Сетевое научное
издание
Государственный
университет "Дубна"

Институт Системного Анализа и Управления
     



ВездеАвторНазваниеСодержание


Выпуск 2022 № 2


МОДЕЛИРОВАНИЕ АДАПТИВНЫХ СИСТЕМ УПРАВЛЕНИЯ ГОРОДСКИМ ТРАФИКОМ
Скоробогатченко Д. А. - профессор кафедры САПРиПК
Приоритетным направлением развития городской улично-дорожной сети (УДС) является внедрение автоматизированных систем управления дорожным движением (АСУДД). Одним из ключевых элементов АСУДД является эффективное управление светофорными объектами. В условиях максимальной загрузки проезжей части транспортными средствами реализовать такое управление возможно путем внедрения адаптивной системы регулирования транс-портных потоков. Авторами проведен анализ существующих средств моделирования транс-портных потоков. Исходя из возможностей использования адаптивных средств регулирования дорожного движения в качестве инструмента моделирования предлагается использовать комплекс Simulation of urban mobility (SUMO). По результатам экспериментов простроены основные диаграммы транспортных потоков. На языке Python написан скрипт для интерпретации результатов моделирования и наглядного представления основных диаграмм транс-портного потока. Результаты показывают, что применение адаптивных средств регулирования дорожного движения даже на отдельных перекрестках дает увеличение пропускной способности по всей УДС на 20-30 %. Предложенные результаты могут быть использованы при моделировании функционирования УДС сетей различного типа с использованием адаптивных светофорных объектов.
Для цитирования:
Скоробогатченко Д. А. Моделирование адаптивных систем управления городским трафиком // Системный анализ в науке и образовании: сетевое научное издание. 2022. № 2. C. 1–10. URL : http://sanse.ru/download/466.
For citation:
Skorobogatchenko D. A. Modeling of adaptive systems of urban traffic management. System Analysis in Science and Education, 2022;(2):1–10(In Russ). Available from: http://sanse.ru/download/466.

скачать ( размер: 989 Кб, скачиваний: 8 )

РАЗРАБОТКА УЧЕБНО-МЕТОДИЧЕСКОГО ПОСОБИЯ «КОРПОРАТИВНЫЕ СИСТЕМЫ БИЗНЕС-АНАЛИТИКИ С ПРИМЕНЕНИЕМ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА»
Кизим А. В., Пересыпкин А. М. - профессор; начальник отдела информационного обеспечения
В рамках проекта ИИ-2021 ведется работа по разработке программ магистратуры по профилю «Искусственный интеллект». Разработано новые методическое пособие по дисциплине «Корпоративные системы бизнес-аналитики». Особенностью курса является то, что рассматриваются не только системы бизнес-аналитики и бизнес-анализа, но и применение систем искусственного интеллекта для задач бизнес-аналитики.
Для цитирования:
Кизим А. В., Пересыпкин А. М. Разработка учебно-методического пособия «Корпоративные системы бизнес-аналитики с применением систем искусственного интеллекта»// Системный анализ в науке и образовании: сетевое научное издание. 2022. № 2. C. 11–16. URL : http://sanse.ru/download/467.
For citation:
Kizim A. V., Peresypkin A. M Development of a training manual "Corporate business intelligence systems using artificial intelligence systems”. System Analysis in Science and Education, 2022;(2):11–16(In Russ). Available from: http://sanse.ru/download/467.

скачать ( размер: 392 Кб, скачиваний: 6 )

ИСПОЛЬЗОВАНИЕ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ОПРЕДЕЛЕНИЯ ДОРОЖНОЙ ОБСТАНОВКИ
Синицын И. С., Сулицкий М. В., Парыгин Д. С., Джагаев В. А., Серякова В. Н. - студент; магистрант; заведующий кафедрой; студент; студент
В статье рассматривается факторы дорожной обстановки, влияющие на безопасность дорожного движения, среди которых погодные условия, как причина осложнения ситуации на дорогах, и дорожно-транспортные происшествия, являющиеся следствие различных негативных обстоятельств, а также вероятной причиной новых отрицательных факторов дорожно-го движения. Предлагается программное решение для идентификации негативных дорожных факторов на изображениях с камер видеонаблюдения с помощью моделей нейросетей YOLO и Mask-RCNN с последующим информирование пользователей через сервис бота в мессенджере Telegram.
Для цитирования:
Использование нейронных сетей для определения дорожной обстановки / И. С. Синицын [и др.]// Системный анализ в науке и образовании: сетевое научное издание. 2022. № 2. C. 17–22. URL : http://sanse.ru/download/468.
For citation:
Sinitsyn I. S. et al. Using neural networks to determine traffic conditions. System Analysis in Science and Education, 2022;(2):17–22(In Russ). Available from: http://sanse.ru/download/468.

