Найти

Результаты поиска

• ИНТЕЛЛЕКТУАЛЬНАЯ РЕКОМЕНДАТЕЛЬНАЯ СИСТЕМА ДЛЯ ПРОСТРАНСТВЕННОГО АНАЛИЗА

  С.Л. Беляков , А.В. Боженюк , Н.А. Голова , К.С. Яворчук , И.Н. Розенберг

  14-26

  2025-07-30

  Аннотация ▼

  Работа посвящена анализу механизмов формирования рекомендаций и оценки реак-
  ции на них в интерактивном режиме работы пользователя с геоинформационной систе-
  мой. Одной из важных областей применения рекомендательных систем является поиск и
  принятие решений в пространственных ситуациях. Особенностью данного класса задач
  является неопределенность постановки задач и неоднозначность оценивания решений.
  Пользователи зачастую сталкиваются с проблемами, которые не имеют четкой форму-
  лировки. Стремление их разрешить потребует не только выбора направления поиска ре-
  шения, но и нахождения адекватной последовательности задач с четко оформленными
  входными и выходными данными. Рекомендации в таких случаях призваны в диалоге с поль-
  зователем-аналитиком планировать стратегию поиска решений. В настоящей работе
  исследуется интеллектуальная рекомендательная система, использующая опыт диалого-
  вого взаимодействия в процессе изучения проблемы. Предлагается модель адаптации к
  ментальному образу проблемы, который строит пользователь, с учетом уровней его си-
  туационной осведомленности и когнитивной нагрузки. Особенность модели в использова-
  нии визуальных картографических объектов, являющихся индикаторами состояния мен-
  тального образа. Рекомендация представляется набором объектов, которые внедряются в
  область картографического анализа. Тем самым неявно индуцируется определенное смы-
  словое направление повышения ситуационной осведомленности. Предлагается критерий
  удовлетворенности рекомендациями. Приводится диаграмма состояний рекомендатель-
  ной системы, описывающая подбор адекватного решаемой проблеме контекста. Под кон-
  текстом понимается информационный объект, способный предоставлять программные
  функции и данные для решения задач ограниченного класса. Последовательность контек-
  стов в сеансе анализа рассматривается как прецедент опыта. Для возможных цепочек
  контекстов предложены показатели тренда, тенденции и ритма. Через данные показате-
  ли оценивается степень смысловой близости прецедентов текущему ходу поиска решения.
  Их использование позволит повысить скорость адаптации

• ИНТЕЛЛЕКТУАЛЬНАЯ РЕКОМЕНДАТЕЛЬНАЯ СИСТЕМА ДЛЯ ПРОСТРАНСТВЕННОГО АНАЛИЗА

  С.Л. Беляков , А. В. Боженюк , Н. А. Голова , К.С. Яворчук , И.Н. Розенберг

  14-26

  2025-07-31

  Аннотация ▼

  Работа посвящена анализу механизмов формирования рекомендаций и оценки реак-
  ции на них в интерактивном режиме работы пользователя с геоинформационной систе-
  мой. Одной из важных областей применения рекомендательных систем является поиск и
  принятие решений в пространственных ситуациях. Особенностью данного класса задач
  является неопределенность постановки задач и неоднозначность оценивания решений.
  Пользователи зачастую сталкиваются с проблемами, которые не имеют четкой форму-
  лировки. Стремление их разрешить потребует не только выбора направления поиска ре-
  шения, но и нахождения адекватной последовательности задач с четко оформленными
  входными и выходными данными. Рекомендации в таких случаях призваны в диалоге с поль-
  зователем-аналитиком планировать стратегию поиска решений. В настоящей работе
  исследуется интеллектуальная рекомендательная система, использующая опыт диалого-
  вого взаимодействия в процессе изучения проблемы. Предлагается модель адаптации к
  ментальному образу проблемы, который строит пользователь, с учетом уровней его си-
  туационной осведомленности и когнитивной нагрузки. Особенность модели в использова-
  нии визуальных картографических объектов, являющихся индикаторами состояния мен-
  тального образа. Рекомендация представляется набором объектов, которые внедряются в
  область картографического анализа. Тем самым неявно индуцируется определенное смы-
  словое направление повышения ситуационной осведомленности. Предлагается критерий
  удовлетворенности рекомендациями. Приводится диаграмма состояний рекомендатель-
  ной системы, описывающая подбор адекватного решаемой проблеме контекста. Под кон-
  текстом понимается информационный объект, способный предоставлять программные
  функции и данные для решения задач ограниченного класса. Последовательность контек-
  стов в сеансе анализа рассматривается как прецедент опыта. Для возможных цепочек
  контекстов предложены показатели тренда, тенденции и ритма. Через данные показате-
  ли оценивается степень смысловой близости прецедентов текущему ходу поиска решения.
  Их использование позволит повысить скорость адаптации

• РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОЙ ИНТЕГРИРОВАННОЙ СИСТЕМЫ «УМНОЕ ПОЛЕ»

