Архив номеров

Выдающийся ученый Валерий Павлович Мешалкин – академик Российской академии наук (РАН), доктор технических наук, профессор, директор Международного института логистики ресурсосбережения и технологической инноватики (МИЛРТИ (НОЦ)), заведующий кафедрой логистики и экономической информатики РХТУ им. Д. И. Менделеева, главный научный сотрудник Института общей и неорганической химии им. Н. С. Курнакова РАН; заслуженный деятель науки РФ, заслуженный работник высшей школы РФ, почетный работник высшего профессионального образования РФ (2005 г.), лауреат премии Правительства РФ в области науки и техники и премии Президента РФ в области образования, лауреат конкурса преподавателей вузов «Золотые имена высшей школы России – 2018», сопредседатель редакционного совета журнала «Прикладная информатика» – достиг восьмидесятилетней вехи на своем жизненном пути. Вместе с коллегами по редакционному совету, авторами и читателями нашего журнала мы от всей души поздравляем Валерия Павловича с юбилеем и посвящаем ему данную публикацию.

В настоящее время одним из основных направлений в области автоматизации банковских процессов является создание и внедрение комплексных систем поддержки принятия управленческих решений. В условиях растущей конкуренции и всеобщей цифровизации экономики вопрос повышения эффективности управления банком встает наиболее остро. Большинство применяемых в этой сфере автоматизированных систем направлено на выявление «разрывов» в существующих бизнес-процессах и дальнейшую оптимизацию их отдельных частей. При этом такие системы не имеют в своей основе экономико-математических моделей и алгоритмов их решения. В данной статье представлено описание интеллектуального компьютерного программного комплекса, позволяющего моделировать оптимизацию программного и адаптивного управления конкретными бизнес-процессами – численностью персонала и системой продаж Розничного блока коммерческого банка. Основу разработанного программного комплекса составляют дискретная динамическая экономико-математическая модель исследуемых бизнес- процессов и разработанные алгоритмы оптимизации программного и адаптивного управления данными процессами. Рассматривается процесс принятия решений о наборе/сокращении штата различных категорий сотрудников Розничного блока коммерческого банка, а также об управлении системой продаж, обеспечиваемой соответствующими сотрудниками. В работе представлены основные этапы создания предлагаемой управляемой динамической модели при наличии векторного критерия качества. На основании компьютерного моделирования с помощью разработанного интеллектуального компьютерного программного комплекса получены оптимальные решения для различных вариантов практических примеров.

В статье исследуется опыт функционирования финансовой экосистемы «Сбер» как новой формы предпринимательской деятельности в условиях конкурентной экономики, обусловленной влиянием на процессы экономической конвергенции цифровизации – современной тенденции всего общественного развития. Изучение опыта финансовой экосистемы «Сбер» представляет собою как теоретический, так и практический интерес. Целью статьи является изложение и анализ реального опыта функционирования экосистемы «Сбер». Итог анализа – следующие результаты. Экосистема «Сбер» действительно является формой организации совместного бизнеса, реализуемого в рамках межсекторной конвергенции под воздействием цифровизации. Влияние межсекторной конвергенции проявляется в том, что инициатором ее создания есть финансовая организация – крупнейший сберегательный банк России, а участниками – представители самых разных секторов и сегментов экономики. Влияние же цифровизации на экосистему проявилось в том, что основой ведения совместного бизнеса является современная электронная база, включающая ИТ, платформы ИТ и сети. Применение на этой базе современных математических и инструментальных методов обработки информации и внедрение соответствующих стартапов не только отражает специфику использования электронной базы в рамках экосистемы, но и обеспечивает экосистеме «Сбер» несомненные конкурентные преимущества, а также позволяет инициатору вовлекать в совместный бизнес других экономических субъектов, причем только на добровольной основе.

