SCI Библиотека

Авторами дана характеристика понятия «цифровое пространство», описано его значение и параметры распространения. Рассмотрены периоды истории зарождения и формирования цифрового пространства в ходе информационно-технологической революции. Выделены основные группы процессов, происходящих в цифровом пространстве и оказывающих наиболее сильное влияние на устойчивое развитие государства. Описаны риски для устойчивого развития государства в условиях использования высокоэффективных средств обработки и передачи информации, формирования «цифрового общества», а также использования искусственного интеллекта в государственном управлении. Методологической базой работы служат общенаучные методы логического, сравнительно-правового, нормативно-правового анализа. Использованы возможности междисциплинарного подхода к исследованию. Сформулировано авторское определение понятия «цифрового пространства» и сформулированы основные концептуальные положения к предлагаемому авторами законопроекту Федерального закона «Об использовании цифровых технологий в системе органов государственной власти Российской Федерации».

Статья посвящена вопросам формирования понятийного аппарата цифровой устойчивости компаний высокотехнологичных рынков национальной технологической инициативы (НТИ). Представлен системный подход к пониманию цифровой устойчивости таких компаний на основе их взаимодействия между собой и экосистемой НТИ в целях обеспечения устойчивого развития всех субъектов в цифровой экономике. Предложены авторские определение и структура цифровой устойчивости компаний высокотехнологичных рынков. Разработаны подходы к формированию умного стандарта цифровой устойчивости рассматриваемых компаний.

Нефтехимические заводы оснащены множеством приборов и большим количеством датчиков, которые собирают данные измерений для управления и мониторинга процесса. В то же время исследователи начали использовать большие объемы данных для построения прогнозных моделей, которые назвали виртуальными датчиками. Предложен анализ применения виртуальных датчиков в рамках процесса гидроочистки дизельных фракций. Представлена разработанная авторами классификация виртуальных датчиков, которая помогает определить и выбрать инструменты для мониторинга, что способствует повышению точности, гибкости и эффективности контрольных механизмов производства. Детально изложена процедура разработки виртуальных датчиков, подчеркивается их потенциал как стратегического актива, способного усилить технологическую продуктивность и улучшить конкурентоспособность предприятий. Также освещается разработка структурной схемы системы управления для процесса гидроочистки дизельных фракций, демонстрирующей интеграцию и применение виртуальных датчиков для совершенствования указанного процесса.

В последние годы технологии искусственного интеллекта продемонстрировали значительный успех в решении проблемы анализа и прогнозирования трафика в различных телекоммуникационных системах. Прогнозирование позволяет оператору связи знать о будущем поведении сети, своевременно предпринимать необходимые меры для повышения качества обслуживания абонентов, принимать решение о необходимости установки или модернизации оборудования. На примере данных, собранных с мобильных устройств IoT, представлены обзор и анализ различных моделей прогнозирования временных рядов, описывающих поведение трафика телекоммуникационных систем. Обсуждаются такие модели прогнозирования, как метод экспоненциального сглаживания, линейная регрессия, метод авторегрессионного интегрированного скользящего среднего (ARIMA), метод регрессии машины опорных векторов, метод N-BEATS, использующий полносвязные слои нейронной сети для прогнозирования одномерных временных рядов. Кратко изложены особенности некоторых из них. Для конкретного массива данных описаны операции по подготовке данных: удаление неиспользуемых столбцов, замена отсутствующих данных о длительности транзакций на их медианные значения. Описаны основные статистические характеристики массива данных. Представлен предварительный анализ данных, заключающийся в применении методов сглаживания: скользящего среднего и экспоненциального сглаживания. Описан процесс обучения моделей и сравнительный анализ качества их обучения. Для исследуемого массива данных сделаны выводы о том, что для протокола UDP лучшее качество обучения имеет модель ARIMA, для протокола TCP - линейная регрессия и модель Theta, для протокола HTTPS - линейная регрессия, ARIMA и N-BEATS.

   Четвертая промышленная революция и концепция «Открытых инноваций» не только изменили характер международных экономических процессов, но и внесли существенные изменения в образовательную сферу, что указывает на актуальность настоящей работы, цель которой – проанализировать, какие цифровые технологии могут быть использованы при подготовке преподавателей музыки в Китайской Народной Республике. Указанная цель опосредует реализацию следующих задач: раскрыть содержание понятия «цифровые технологии»; обозначить, в силу каких исторических причин китайское руководство на государственном уровне стремилось повысить цифровые компетенции будущих преподавателей музыки; перечислить цифровые технологии, которые активно использовались в подготовке китайских преподавателей музыки в период с 2000 по 2010 г. и в период с 2010 по 2023 г. Основу исследования составили работы таких авторов, как М.Г. Бреслер, Т.Л. Гурулева, Ч. Хуаи, Л.С. Орлова, К. Шваб, Л. Хан и другие. Научная новизна заключается в систематизации мнений различных исследователей по теме работы. Полученные результаты могут быть использованы практикующими преподавателями музыкальной педагогики.