  З.В. Нагоев , В. М. Шуганов , А.У. Заммоев , К. Ч. Бжихатлов , З. З. Иванов

  2022-04-21

  Аннотация ▼

  Производство сельскохозяйственной продукции в настоящее время тесно связано с
  применением цифровых технологий, элементов точного земледелия, автоматизацией и
  роботизацией сельского хозяйства, так как они дают возможность осуществлять посто-
  янный мониторинг, своевременно реагировать на производственные риски, повышать эф-
  фективность производства и использования ресурсов. Особое внимание уделяется необходимости комплексного использования цифровых технологий и искусственного интеллекта
  для создания интеллектуальных интегрированных систем (ИИС) сельскохозяйственного
  производства. Как показывают исследования, активнее всего IT-технологии применяются
  в полевом земледелии при выращивании зерновых культур. Основной культурой при произ-
  водстве селекционного, семеноводческого и товарного зерна в Кабардино-Балкарской Рес-
  публике является кукуруза, поэтому предполагается, что ИИС «Умное поле» должна быть
  разработана первоначально именно для этой культуры, а затем с некоторыми доработ-
  ками использована и для производства любой растениеводческой продукции – других видов
  зерна, овощей, фруктов, винограда и бахчевых. Она позволяет снизить на некоторых эта-
  пах производства продукции участие человека, путем автоматизации процесса и его кон-
  троля посредством различных «умных» устройств. Работа ИИС «Умное поле» основана
  на использовании множества сенсоров, в том числе устанавливаемых на мобильной техни-
  ке (наземные и воздушные пилотируемые и беспилотные транспортные средства, косми-
  ческие спутники) и переносных портативных устройствах для получения оперативных
  данных о состоянии полей и посевов, что позволяет: – анализировать готовность сельско-
  хозяйственных угодий к посевным работам, отслеживать ход вегетации растений с целью
  эффективного и оперативного планирования агротехнических мероприятий (химическая
  защита от вредителей и болезней, подкормка, орошение и т.д.); – прогнозировать показа-
  тели эффективности производства (общий валовой сбор, урожайность с га), а также
  своевременно выявлять производственные риски (появление вредителей, болезней расте-
  ний, засоленности почв и т.д.); – принимать эффективные решения по управлению исполь-
  зования ресурсов сельскохозяйственных предприятий. С применением «умных» устройств
  стало возможным внедрение т.н. «точного земледелия» для управления продуктивностью
  посевов c учётом изменений в среде обитания растений. В конечном итоге, это дает воз-
  можность решить две главные задачи сельхозпроизводителей – повышение урожайности
  и сокращение издержек. Авторами разработана концепция ИИС «Умного поля» для произ-
  водства зерна кукурузы при использовании перспективных робототехнических систем и
  комплексов. Представлена архитектура ИИС «Умного поля» для производства семенной и
  товарной кукурузы, которую можно с незначительными доработками адаптировать и для
  производства другой растениеводческой продукции.

• МУЛЬТИАГЕНТНЫЙ АЛГОРИТМ СБОРА ДАННЫХ С МЕТЕОСТАНЦИИ ДЛЯ ПРОГНОЗИРОВАНИЯ УРОЖАЙНОСТИ И СОСТОЯНИЯ ПОСЕВОВ

  И.А. Пшенокова , К.Ч. Бжихатлов , А. А. Унагасов , М.А. Абазоков

  91-101

  2022-04-21

  Аннотация ▼

  Погода оказывает сильное влияние на урожайность и состояние посевов, на требо-
  вания к количеству и качеству удобрений, а также на профилактические меры по предот-
  вращению заболеваний. Плохие погодные условия могут повлиять на качество продукции во
  время транспортировки и хранения, а значит и на жизнеспособность семян и посадочного
  материала. В настоящее время в сельском хозяйстве широко применяются различные сис-
  темы интеллектуального мониторинга, к которым можно отнести спутниковый мони-
  торинг и метеостанции. При этом основополагающую роль играет выбор метода анализа
  полученных данных и интеллектуальных систем их обработки для превентивного прогно-
  зирования. Целью исследования является разработка интеллектуальной системы прогно-
  зирования урожайности и состояния посевов на основе данных с метеостанции. В рамках
  данного исследования разработан мультиагентный алгоритм прогнозирования состояния
  посевов по данным с метеостанции на основе самоорганизации нейрокогнитивной архи-
  тектуры. Приведено описание структурной схемы метеостанции и ее датчиков. Разрабо-
  тан алгоритм программы для сбора и обработки данных с датчиков метеостанции.
  В результате обработки в интеллектуальную систему принятия решений отправляются
  данные о температуре воздуха и почвы, влажности воздуха и почвы, скорости и направле-
  ние ветра, количестве осадков и о сумме активных температур. Описана система по-
  строения причинно-следственных связей, на основе которой строится система прогнозирования, которая позволяет в превентивном порядке делать рекомендации или прогнозы по
  урожайности и состоянию посевов, а также по вероятности заболеваний и распростра-
  нения вредителей на контролируемых посевах.

