В современном мире значительная часть фабрик и промышленных производств уже управляются программируемыми микроконтроллерами и число такого рода производств непрерывно растет. Данный процесс тесно взаимосвязан с идеями Индустрии 4.0, а если быть точнее – с идеей полной автоматизации производственных процессов для облегчения принятия решений человеку. И одновременно уменьшения числа принимаемых человеком решений вплоть до полного отсутствия человека в роли принимающего решения. Для этого требуются управляющие алгоритмы, которые должны работать по событиям, учитывать наличие и тесный контакт с внешней средой и иметь повышенные требования к устойчивости к внутренним отказам и отказам оборудования. Разработанная в Институте автоматики и электрометрии СО РАН процесс-ориентированная парадигма программирования, рассматриваемая в данной статье, прекрасно подходит для разработки управляющих алгоритмов такого рода. Данная парадигма учитывает тот факт, что производственный процесс представляет собой очень большое число одновременно работающих процессов, тесно связанных с элементами реального мира. Отсюда вытекает необходимость решения проблемы конкурирующих процессов для обеспечения требуемой степени устойчивости к отказам. В данной статье будет поставлена и проанализирована проблема конкурирующих процессов. Для этого в работе был произведен анализ существующих решений проблемы конфликтов при параллельной работе произвольного числа процессов с целью анализа применимости данных методов для процесс-ориентированных программ или же возможности адаптации некоторых методов. В результате будет получен ответ на вопрос, насколько эффективно процесс-ориентированная парадигма позволяет решать конфликты при параллельном исполнении программы и насколько сильно удовлетворяет требованию отказоустойчивости.

Феномен информатизации общества достаточно хорошо освещен в научной и философской литературе. При этом анализу развития инструмента информатизации общества – информационных технологий – уделено меньше внимания. Одной из актуальных проблем изучения информационных технологий является определение этапов их развития. Применяя исторический подход к изучению информационных технологий (ИТ) и их ответвления – геоинформационных технологий (ГИТ), возможно установить закономерности их развития и определить направления дальнейшего роста. В процессе исследования становления и совершенствования ИТ и ГИТ выделен ряд подходов к подразделению истории развития данных технологий на этапы. Для первого определяющим фактором перехода к следующему этапу развития является совершенствование средств обработки информации. В рамках данного подхода выделено четыре основных этапа – «элементарный», «механический», «программный » и «сетевой». Второй подход связан с эволюцией решаемых ИТ и ГИТ задач – рассмотрен переход от формализуемых к частично формализуемым и неформализуемым вопросам. Третий основан на анализе развития ИТ и ГИТ как инновационных технологий, последовательно проходящих стадии инвенции, диффузии и адаптации. В процессе анализа истории ИТ установлено, что во второй половине XX века произошло выделение ГИТ как одного из средств решения частично формализуемых и неформализуемых задач, что привело к началу «явного» развития ГИТ как самостоятельного направления ИТ.

При формировании графов взаимодействующих объектов, построенных при импорте данных из социальных сетей и сетей мгновенного обмена сообщениями, в качестве атрибутов вершин выступают в том числе и текстовые данные. В настоящей работе авторы приводят описание методики исследования текстов, основанной на процедурах корпусного анализа. Целью данной статьи является проверка методологических средств, предоставляемых программным обеспечением TXM для сравнительного анализа текстов выделенных сообществ на графе взаимодействующих объектов. Метод предлагается для оценки качества выделения неявных сообществ на графе, полученном при импорте данных из сети каналов мессенджера Telegram.

Цель данной статьи – рассмотреть теоретические и практические вопросы разработки нейросетевых моделей для прогнозирования паводка рек (на примере реки Белая в районе г. Уфы), а также реализовать соответствующую нейронную сеть на языке Python. Для построения обучающей выборки были использованы архивные данные метеослужб и сайтов метеонаблюдений за паводковые периоды реки Белая (Агидель) 2018–2022 годов. Были собраны и проанализированы следующие показатели: уровень воды, температура воды, дневная и ночная температура воздуха, осадки, высота снежного покрова, включая сведения о предпаводковом состоянии снежного покрова. Программная реализация нейронной сети выполнялась с использованием библиотеки глубокого обучения PyTorch; кроме этого, использовались модули библиотек Matplotlib и Pandas. Была изучена устойчивость работы данной нейронной сети при изменении следующих параметров: используемых оптимизаторов (Adam, Adamax и Rprop); коэффициента скорости обучения; количества нейронов в скрытом слое; количество эпох обучения. Делается вывод, что разработанная нейронная сеть может использоваться для моделирования уровня паводка при создании краткосрочных прогнозов. Для перехода в перспективе к более долговременным прогнозам предполагается в дальнейшем расширить размер факторов в обучающей выборке.

В статье приведен обзор научных публикаций в области поиска архитектур нейронных сетей. Рассмотрены не только публикации, посвященные алгоритмам поиска архитектур, но и серия статьей, посвященная оценке качества алгоритмов поиска. На основе проведенного обзора обозначены актуальные проблемы в области оценки качества архитектур нейронных сетей и сравнения алгоритмов поиска.