции программ ввиду стабильной работы и удобства использования. Wine, несмотря на незначительное опережение в контексте производительности и возможность запуска нескольких программ одновременно, показал наихудшую эффективность ввиду некорректной работы некоторых программ и отсутствия интуитивно понятного графического интерфейса. Исходя из вышеописанных выводов рекомендуется PortProton для большинства пользователей.

Ключевые слова: Эмуляция, Перекрестные платформы, Wine, Portproton, Совместимость приложений, Производительность, Технические характеристики, Windows, Linux, Unix

Abstract: The modern development of computer technologies and operating systems is accompanied by an increase in the need for software capable of ensuring the interaction of various programs and applications with each other, regardless of their source environment. In this study, a comparative analysis of two such programs will be conducted – Wine and PortProton. Wine is a program capable of running most applications developed for Windows on Unix-like systems. This is a compatibility layer that allows you to work with Windows applications. There is also a domestic version – PortProton, that offers the launch of Windows applications. This study aims to compare these two programs, analyze their features, advantages and disadvantages, determine which of them is the most convenient and functional for the end user in the context of Windows application emulation. The research methodology involves a comparative analysis of the Wine and PortProton platforms through benchmark testing and checking the performance of Windows applications on Linux. Benchmark testing includes evaluating the performance, stability, and speed of Windows applications on each platform. Due to the lack of scientific sources on the topic of comparing Wine and PortProton in the context of Windows application emulation, this study has a unique character. In conclusion Wine and PortProton successfully cope with the emulation of Windows applications, showing in some moments the best performance due to the optimization of the Linux operating system. PortProton copes best with the task of emulating programs due to stable operation and ease of use. Wine, despite a slight advance in the context of performance and the ability to run several programs at the same time, showed the worst efficiency due to the incorrect operation of some programs and the lack of an intuitive graphical interface. Based on the above conclusions, PortProton can be recommended for most users.

Keywords: Unix, Linux, Technical specifications, Windows, Performance, Wine, Portproton, Application compatibility, Emulation, cross platforms

Аннотация: Объектами данного исследования являются накопители данных различных типов и уровней сложности, а также принципы их работы. Они представляют собой сложные технические системы, включающие в себя множество компонентов и отличающиеся высокой степенью интеграции. Предмет исследования заключается в изучении основных характеристик жестких дисков и твердотельных накопителей. Важное значение имеет их структура, функциональные особенности, принципы работы и способы оптимизации. Целью исследования является определение наиболее эффективных методов оптимизации работы этих устройств. Это включает в себя такие аспекты, как управление памятью, балансировка нагрузки, управление энергопотреблением и другие. Результаты этого исследования могут быть использованы для повышения эффективности работы с данными, улучшения производительности систем хранения данных и создания новых технологий в этой области. В этом исследовании рассматривается производительность различных решений для хранения данных на дисках с помощью ряда тестов, направленных на понимание скорости и зависимости от внешних факторов. Основные выводы проведенного исследования отражают значимость комплексного использования подходов оптимизации для улучшения скорости чтения и записи данных. Оптимизация процессов чтения и записи данных является критически важной для современных высокопроизводительных вычислительных систем, а также для приложений, которые требуют быстрого доступа к большим объемам информации. Усовершенствованные методики, применяемые в ходе исследования, способствуют значительному повышению производительности накопителей данных. Они учитывают специфику работы различных типов устройств хранения данных, включая жесткие диски и твердотельные накопители, и предлагают подходы к оптимизации, которые учитывают их уникальные характеристики. В целом, результаты этого исследования предоставляют ценные взгляды на принципы оптимизации хранения данных, и они могут служить основой для разработки новых стратегий и решений в этой важной области информационных технологий. Это исследование представляет собой значимый вклад в научное понимание оптимизации процессов чтения и записи данных, и его выводы могут иметь долгосрочные последствия для развития технологий хранения данных.

Ключевые слова: Жесткие диски, Твердотельные накопители, Оптимизация, Производительность, Фрагментация, Чтение данных, Дефрагментация, Интерфейс, Буфер кэша, Файловая система

Abstract: The objects of this study are data storage devices of various types and levels of complexity, as well as the principles of their operation. They are complex technical systems that include many components and are characterized by a high degree of integration. The subject of the research is to study the main characteristics of hard drives and solid-state drives. Their structure, functional features, principles of operation and ways of optimization are important. The purpose of the study is to determine the most effective methods for optimizing the operation of these devices. This includes aspects such as memory management, load balancing, power management, and others. The results of this research can be used to improve data efficiency, improve the performance of data storage systems and create new technologies in this area. This study examines the performance of various disk storage solutions through a series of tests aimed at understanding speed and dependence on external factors. The main conclusions of the study reflect the importance of the integrated use of optimization approaches to improve the speed of reading and writing data. Optimizing the processes of reading and writing data is critically important for modern high-performance computing systems, as well as for applications that require quick access to large amounts of information. The improved techniques used in the course of the study contribute to a significant increase in the performance of data storage devices. They take into account the specifics of various types of storage devices, including hard drives and solid-state drives, and offer optimization approaches that take into account their unique characteristics. Overall, the results of this study provide valuable insights into the principles of optimizing data storage, and they can serve as a basis for developing new strategies and solutions in this important area of information technology. This study represents a significant contribution to the scientific understanding of optimizing data reading and writing processes, and its findings may have long-term implications for the development of data storage technologies.

Keywords: Cache Buffer, Interface, Defragmentation, Reading data, Fragmentation, Efficiency, Optimization, Solid state drives, Hard drives, The file system