• ПОДХОД К УПРАВЛЕНИЮ ТРАНСПОРТНЫМИ ПОТОКАМИ НА ОСНОВЕ СТАНДАРТА МЭК 61499

  Д. М. Елькин , В. В. Вяткин

  2021-01-19

  Аннотация ▼

  Количество транспортных средств на дорогах общего пользования постоянно увеличива-
  ется, а развитие дорожной инфраструктуры происходит низкими темпами, а не качественное
  управление транспортом влечет за собой повышение стоимости перевозок, увеличение аварий-
  ности, уровня шума, а также загрязнение окружающей среды. Вследствие этого, возникает
  необходимость применения передовых алгоритмов и подходов к управлению транспортом,
  чтобы максимально использовать существующую дорожную сеть и увеличить пропускную
  способность дорог. В ходе последних исследований выявлено, что на участках дорожной сети с
  высокой интенсивностью и изменчивостью трафика, наиболее эффективны адаптивные под-
  ходы к управлению дорожным движением. Суть применяемых на сегодняшний день подходов к
  адаптивному управлению заключается в том что,они основаны на анализе транспортной за-
  груженности и изменяют фазы работы светофора в зависимости от полученных данных в
  режиме реального времени.. Адаптивное управление транспортными потоками показывает
  намного более лучшие результаты по сравнению с жестким управлением, существенно умень-
  шает транспортные задержки, время в пути и выбросы вредных веществ в атмосферу, по-
  этому современные исследователи разрабатывают новые и усовершенствуют существующие
  подходы и алгоритмы адаптивного управления транспортом. Например, активно развиваются
  подходы к управлению трафиком, основанные на концепции IoT и использовании облачных вы-
  числений. Так же разрабатываются концепции применения агентного подхода к адаптивному
  управлению. В работе предлагается способ управления транспортными потоками и автома-
  тизации дорожной инфраструктуры с использованием агентного подхода. Предлагаемый под-
  ход включает распределенное управление различными элементами дорожной сети и их прямую
  взаимосвязь друг с другом. Для реализации этой концепции был использован открытый стан-
  дарт распределенных систем управления и автоматизации МЭК 61499, а для проверки воз-
  можности реализации использованы несколько моделей транспортных пересечений, одно из
  которых создано на основе реальных данных и SUMO - пакет микроскопического и непрерывно-
  го моделирования дорожного движения.

• БИОИНСПИРИРОВАННЫЙ МЕТОД ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ ДЛЯ ДИСПЕТЧЕРИЗАЦИИ ПОТОКОВ ПАРАЛЛЕЛЬНЫХ ЗАЯВОК В GRID- СИСТЕМАХ

  Д. Ю. Кравченко, Ю. А. Кравченко, В. В. Курейчик, А.Э. Саак

  2020-07-20

  Аннотация ▼

  Статья посвящена решению задачи диспетчеризации потоков параллельных заявок в
  пространственно-распределённых вычислительных системах. Актуальность задачи обос-
  нована значительным ростом востребованности парадигмы распределенных вычислений в
  условиях информационного переполнения и неопределенности. В статье рассмотрены про-
  блемы диспетчирования заявок пользователей, требующих для своего обслуживания не-
  сколько процессоров одновременно, что выходит за рамки классической теории расписа-
  ний. Проанализированы аспекты эффективности применения эвристических алгоритмов
  диспетчирования планарными ресурсами. Определены причины их недостаточности как по
  результативности, так и по эмпиричности подходов. Предложено решать задачу диспет-
  черизации параллельных заявок на основе комплексного применения коалиции интеллекту-
  альных агентов и событийной имитационной модели. Классификацию поступающих на
  вход заявок предлагается проводить на основе применения модифицированного биоинспи-
  рированного метода оптимизации поиском кукушки. Совместное использование коалиции
  интеллектуальных агентов и биоинспирированного метода позволит обеспечить беспреце-
  дентный параллелизм вычислений, а последующее определение путей обработки классифи-
  цированных заявок на основе имитационной модели сформирует наборы альтернативных
  решений, позволяющих ускорить решение задач и оптимизировать распределение имею-
  щихся вычислительных ресурсов в зависимости от наборов поступающих заявок. Для оцен-
  ки эффективности предложенного подхода разработан программный продукт и проведе-
  ны эксперименты с разным количеством поступающих на вход заявок. Каждая поступаю-
  щая на вход заявка имеет определенный набор атрибутов, являющийся вектором призна-
  ков заявки. Степень сходства вектора признаков заявки и эталонного вектора признаков
  вершины в распределяющей имитационной модели является критерием классификации
  заявки. Для повышения качества процесса диспетчеризации введены новые процедуры дуб-
  лирования неклассифицированных заявок, позволяющие интенсифицировать поиск совпаде-
  ний в векторах признаков. Также предусмотрены резервные траектории диспетчеризации
  необходимые для обработки прецедентов появления на входах заявок с абсолютным при-
  оритетом. Полученные количественные оценки демонстрируют экономию времени при
  решении задач относительно большой размерности (от 500000 вершин) не менее 10 %.
  Временная сложность в рассмотренных примерах составила . Описанные исследова-
  ния имеют высокий уровень теоретической и практической значимости и напрямую связа-
  ны с решением классических задач искусственного интеллекта, направленных на поиск
  скрытых зависимостей и закономерностей на множестве больших данных.