В статье рассматриваются некоторые основные направления и проблемы использования искусственного интеллекта в образовании. Тема актуальна, поскольку технология искусственного интеллекта активно развивается, предоставляя все более широкие возможности для многих направлений, в том числе образования, однако в настоящее время отсутствуют возможности ее внедрения во все общеобразовательные организации.

Современные подходы к решению задачи управления шагающими роботами с вращательными звеньями представляют собой разрозненные алгоритмы, строящиеся либо на готовой локомоторной программе с дальнейшей ее адаптацией, либо на сложных кинематико-динамических моделях, нуждающихся в обширных знаниях о динамике системы и окружающей среды, что в прикладных задачах зачастую является невыполнимым. Так же, используемые подходы жестко связаны с конфигурацией шагающего робота, что делает невозможным применение метода в приложениях с иной конфигурацией (другим количеством и типом конечностей). В данной статье предлагается универсальный подход к управлению движением шагающих роботов, основанный на методологии обучения с подкреплением. Рассматривается математическая модель системы управления, основанная на конечных дискретных марковских процессах в контексте методов обучения с подкреплением. Ставится задача построения универсальной и адаптивной системы управления, способной осуществить поиск оптимальной стратегии для реализации локомоторной программы в заранее неизвестной среде, путем непрерывного взаимодействия. К результатам, отличающимся научной новизной, следует отнести математическую модель данной системы, позволяющей описать процесс ее функционирования с помощью марковских цепей. Отличием от существующих аналогов является унификация описания робота.

В данной статье рассмотрены нейросети Nice Bot, Masha GPT и ChatGPT4 для решения задач автоматизации расчетов экономических показателей на примере ООО «Машинно-технологическая станция Новоусманская», сделано сравнение результатов работы нейросетей и традиционного расчета, показаны примеры запроса постановки задач к искусственному интеллекту.

В современном мире развитие технологий изменило положение животных в разных аспектах. Однако только достижения искусственного интеллекта в области естественных языков обозначило возможность выхода на новый уровень понимания и взаимоотношения с животными. Современные технологии сделали возможным выделение и фиксацию звуков животных и сбор огромного массива звуковых и видеоданных, а опыт перевода даже в отсутствие параллельных текстов обозначил потенциал применения искусственного интеллекта для анализа звуков, издаваемых животными. Несмотря на многочисленные сложности, в том числе связанные с различием в миропредставлении животных и человека, уже существуют преценденты перевода с языка животных. В статье проанализированы возможности применения искусственного интеллекта в условиях ограниченных данных и существующие на сегодняшний день подходы к его использованию в области коммуникации животных. Если для домашних и сельскохозяйственных животных исследователи опираются на интерпретации смыслов или эмоций, то для диких животных ученые сопоставляют звуки и поведение, опираясь на потенциал искусственного интеллекта в решении неструктурированных задач. Хотя ряд новейших исследований сообщает о высокой достоверности «перевода» с языка животных, сама возможность проверки результативности вызывает сложности. Тем не менее появление новых решений, способствующих распознаванию голосов конкретных животных, классификации звуков и действий разных животных свидетельствуют о возможности появления в ближайшее время качественного скачка в понимании животных. Успех в области интерпретации звуков животных может привести не только к прогрессу в большом количестве областей, связанных с животным миром, но и к изменению статуса и положения животных. В то же время эти достижения поднимают этические вопросы, связанные с возможностью использования новых технологий во вред животным и людям.

В статье рассматриваются разработанные методы детектирования и классификации объектов в транспортном потоке на данных космической съемки сверхвысокого пространственного разрешения. С появлением в свободном доступе больших объемов спутниковых данных все большую актуальность приобретает развитие методов машинного обучения на основании геопространственных данных, в частности, спутниковых. В настоящей работе обоснован выбор источника данных о транспортных потоках - спутниковых снимков сверхвысокого разрешения, рассмотрены основные проблемы и задачи, связанные с распознаванием и классификацией объектов. Целью автора является разработка цепочки алгоритмов, позволяющей с высокой точностью детектировать и классифицировать объекты в транспортных потоках. Исследования основаны на численной оценке качества работы алгоритмов. В работе используются методы распознавания образов, машинного обучения и обработки цифровых изображений. Научная новизна заключается в уникальном алгоритме извлечения изображений локальных участков улично-дорожной сети, алгоритме определения направления дорожного движения объекта, модернизации алгоритма селективного поиска. Следует подчеркнуть, что используемые данные съемки сверхвысокого разрешения появились в доступе для частного использования относительно недавно.