Найти

Результаты поиска

• МЕТОД ПОСТРОЕНИЯ ФОТОГРАММЕТРИЧЕСКИХ ИЗМЕРИТЕЛЬНЫХ СИСТЕМ НА ОСНОВЕ МОБИЛЬНЫХ ОБЛАЧНЫХ ВЫЧИСЛЕНИЙ

  А.Н. Самойлов , Ю.М. Бородянский

  2021-11-14

  Аннотация ▼

  С развитием возможностей мобильных устройств и повышением доступности бес-
  проводной связи существенно расширились возможности построения промышленных сис-
  тем автоматизации. Качество цифровой фотографии, получаемой с помощью камеры
  смартфона, позволяет строить мобильные системы, основанные на компьютерном зре-
  нии: например, системы фотограмметрии. При этом следует учитывать несколько фак-
  торов. Первый фактор – задачи обработки цифровой фотографии в промышленных целях
  остаются ресурсоемкими и не могут быть полноценно реализованы только на базе мо-
  бильного устройства. Следовательно, требуется перенос среды выполнения ресурсоёмких
  задач на сторонние вычислительные мощностями, доступные по требованию. Второй
  фактор – стабильность и полоса пропускания канала связи – мобильные устройства как
  правило нужны в отдаленных местах, где развертывание стационарных компьютеров не
  представляется возможным. Следовательно, использование смартфона только в качестве
  фотоаппарата не всегда оправдано, так как передача необработанного изображения мо-
  жет занять длительное время или вовсе оказаться невозможной. Третий фактор, пре-
  пятствующий широкому применению мобильных устройств в решении фотограмметриче-
  ских задач, – это вариативность и постоянное появление новых методов обработки и ана-
  лиза изображений. Необходимо централизовано создавать и пополнять библиотеки таких
  модулей. Таким образом, создание мобильных фотограмметрических измерительных сис-
  тем требует объединения вычислительной мощности облачных сервисов и мобильности
  смартфонов. В статье предлагается метод построения фотограмметрических измери-
  тельных систем на основе мобильных облачных вычислений, который обеспечивает дина-
  мический баланс вычислительной нагрузки на узлы системы, а также вариативность
  функциональных возможностей на мобильных устройствах пользователей.

• МЕТОД ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ, ОСНОВАННЫЙ НА КОГНИТИВНОМ НЕЧЕТКОМ МОДЕЛИРОВАНИИ И РЕГРЕССИОННОМ АНАЛИЗЕ

  А.И. Гусева , Р.М. Романов

  157-178

  2025-12-30

  Аннотация ▼

  Актуальность исследования определяется низкой эффективностью традиционных методов прогнозирования временных рядов в условиях высокой неопределённости и ограниченного объёма данных, характерных для слабо формализованных систем. Цель работы заключается в разработке и обосновании метода прогнозирования временных рядов на основе гибридного подхода, объединяющего когнитивное нечеткое моделирование, регрессионный анализ и метод аналитических сетей. В рамках исследования проведён системный обзор и сравнительный анализ существующих методов прогнозирования, включая подходы на основе нечеткой логики, нейросетевого и когнитивного моделирования, ансамблевых и гибридных методов, и выявлены их ограничения при работе с малыми выборками, нелинейными зависимостями и неопределённостью. Разработанный метод включает: построение нечетких когнитивных карт, дефаззификацию лингвистических оценок, кластеризацию факторов, применение метода аналитических сетей для определения приоритетов и формирование взвешенной регрессионной модели. Модель проходит статистическую валидацию по метрикам , ,  и , а также проверку предпосылок регрессионного анализа, включая тесты на мультиколлинеарность и автокорреляцию. Применение метода обеспечило снижение  с 0,38 до 0,22,  с 0,30 до 0,18 и  с 11,65 % до 7,12 %, что подтверждает повышение точности и устойчивости прогнозов при ограниченном объёме данных по сравнению с классической многофакторной регрессией. Новизна разработанного метода заключается в интеграции когнитивного моделирования, регрессионного анализа и метода аналитических сетей, при которой преимущества каждого компонента компенсируют их индивидуальные ограничения, обеспечивая более точное и устойчивое прогнозирование в условиях неопределённости исследуемой системы. Практическая значимость работы состоит в возможности применения предложенного метода для поддержки принятия решений и повышения обоснованности прогнозов в различных предметных областях и ситуациях, где имеется ограниченный объёма наблюдений, а существенную роль играют экспертные оценки, а также сложная структура причинно-следственных связей между показателями во времени