В. Н. Павлыш, Л. А. Лазебная.
МАТЕМАТИЧЕСКИЕ МОДЕЛИ И АЛГОРИТМЫ УПРАВЛЕНИЯ ПРОЦЕССАМИ ДИНАМИЧЕСКОГО ВОЗДЕЙСТВИЯ НА АНИЗОТРОПНЫЕ ПОДЗЕМНЫЕ МАССИВЫ.
УДК 681.518.52:622.53 Аннотация: Представлены результаты формирования детерминированных математических моделей и разработки алгоритмов управления процессами динамического воздействия на угольный пласт как на анизотропный подземный массив для снижения его опасных свойств при подземной угледобыче. Рассмотрены три основных технологических способа воздействия, в основу алгоритмов положены требования равномерности распределения активных сил в области обработки, отражающие физику процесса. Ключевые слова: процесс, математическая модель, управление, алгоритм, воздействие.
В. Н. Павлыш, Г. Б. Перетолчина.
ОБОСНОВАНИЕ МАТЕМАТИЧЕСКОЙ МОДЕЛИ ПРОЦЕССА ДВИЖЕНИЯ ЖИДКОСТИ
В АНИЗОТРОПНОМ УГОЛЬНОМ ПЛАСТЕ.
УДК 622.734.001.57 Аннотация: В статье рассматривается задача построения и исследования детерминированной математической
модели процесса движения жидкости в анизотропном угольном пласте при его гидравлической
обработке для снижения проявления опасных свойств. В основу модели положены уравнения в
частных производных, описывающие режим нелинейно-упругой фильтрации несжимаемой жидкости в сильно сцементированной сплошной среде, фильтрационные параметры задаются как стохастические величины с фиксированным интервалом вариации. Компьютерная реализация модели осуществлена с использованием конечно-разностной аппроксимации. Ключевые слова: математическая модель, процесс, параметр, уравнение, алгоритм.
С. В. Беспалова, С. М. Романчук, Т. В. Ермоленко, В. И. Бондаренко.
ПОСТРОЕНИЕ ПРЕДСКАЗАТЕЛЬНЫХ МОДЕЛЕЙ ПАРАМЕТРОВ ДАВЛЕНИЯ ВОДЫ В ВОДОРАСПРЕДЕЛИТЕЛЬНЫХ СЕТЯХ
С ПОМОЩЬЮ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ <.
УДК 004.942 Аннотация: В статье исследуется эффективность методов машинного обучения для прогнозирования
поведения водопроводной сети. Построены предсказательные модели значений давления
воды в контрольных точках на сети. Проведен сравнительный анализ качества построенных
моделей. Ключевые слова: мультиколлинеарность, градиентный бустинг, нейросеть.
М. В. Близно.
ИССЛЕДОВАНИЕ ЗАКОНОМЕРНОСТЕЙ РАЗВИТИЯ ЭНЕРГОНЕЗАВИСИМОЙ ПАМЯТИ.
УДК 622.734.001.57 Аннотация: В работе представлен информационный материал по энергонезависимой памяти, используемой
в компьютерной индустрии, а также закономерности её развития. Ключевые слова: ПЗУ, Flash, энергонезависимая память, флэш-память.
О. О. Варламов.
О СОЗДАНИИ НА ОСНОВЕ МИВАРНЫХ СИСТЕМ ПРИНЯТИЯ РЕШЕНИЙ «РОБО!РАЗУМ» ГРУПП
АВТОНОМНЫХ КОМБАЙНОВ И ТРАКТОРОВ ДЛЯ СЕЛЬСКОГО ХОЗЯЙСТВА.
УДК 004.82+007.52 Аннотация: В области робототехники миварные системы принятия решений «РОБО!РАЗУМ» могут использоваться для управления автономными комбайнами и тракторами, которые в процессе перемещения по полю дополнительно могут выполнять самые различные действия, а также работать в режиме группового взаимодействия, в различных погодных условиях и даже с неисправным техническим зрением. Ключевые слова: мивар, миварные сети, искусственный интеллект, беспилотные автомобили, системы принятия решений, КЭСМИ, робототехнические системы, киберфизические системы, «РОБО!РАЗУМ», автономные комбайны и трактора для сельского хозяйства.
