Выпуск 2017 № 2

ДОПОЛНЕННАЯ РЕАЛЬНОСТЬ И СИНХРОНИЗАЦИЯ ЕЕ СОБЫТИЙ

Дорохин В. А. - студент

Бурное развитие современных технологий как программных, так и аппаратных дало возможность претворить в жизнь то, что еще 10 лет назад казалось недостижимым. Сегодня, система дополненной реальности позволяет заглянуть внутрь работающего двигателя, увидеть электрическую схему в автомобиле, увидеть, как могла бы выглядеть квартира или офис с новым ремонтом и мебелью. В статье рассматривается разработка и использование приложений дополненной реальности как в повседневной жизни, так и внутри университетской информационной среды, механизмы синхронизации событий дополненной реальности и их интеграция с информационными ресурсами университета.

скачать ( размер: 802 Кб, скачиваний: 124 )

МИНИ-РОБОТ КАК БАЗИС РАЗВИТИЯ ОБРАЗОВАТЕЛЬНОГО ПРОЦЕССА В ИНТЕЛЛЕКТУАЛЬНОЙ РОБОТОТЕХНИКЕ

Кузьмичёв С. Ю., Иванчин Н. Г., Решетников А. Г. - школьник; школьник; доктор информатики (PhD), ст. преподаватель Института САУ

В статье рассматривается мини-робот как базис образовательного процесса в робототехнике для школьников организованного в университете «Дубна». Рассмотрена связь концепции интеллектуального тренажера с образовательным процессом. Представлена реализация робота дистанционного управления. Рассматривается разработанный методологический базис образовательного процесса.

скачать ( размер: 990 Кб, скачиваний: 120 )

ИССЛЕДОВАНИЕ ТЕНДЕЦИИ ВЫДАВАЕМЫХ ПАТЕНТОВ В РОССИИ НА ОСНОВЕ МНОГОФАКТОРНЫХ МОДЕЛЕЙ

Михалев П. В. - студент

Доказана значимость исследования влияния различных факторов на количество выдаваемых патентов на разработки и исследования в Российской Федерации. Выбран вид модели и построена линейная многофакторная модель, которая описывает тенденции развитию выдачи патентов и влияние на нее таких факторов, как количество населения, занятых научными разработками, расходы на научную отрасль и количество организаций, занятых научными разработками. Выполнен прогноз системы в будущем.

скачать ( размер: 891 Кб, скачиваний: 83 )

СИСТЕМА АВТОМАТИЗАЦИИ ПОДБОРА КЛЮЧЕВЫХ ПОКАЗАТЕЛЕЙ ЭФФЕКТИВНОСТИ

Никонов Э. Г., Кравченко Д. М. - д.ф.-м.н., профессор Института САУ; аспирант

Руководители предприятия вынуждены постоянно следить за конкурентами, искать новые ниши и изучать большое количество данных генерируемых как их компанией, так и публикуемыми открытыми данными. Постепенно этот процесс автоматизируется и упрощается с помощью внедрения ключевых показателей эффективности, которые позволяют ускорять процесс реагирования предприятия на внешние условия и принимать грамотные решения. Однако возникает проблема формирования для каждой компании собственного списка KPI, которая решается на совещаниях управляющего состава. Не всегда данный лист показателей приживается, в него постоянно вносятся изменения, пока топ менеджеры не будут удовлетворены результатами. В конце концов, остается базовый набор показателей, которые отслеживаются из года в год. Базовые наборы ключевых показателей эффективности у предприятий одного типа могут частично совпадать, поэтому возникла идея изучить возможность автоматизации подбора KPI на основе экспертных данных.

скачать ( размер: 920 Кб, скачиваний: 82 )

АЛГОРИТМ РЕШЕНИЯ ЗАДАЧИ ОЦЕНКИ АДЕКВАТНОСТИ МОДЕЛИ ОБЪЕКТУ ИССЛЕДОВАНИЯ

Соколов И. А., Миловидова А. А. - студент; старший преподаватель Института САУ

Оценка адекватности модели объекту исследования – одна из основных задач при моделировании различных процессов и явлений: природных, социальных, технологических, научных и т.д. Аргументация результатов моделирования при переносе на реальный объект, базируется на оценке адекватности модели объекту. Когда полученные результаты не противоречат ожидаемым результатам, не уделяется должного внимания вопросу адекватности. Когда результат является неожиданным для исследователя, тогда в первую очередь обращается внимание на адекватность модели объекта. В работе авторы предлагают постановку задачи и алгоритм решения задачи оценки адекватности модели объекту исследования.

скачать ( размер: 1.2 MБ, скачиваний: 144 )

ИНТЕГРАЦИЯ СВЕРТОЧНОЙ НЕЙРОННОЙ СЕТИ В СИСТЕМУ РАСПОЗНАВАНИЯ ОБРАЗОВ

Ульянов С. В., Решетников А. Г., Кошелев К. В. - д.ф.-м.н, профессор Института САУ; к.т.н., доцент Института САУ; студент

В данной статье приводится краткое описание архитектуры сверточных нейронных сетей. Описываются преимущества нейросетевого подхода к распознаванию образов. В работе представлено описание процесса интеграции сверточной нейронной сети в систему распознавания образов. В качестве результата представлен программный модуль распознавания на основе сверточной нейронной сети, продемонстрировано повышение качества распознавания при использовании нейросетевого подхода.

скачать ( размер: 1.2 MБ, скачиваний: 105 )