Сетевое научное
издание
Государственный
университет "Дубна"

Институт Системного Анализа и Управления
     



ВездеАвторНазваниеСодержание


Выпуск 2020 № 1


КОНЦЕПЦИЯ ОРГАНИЗАЦИИ ПРОФОРИЕНТАЦИОННОЙ ДЕЯТЕЛЬНОСТИ ИСАУ И ФОРМИРОВАНИЯ ИКТ-КОМПЕТЕНЦИЙ У ШКОЛЬНИКОВ
Кирпичёва Е. Ю., Бархатова И. А., Беднякова Т. М., Пряхина Д. И., Русакова Е. А., Сычева М. П., Юсупов И. И. - кандидат технических наук, доцент; старший преподаватель; старший преподаватель; старший преподаватель; старший преподаватель; старший преподаватель; ассистент
Проблема мотивированного выбора выпускниками школ направления дальнейшего образования год от года становится все более актуальной и для самих выпускников и их родителей. Статья посвящена концепции профориентационной деятельности ИСАУ, а также системе дополнительно-го образования школьников с целью формирования у них ИКТ-компетенций, необходимых для успешной сдачи ЕГЭ по информатике и ИКТ.
Для цитирования:
Кирпичёва, Е. Ю. Концепция организации профориентационной деятельности ИСАУ и формирования ИКТ-компетенций у школьников / Е. Ю. Кирпичева, И. А. Бархатова, Т. М. Беднякова, Д. И. Пряхина, Е. А. Русакова, М. П. Сычева, И. И. Юсупов // Системный анализ в науке и образовании: сетевое научное издание. — 2020. — №1. — С. 1–9. — URL: http://sanse.ru/download/377. DOI: 10.37005/2071-9612-2020-1-1-9.

скачать ( размер: 612 Кб, скачиваний: 355 )

ИНФОРМАЦИОННАЯ СИСТЕМА ДЛЯ ФОРМИРОВАНИЯ МЕТОДИЧЕСКОЙ ДОКУМЕНТАЦИИ В ВУЗЕ
Тятюшкина О. Ю., Широкова А. М. - кандидат технических наук, доцент; студент
В данной статье рассматриваются документационная система высшего учебного заведения, выявляются особенности и проблемы автоматизации документооборота, сопровождающего учебный процесс, сформулированы требования к проектируемой информационной системе, описан прототип модуля «Рабочая программа дисциплины».
Для цитирования:
Тятюшкина, О. Ю. Информационная система для формирования методической документации в вузе / О. Ю. Тятюшкина, А. М. Широкова // Системный анализ в науке и образовании: сетевое научное издание. — 2020. — №1. — С. 10–19. — URL: http://sanse.ru/download/378. DOI: 10.37005/2071-9612-2020-1-10-19.

скачать ( размер: 640 Кб, скачиваний: 301 )

МОДЕЛИРОВАНИЕ ТОНКИХ СТРУКТУР В РАСПРЕДЕЛЕНИЯХ ПРОДУКТОВ ЯДЕРНЫХ РЕАКЦИЙ ПО МАССЕ И ИХ РАСПОЗНАВАНИЕ МЕТОДАМИ МАШИННОГО ОБУЧЕНИЯ
Ососков Г. А., Пятков Ю. В., Руденко М. О. - профессор, доктор физико-математических наук; профессор, доктор физико-математических наук; студент
Работа посвящена анализу проявлений кластеризации в редких многотельных распадах тяжелых ядер. Совместно с физиками из ЛЯР ОИЯИ была разработана компьютерная модель тонкой структуры, найденной ими на основе экспериментов с трансурановым элементом калифорний. Для проверки гипотезы о том, что найденная структура объективно существует, а не является шумовым артефактом, было предложено применить глубокую сверточную сеть в качестве бинарного классификатора, обученного на большой выборке из модельных и шумовых изображений. Предварительные результаты применения разработанного нейроклассификатора показывают перспективность предложенного подхода.
Для цитирования:
Ососков, Г. А. Моделирование тонких структур в распределениях продуктов ядерных реакций по массе и их распознавание методами машинного обучения / Г. А. Ососков, Ю. В. Пятков, М. О. Руденко // Системный анализ в науке и образовании: сетевое научное издание. — 2020. — №1. — С. 20–29. — URL: http://sanse.ru/download/379. DOI: 10.37005/2071-9612-2020-1-20-29.