Широкое распространение веб-ориентированных систем в сфере бизнеса, маркетинга, электронного обучения и др. вызывает необходимость учета и анализа информационных потребностей пользователя в целях оптимизации взаимодействия с ним. Одной из основных проблем создания адаптивных веб- ориентированных систем является задача классификации информационных ресурсов (страниц) портала, описывающих предлагаемый товар или услугу, для последующего формирования профилей пользователей и персонализации предоставления услуг. Для ее решения могут быть использованы методы интеллектуального анализа данных и машинного обучения. В статье представлен новый подход к созданию адаптивных веб-ориентированных информационных систем, основанный на использовании алгоритмов обучения с подкреплением в целях классификации информационных ресурсов и выдачи персонализированных рекомендаций пользователям с учетом их предпочтений. Предложен и обоснован адаптивный подход, основанный на использовании алгоритмов обучения с подкреплением (Reinforcement Learning), позволяющий автоматически находить в процессе работы системы наиболее эффективные стратегии, необходимые для правильной классификации веб- ресурсов сайта и формирования групп пользователей с однотипными запросами и предпочтениями. Предложенная схема позволяет создать процедуры для оценки и ранжирования информационных ресурсов системы на основе анализа поведения пользователей на сайте в режиме онлайн. Используемые алгоритмы обучения с подкреплением дают возможность оценить релевантность каждой страницы сайта запросам и предпочтениям пользователей из разных категорий, с тем чтобы оптимизировать структуру и контент сайта, а также построить эффективную систему рекомендаций в соответствии с интересами пользователя для возможности выбора наиболее подходящих товаров или услуг.

В данной работе проведена оценка криптостойкости известных криптографических методов и методов на основе шумоподобных сигналов, схожих по своим свойствам с «ограниченным» белым шумом и применяемых для расширения спектра передаваемых сообщений, к деструктивному воздействию «просмотр передаваемых данных» (атака, направленная на раскрытие шифртекста), основанному на полном переборе («лобовая» атака) кодовых структур (пространства ключей), в случае использования квантовых компьютеров. Установлено, что необходимым значением количества кодовых структур (пространства ключей), с учетом постоянно совершенствующихся и развивающихся вычислительных мощностей квантовых компьютеров, на ближайшие годы следует считать значение 1032 и выше, обеспечивающее криптостойкость минимум 3 года. Показано, что алгоритм Гровера схож с деструктивным воздействием «просмотр передаваемых данных» (атака, направленная на раскрытие шифртекста), основанном на полном переборе («лобовая» атака) всех кодовых структур (пространства ключей) с помощью современных суперЭВМ. Установлено, что известные криптографические методы потенциально могут применяться в постквантовую эпоху, а методы на основе шумоподобных сигналов потенциально, при условии их обнаружения и осведомленности о методах, положенных в их основу (без знания ключа), не могут применяться в постквантовую эпоху. Перспективным подходом в постквантовую эпоху для вопросов обеспечения информационной безопасности, по мнению авторов, является использование хаотических сигналов.

Настоящее исследование посвящено разработке программного модуля, обеспечивающего конвертацию вычислительных сеток, созданных на базе платформы OpenFOAM, в формат msh, применяемый в рамках численных экспериментов, проводимых с помощью пакета ANSYS FLUENT. Функционал ANSYS FLUENT может применяться, например, в рамках постпроцессинга при моделировании большинства фундаментальных проблем механики сплошных сред (МСС). В существующих аналогах платформы OpenFOAM, таких как Salome, Helyx- OS, Visual-CFD, уже реализованы средства для решения указанной задачи, но ввиду их частично коммерческого распространения, необходимости приобретения услуг специалистов технической поддержки и отсутствия полноценной русифицированной документации проблема отсутствия графической оболочки для упрощения процедуры конвертации сохраняет свою важность. Процесс конвертации расчетных сеток, сгенерированных средствами платформы OpenFOAM, в msh-формат, применяемый в пакете ANSYS FLUENT, составляет предмет настоящего исследования. Цель данной работы заключается в подготовке исходного кода программного модуля. В работе представлена диаграмма, соответствующая алгоритму работы специалиста с рассматриваемым программным модулем. Приведен стек технологий для на- бора, отладки и запуска программного кода. Определены итоги исследования, сформулированы положения его научной новизны и потенциальной практической значимости. Представлены результаты тестирования модуля на примере одного из фундаментальных экспериментов МСС на базе платформы OpenFOAM.

В статье представлена авторская разработка DVCompute Simulator, которая является коллекцией общецелевых программных библиотек для дискретно- событийного моделирования. Целью исследования было создание на основе единого метода эффективного по скорости исполнения набора симуляторов на языке Rust для разных режимов имитации. Симуляторы охватывают такие режимы, как обычное последовательное моделирование, вложенное моделирование и распределенное моделирование. В статье описано, как вложенное моделирование пересекается с теорией игр, а распределенное моделирование может быть использовано для запуска имитаций моделей больших размерностей на суперкомпьютерах. Показано, как эти разные режимы имитации могут быть реализованы на основе единого подхода, сочетающего в себе многие парадигмы: и событийно-ориентированную, и процесс-ориентированную, и подобные языку GPSS блоки, и даже частично агентное моделирование. Авторский метод основан на использовании приемов функционального программирования, где имитационная модель описывается как композиция вычислений. В статье приведены результаты тестов двух модулей, поддерживающих как оптимистичный, так и консервативный методы распределенного моделирования.