скачать ( размер: 495 Кб, скачиваний: 5 )

СИСТЕМА АВТОМАТИЧЕСКОГО СУБТИТРИРОВАНИЯ ВИДЕОФАЙЛОВ
Коробкин Д. М. - кандидат технических наук, доцент
В данной работе содержится описание процесса автоматического субтитрирования (распознавания звуковой составляющей) видеофайлов в процессе телепроизводства ГТРК «Волгоград-ТРВ». Значимость работы заключается в программно реализованных алгоритмах извлечения аудиодорожки из видеофайла, распознавания речи в аудиофайле, коррекции распознанного текста, добавления субтитров в видеофайл. Разработанный программный модуль автоматического субтитрирования видеофайлов использует технологии: модель распознавания русского языка Golos («Sber»), медиасервер с открытым исходным кодом Emby.
Для цитирования:
Коробкин Д. М. Система автоматического субтитрирования видеофайлов// Системный анализ в науке и образовании: сетевое научное издание. 2022. № 2. C. 23–27. URL : http://sanse.ru/download/469.
For citation:
Korobkin D. M. System of automatic subtitling of video files. System Analysis in Science and Educa-tion, 2022;(2):23–27(In Russ). Available from: http://sanse.ru/download/469.

скачать ( размер: 673 Кб, скачиваний: 5 )

ИСПОЛЬЗОВАНИЕ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ В ЗАДАЧАХ ВОССТАНОВЛЕНИЯ ПОТЕНЦИАЛА МЕЖАТОМНОГО ВЗАИМОДЕЙСТВИЯ ДЛЯ МЕТОДА КЛАССИЧЕСКОЙ МОЛЕКУЛЯРНОЙ ДИНАМИКИ
Жариков Д. Н., Завьялов Д. В., Сивашова Е. С. - аспирант; заведующий кафедрой физики; аспирант
В работе рассмотрен подход к восстановлению сил межатомного взамодействия с помощью конволюционной нейронной сети в модельной системе двумерного газа точечных бес-структурных частиц. Представлены предварительные результаты обучения сети.
Для цитирования:
Жариков Д. Н., Завьялов Д. В., Сивашова Е. С. Использование сверточных нейронных сетей в задачах восстановления потенциала межатомного взаимодействия для метода классической молекулярной динамики // Системный анализ в науке и образовании: сетевое научное издание. 2022. № 2. C. 28–32. URL : http://sanse.ru/download/470.
For citation:
Zharikov D. N., Zavyalov D. V., Sivashova E. S. Use of convolutional neural networks in problems of recovery of the interatomic interaction potential for the classical molecular dynamics method. System Analysis in Science and Education, 2022;(2):28–32(In Russ). Available from: http://sanse.ru/download/470.

скачать ( размер: 364 Кб, скачиваний: 5 )

О СПЕЦИФИКЕ МЕТОДИКИ ИСПЫТАНИЙ ИНФОРМАЦИОННЫХ СИСТЕМ С КОМПОНЕНТАМИ МАШИННОГО ОБУЧЕНИЯ
Щербаков М. В., Глотов А. В., Черемисинов С. В., Щербакова Н. Л. - заведующий кафедрой, доктор технических наук, доцент; генеральный директор, кандидат экономических наук, доцент; советник генерального директора; кандидат технических наук, доцент
Программа и методика испытаний системы является обязательным документом, фиксирующим каким образом будут проходить испытания системы перед вводом в опытную или промышленную эксплуатацию. Существующие подходы регламентируют проведение испытаний для автоматизированных систем, функции которых как правило детерминированы и результаты зависят только от входных данных и настроек системы. Информационные системы с компонентами машинного обучения требуют пересмотра типовых подходов к организации испытаний. В статье приводятся ключевые аспекты, которые должна включать программа и методика испытаний систем с компонентами машинного обучения.
Для цитирования:
О специфике методики испытаний информационных систем с компонентами машинного обуче-ния / М. В. Щербаков, А. В. Глотов, С. В.Черемисинов, Н. Л. Щербакова // Системный анализ в науке и образовании: сетевое научное издание. 2022. № 2. C. 33–37. URL : http://sanse.ru/download/471
For citation:
Shcherbakov M. V., Glotov A. V., Cheremisinov S. V, Shcherbakov N. L. The specific of tests for information systems with machine learning components. System Analysis in Science and Education, 2022;(2):33–37(In Russ). Available from: http://sanse.ru/download/471.

скачать ( размер: 354 Кб, скачиваний: 6 )

 
 
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