скачать ( размер: 864 Кб, скачиваний: 285 )

ВЫБОР МЕТОДОВ ГЛУБОКОГО ОБУЧЕНИЯ ДЛЯ РЕШЕНИЯ ЗАДАЧИ РАСПОЗНАВАНИЯ БОЛЕЗНЕЙ РАСТЕНИЙ В УСЛОВИЯХ МАЛОЙ ОБУЧАЮЩЕЙ ВЫБОРКИ
Сметанин А. А., Гончаров П. В., Ососков Г. А. - студент; студент; профессор, доктор физико-математических наук
Потеря урожая из-за болезней растений является серьезной проблемой для сельских жителей, экономики и продовольственной безопасности, требующей принятия своевременных мер для выявления и предотвращения болезней. В последнее время для решения задачи распознавания болезней растений по фотографиям их листьев стали с успехом применяться нейросетевые методы глубокого обучения. В настоящем исследовании выполнен анализ методов, используемых для обучения глубоких сверточных нейронных сетей в условиях малой обучающей выборки. Для данных PDD (http://pdd.jinr.ru/crops.php) применена техника переноса обучения и метода сиамских нейронных сетей с трехчленной функцией ошибки, что позволило достичь 99.5% точности классификации.
Для цитирования:
Сметанин, А. А. Выбор методов глубокого обучения для решения задачи распознавания болезней растений в условиях малой обучающей выборки / А. А. Сметанин, П. В. Гончаров, Г. А. Ососков // Системный анализ в науке и образовании: сетевое научное издание. — 2020. — №1. — С. 30–38. — URL: http://sanse.ru/download/380. DOI: 10.37005/2071-9612-2020-1-30-38.

скачать ( размер: 973 Кб, скачиваний: 525 )

ОСОБЕННОСТИ РАСЧЕТА, МОДЕЛИРОВАНИЯ И ОПИСАНИЯ КАСКАДНЫХ СИСТЕМ В MATLAB
Бильфельд Н. В., Володина Ю. И. - кандидат технических наук, доцент; кандидат технических наук, доцент
Произведено моделирование каскадной системы, в ходе которого возникла проблема определения передаточной функции каскадной системы для аналитического получения переходного процесса. Доказано, что эквивалентный объект, используемый во многих работах для моделирования и каскадная система – это не одно и то же. Переходные процессы, получаемые при использовании эквивалентного объекта, отличаются от реальных переходных процессов в каскадной системе управления. В результате исследований получено аналитическое выражение описания каскадной системы.
Для цитирования:
Бильфельд, Н. В. Особенности расчета, моделирования и описания каскадных систем в MatLab / Н. В. Бильфельд, Ю. И. Володина // Системный анализ в науке и образовании: сетевое научное издание. — 2020. — №1. — С. 39–51. — URL: http://sanse.ru/download/381. DOI: 10.37005/2071-9612-2020-1-39-51.

скачать ( размер: 499 Кб, скачиваний: 272 )