Предложен метод предварительной оценки прагматической ценности информации в задаче классификации состояния объекта на основе глубоких рекуррентных сетей долгой краткосрочной памяти. Цель проводимого исследования состояла в разработке метода прогноза состояния контролируемого объекта при минимизации количества используемых прогностических параметров, достигаемой с помощью предварительной оценки прагматической ценности информации. Это особенно актуальная задача в условиях обработки больших данных, характеризуемых не только значительными объемами поступающей информации, но и скоростью ее поступления и полиформатностью. Генерация больших данных сейчас происходит практически во всех сферах деятельности, что обусловлено широким внедрением в них Интернета вещей. Метод реализуется двухуровневой схемой обработки входной информации: на первом уровне применяется алгоритм машинного обучения «случайный лес», который имеет значительно меньшее количество настраиваемых параметров, чем рекуррентная нейронная сеть, используемая на втором уровне для окончательной и более точной классификации состояния контролируемого объекта или процесса. Выбор «случайного леса» обусловлен его способностью к оценке важности переменных в задачах регрессии и классификации. Это используется при определении прагматической ценности входной информации на первом уровне схемы обработки данных. Для этого выбирается параметр, который отражает указанную ценность в каком-либо смысле, и на основе ранжирования входных переменных по уровню важности осуществляется их отбор для формирования обучающих наборов данных для рекуррентной сети. Алгоритм предложенного метода обработки данных с предварительной оценкой прагматической ценности информации реализован в программе на языке MatLAB и показал свою работоспособность в эксперименте на модельных данных.

Рассматривается решение задачи синтеза гибридной нейронной сверточной сети, архитектура которой базируется на применении модульной топологии, позволяющей организовать параллельную сверточную вычислительную систему, в которой передача энергии совмещается с процессами информационной обработки, что делает возможным моделирование комплексных процессов функционирования естественных биологических нейронных популяций. Система межслоевой нейронной коммутации, основанная на применении распределенных резонансных контуров, между индуктивными элементами которых расположены слои электромагнитного метаматериала, рассматривается как основа для моделирования взаимодействия астроцитных сетей и нейронных скоплений, отвечающих за обработку информации. В результате процесс обработки данных рассматривается не только на уровне прохождения сигналов через нейронные элементы, но и как процедура взаимодействия искусственных нейронов и астроцитных сетей, обеспечивающих их функционирование. Специфическая организация нейронной сети делает возможным осуществление процедуры обучения и конфигурирования с применением свойств, отсутствующих у нейронных сетей, состоящих только из нейронных популяций. Основой для обучения сверточной сети становится предварительный анализ ритмической активности, в которой основную роль играют искусственные астроциты, выполняющие роль межнейронных коммутаторов. Обученная и сформированная сверточная сеть применяется для решения задачи определения оптимального пути передвижения объекта, извлекающего энергию для своего движения из окружающей среды.

Актуальность рассматриваемой в статье темы состоит в решении проблемных вопросов идентификации редких событий в условиях дисбаланса обучающих множеств. Цель исследования – анализ возможностей ансамбля классификаторов, обученных на разных подмножествах разбалансированных данных. Обозначены предпосылки возникновения несбалансированных данных при формировании обучающих выборок. Предложено решение, основанное на применении ансамбля классификаторов, обученных на различных обучающих выборках, в которых имеется дисбаланс классифицируемых событий. Приведен анализ возможности применения несбалансированных тренировочных множеств для ансамбля классификаторов, где усреднение ошибок происходит за счет процедуры коллективного голосования. Осуществлена оценка распределений значений признаков в тестовых и тренировочных подмножествах. Исследована разбалансировка, заключающаяся в нарушении соотношений количества событий определенного вида внутри одного класса в обучающих подмножествах данных. Отсутствие данных в обучающей выборке приводит к увеличению эффекта разброса ответов, который усредняется увеличением сложности модели, включением в ее состав различных классифицирующих алгоритмов. В дальнейшем, в ходе функционирования возможно вносить изменения в состав классифицирующих алгоритмов, что позволяет повышать показатели точности идентификации потенциального деструктивного воздействия.