А. В. Ниценко, В. Ю. Шелепов, С. А. Большакова.
О ПОДЧИНИТЕЛЬНОМ ДЕРЕВЕ ДЛЯ ПРОСТОГО
РАСПРОСТРАНЕННОГО РУССКОГО ПРЕДЛОЖЕНИЯ.
УДК 004.89:004.93 Аннотация: В статье описан принцип автоматического построения дерева синтаксического подчинения
для предложений русского языка. Задача решается на основе идентификации составляющих
предложение словоформ путем поиска их в морфологическом словаре. Особенностью
предлагаемого способа является применение набора правил для выбора омонимов и определения зависимостей
между словами предложения. В статье приведен набор данных правил,
рассмотрены примеры их работы. В результате к каждому слову предложения привязывается
подчиняющее слово либо пустая строка, если слово главное. Графически это отображается
в виде древовидной структуры, отражающей зависимости между словами предложения. Ключевые слова: автоматический анализ текста, дерево синтаксического подчинения,
омонимы, морфологический анализ, синтаксический анализ, правила подчинения.
Я. С. Пикалёв.
РАЗРАБОТКА АВТОМАТИЧЕСКОЙ СИСТЕМЫ ТРАНСФОРМАЦИИ АНГЛИЙСКИХ ВСТАВОК В РУССКИХ
ТЕКСТАХ С ПРИМЕНЕНИЕМ ГЛУБОКОГО ОБУЧЕНИЯ.
УДК 004.912 Аннотация: Данная работа посвящена задаче разработки автоматической системы трансформации английских
вставок в русских текстах с применением глубокого обучения. Автором предложен гибридный
метод получения транскрипции, который был разработан, основываясь на работах лингвистов, а
также с применением глубокого обучения. В данной работе изложен декларативно-процедурный
подход, использующий как словарь, так и правила англо-русской практической транскрипции,
для трансформации английских вставок, встречающихся в русских текстах. Подготовлен словарь
англо-русской практической транскрипции с использованием механизма конечных автоматов.
Обучена нейронная сеть для классификации языка текста с применением многослойных
свёрточных нейронных сетей. Обучена нейронная сеть для трансформации слов на латинице, не
найденных в словаре с использованием нейросетевой архитектуры типа энкодер-декодер.
Ключевые слова: обработка естественного языка; практическая транскрипция; механизм
конечных автоматов; transformer; свёрточные нейронные сети.
В. Ю. Пшекоп.
МАТЕМАТИЧЕСКИЕ МОДЕЛИ ПРИРОСТА ЦЕНЫ ФИНАНСОВЫХ ИНСТРУМЕНТОВ НА ОСНОВЕ
СИММЕТРИЧНОГО И АСИММЕТРИЧНОГО РАСПРЕДЕЛЕНИЯ ЛАПЛАСА.
УДК 622.734.001.57 Аннотация: В работе предложены математические модели процесса прироста фондовых показателей на
базе симметричного (двухпараметрическая модель) и асимметричного (трехпараметрическая
модель) распределения Лапласа с применением гамма-распределения.
Ключевые слова: распределение Лапласа, гамма-распределение, случайная величина, математическая модель.
А. А. Харламов, Д. И. Гордеев.
ДИСТРИБУТИВНАЯ VS СЕТЕВАЯ СЕМАНТИКА В ДИАЛОГОВЫХ СИСТЕМАХ.
УДК 004.942, 514.18, 519.652 Аннотация: В последние 8 лет возобновился повышенный интерес к сфере диалоговых агентов. Во многом
это связано с внедрением машинного обучения в задачи по автоматической обработке естественного языка.
Использование средств дистрибутивной и сетевой семантики позволяет использовать обобщенные данные из
огромных корпусов текстов, что было более проблематичным при
использовании n-грамм. Также новые языковые модели, обученные на огромных корпусах,
позволяют существенно сократить затраты на дообучение моделей для новых задач (transfer
learning), а в ряде случаев и вовсе обойтись без него (zero-shot learning).
Ключевые слова: диалоговые агенты; NLP; natural language processing; нейронные сети; глубокое обучение;
дистрибутивная семантика; диалоговые агенты; Word2Vec; Elmo; Bert.
РУС
ENG
