Инфокоммуникационные технологии

Рассматриваются групповые пуассоновские потоки в системах массового обслуживания. Групповые пуассоновские модели потоков позволяют получить весьма простые зависимости средних размеров очередей от коэффициента загрузки однолинейной системы массового обслуживания. Показано, что дисперсия чисел заявок в таких потоках линейно зависит от загрузки и определяет средние значения размеров очередей. Поскольку в групповом пуассоновском потоке пачки заявок независимы, в формулах для средних значений очередей отсутствуют элементы, определяемые корреляционными связями. Получены соотношения, определяющие второй начальный момент и дисперсию размеров очередей в системах массового обслуживания с групповыми пуассоновскими потоками. Значения второго начального момента размера очередей получены возведением уравнения баланса в третью степень. Показано, что дисперсия размеров очередей зависит от третьего центрального момента чисел поступающих заявок. Третий центральный момент характеризует степень асимметричности распределения размеров пачек заявок.

В этой статье исследуется возможность использования метода обучения с подкреплением для динамического назначения приоритетов в сетях, чувствительных ко времени. Представленный подход целенаправленно оптимизирует процесс управления временными ограничениями в сети. Используя техники обучения с подкреплением, система самостоятельно корректирует приоритеты в зависимости от требований сетевого трафика. Для достижения этой цели предложены две схемы конфигурации, основанные на стандартах TSN (Time-Sensitive Networking): централизованная и распределенная. Рассмотрев эти схемы, выявим их ограничения, необходимые в удовлетворении требований, близких к реальному времени, и обеспечении строгих гарантий качества обслуживания, учитывая ограничения, применяемые к чувствительной ко времени среде. Также в работе выявляется необходимость использования дополнительного оборудования, централизованного контроллера, для перераспределения приоритетов.

Задача определения актуальных угроз безопасности приобретает все большее значение, что обусловлено ростом объемов обрабатываемой информации ограниченного доступа, увеличением количества всевозможных угроз, повышением потенциала нарушителей. На предприятиях и в организациях разных сфер экономики специалисты регулярно проводят аудит информационной безопасности с целью выявления уязвимостей и в конечном итоге для предотвращения возможных негативных последствий. Для построения рациональной системы безопасности информации на объекте важно организовать защиту именно от актуальных угроз, так как от всех угроз построить защиту невозможно, да и нецелесообразно. В статье предложены модели и алгоритмы определения актуальных угроз на основе экспертного подхода, которые могут стать базисом для разработки автоматизированной системы принятия достоверных решений в задачах защиты объектов информатизации.

В настоящее время развитие компьютерного зрения позволяет решать множество задач обнаружения дефектов на различных промышленных объектах. Одним из перспективных направлений применения данных технологий является выявление несоответствий геометрических параметров на цилиндрических изделиях. Цель данной работы заключается в обзоре и систематизации современных методов компьютерного зрения, применяемых для решения задачи детектирования дефектов на вертикальных цилиндрических поверхностях. В рамках исследования был проведен анализ существующих подходов к извлечению пространственных характеристик объектов, включая методы стереовидения, пространственной фильтрации и 3D-реконструкции. Были рассмотрены алгоритмы выделения основных ориентиров на цилиндрической поверхности, что позволяет осуществлять привязку координатной системы и локализацию областей возможных дефектов. Также изучены методы оценки геометрических отклонений на поверхности, которые могут выступать в качестве критериев обнаружения дефектов. В результате проведенного анализа была предложена классификация методов компьютерного зрения, применимых для задачи выявления дефектов на цилиндрических объектах. Были определены перспективные направления дальнейших исследований в области повышения точности обнаружения дефектов за счет комбинации различных алгоритмов обработки изображений.

В настоящей статье рассматриваются цели оптимального распределения ресурсов в строительных организациях метрополитена, включая повышение эффективности работ, сокращение продолжительности проекта и минимизацию затрат. Рассматриваются основные методы оптимизации, такие как математическое моделирование, анализ критического пути, использование сетевых графов и другие. Автором изучается роль программного обеспечения для управления проектами в обеспечении комплексного контроля над планированием, ресурсами и исполнением. Кроме того, в статье подчеркивается важность использования языка программирования Python и его библиотек, таких как Pandas, Scikit-learn и Matplotlib, для анализа и оптимизации распределения ресурсов в метростроении. Приведен конкретный пример программной реализации анализа рисков, связанных с задержками поставок в метростроительстве, с использованием языка программирования Python и его ключевых библиотек. Использовались Pandas для обработки и анализа данных, NumPy для выполнения сложных математических расчетов, а также Matplotlib для наглядной визуализации полученных результатов.

Данная статья представляет разработку инновационного приложения, цель которого – сбор и анализ комментариев на англоязычных видеороликах YouTube с целью выявления и систематизации наиболее часто употребляемых англоязычных аббревиатур. Это приложение не только облегчает процесс изучения английского языка, но и предоставляет глубокое понимание использования аббревиатур в контексте реальных диалогов, способствуя более эффективному их использованию в повседневной коммуникации. Позволяет взглянуть на английский язык со стороны носителя. Подробно рассматриваются особенности разработки приложения, такие как использование YouTube Data API, анализ текста комментариев с помощью регулярных выражений и сохранение данных для дальнейшего изучения. Данная работа уделяет внимание вызовам при работе с API (Application Programming Interface), методам обработки текста и показывает возможности исследования английского языка в онлайн-среде.

В работе приведены первые результаты, полученные при моделировании маршрутизируемой межспутниковой сети на основе входных данных космической миссии ReshUCube-3. В рамках миссии планируется запуск группировки из четырех малых космических аппаратов типа CubeSat. Для обеспечения концепции интегрированной космической сети на физическом уровне планируется использование технологии LoRa, а в качестве протокола маршрутизации на сетевом уровне – Routing Protocol for Low-Power and Lossy Networks. Модель учитывает орбитальные параметры спутниковой группировки, конфигурацию антенных систем космических аппаратов и наземной станции, параметры приемо-передающих радиомодулей. На основе данных параметров проведен анализ межспутниковых каналов связи. Определены максимальная достигаемая дистанция между спутниками, энергетика каналов, среднесуточное время покрытия с учетом существующих маршрутов и т.д. Планируется, что предложенная модель послужит основой в процессе проектирования и эксплуатации межспутниковой сети.

В современном мире технологии продолжают играть все более весомую роль во всех сферах жизни человека. Образование не является исключением и идет в ногу со временем. Одно из более перспективных направлений в этой области является использование методов машинного обучения для анализа данных о выпускниках и прогнозирования их дальнейшего трудоустройства, на основе накопленной информации об обучающихся студентах. Такая информация не только помогает определиться с будущей профессией, но и позволит учебным заведениям более эффективно координировать свою деятельность и повышать качество образования. Кроме того, использование машинного обучения в образовании может привести к созданию новых, более эффективных методов обучения, учитывающих индивидуальные особенности каждого студента. Результатом данной работы является интеллектуальная система обработки больших данных, способная адаптироваться к текущему состоянию рынка труда и помогающая выпускникам в более раннем определении в своей будущей профессии. Анализ данных проводился на выборке обучающихся Томского государственного педагогического университета 2021–2023 учебных годов.