QUANTUM SUPREMACY IN END-TO-END INTELLIGENT IT. PT. I: QUANTUM SOFTWARE ENGINEERING – QUANTUM GATE LEVEL
Ivancova O., Korenkov V., Tyatyushkina O., Ulyanov S., Fukuda T. - senior researcher; doctor of Technical Science, professor; PhD, Аssociate professor; doctor of Science in Physics and Mathematics, professor; PhD, professor; president IEEE
Principles and methodologies of quantum algorithmic gates design for master course and PhD students in computer science, control engineering and intelligent robotics described. The possibilities of quantum algorithmic gates simulation on classical computers discussed. Applications of quantum gate of nanotechnology in intelligent quantum control introduced. A new approach to a circuit implementation design of quantum algorithm gates for fast quantum massive parallel computing presented. The main attention focused on the development of design method of fast quantum algorithm operators as superposition, entanglement and interference, which are in general time-consuming operations due to the number of products that have performed. SW & HW support sophisticated smart toolkit of supercomputing accelerator of quantum algorithm simulation on small quantum programmable computer algorithm gate (that can program in SW to implement arbitrary quantum algorithms by executing any sequence of universal quantum logic gates) described. As example, the method for performing Grover’s interference operator without product operations introduced. The background of developed information technology is the "Quantum / Soft Computing Optimizer" (QSCOptKBTM) SW based on soft and quantum computational intelligence toolkit.
Для цитирования:
Ivancova, O. Quantum supremacy in end-to-end intelligent IT. Pt. I: Quantum software engineering – quantum gate level applied models simulators = Квантовое превосходство в сквозных интеллектуальных ИТ. Ч. 1: Квантовая программная инженерия – моделирование квантовых алгоритмических ячеек / O. Ivancova, V. Korenkov, O. Tyatyushkina, S. Ulyanov, T. Fukuda // Системный анализ в науке и образовании: сетевое научное издание. — 2020. — №1. — С. 52–84. — На англ. языке. — URL: http://sanse.ru/download/382. DOI: 10.37005/2071-9612-2020-1-52-84.

скачать ( размер: 6.2 MБ, скачиваний: 313 )

QUANTUM SUPREMACY IN END-TO-END INTELLIGENT IT. PT. 2: STATE - OF - ART OF QUANTUM SW/HW COMPUTATIONAL GATE-MODEL TOOLKIT
Ivancova O., Korenkov V., Tyatyushkina O., Ulyanov S., Fukuda T. - senior researcher; doctor of Technical Science, professor; PhD, Аssociate professor; doctor of Science in Physics and Mathematics, professor; PhD, professor; president IEEE
Several paradigms of quantum computing are considered. Quantum computer simulators are described. Models of learning quantum systems from experiments are considered. Quantum speed-up limitation in two-level systems (qubit) is discussed. The approaches to the formation of a quantum variational intrinsic solver are considered.
Для цитирования:
Ivancova, O. Quantum supremacy in end-to-end intelligent IT. Pt. 2: state - of - art of quantum sw/hw computational gate-model toolkit = Квантовое превосходство в сквозных интеллектуальных IT. Ч. 2: Современное состояние и развитие программно-аппаратного инструментария квантовых вычислений / O. Ivancova, V. Korenkov, O. Tyatyushkina, S. Ulyanov, T. Fukuda // Системный анализ в науке и образовании: сетевое научное издание. — 2020. — №1. — С. 85–125. — На англ. языке. — URL: http://sanse.ru/download/383. DOI: 10.37005/2071-9612-2020-1-85-125.

скачать ( размер: 4 MБ, скачиваний: 307 )

MODELS OF QUANTUM SEARCH ALGORITHMS. INTRODUCTION FOR IT STUDENTS – PEDAGOGICAL EXAMPLES
Ivancova O., Ryabov N., Korenkov V., Ulyanov S. - senior researcher; PhD Student; director, Doctor of Technical Science, professor; doctor of Science in Physics and Mathematics, professor
This article is one of a series of articles on quantum algorithms. The article discusses quantum oracle models and Grover's computational algorithm for search problems in an unstructured database.
Для цитирования:
Ivancova, O. Models of quantum search algorithms. Introduction for IT students – pedagogical examples = Модели алгоритмов квантового поиска. введение для ИТ студентов – педагогический пример / O. Ivancova, N. Ryabov, V. Korenkov, S. Ulyanov, T. Fukuda // Системный анализ в науке и образовании: сетевое научное издание. — 2020. — №1. — С. 126–151. — На англ. языке. — URL: http://sanse.ru/download/383. DOI: 10.37005/2071-9612-2020-1-126-151.

скачать ( размер: 1.3 MБ, скачиваний: 295 )

 
 
Государственный университет «Дубна»
© 2008-2020 Все права защищены
12+
г. Дубна, ул. Университетская, д.19, ауд. 1-312
7(496) 216-60-10
sanse@saudubna.ru