Цель исследований, описанных в статье, найти количественную оценку максимально коррелирующую с субъективной оценкой качества контрастных изображений в отсутствие эталонов. В результате анализа литературы было отобрано 16 функций применяемых для оценок качества контрастных изображений: BEGH, BISH, BREN, CMO, CURV, FUS, HELM, EBCM, KURT, LAPD, LAPL, LAPM, LOCC, LOEN, SHAR, WAVS. Все они используют сред-

нее значение локальных оценок контраста. В качестве альтернативы усреднению локальных оценок (т. к. среднее – один из параметров нормального распределения) предложено использовать один из параметров распределения Вейбулла – масштаб (scale) или форму (shape).

Для экспериментов использованы цифровые изображения с нелинейным искажением контраста из доступной базы CCID2014. В ней содержатся 15 оригинальных изображений размером 768х512 пикселей и 655 версий с измененным контрастом. Эта база содержит усредненные визуальные оценки качества (Mean Opinion Score, кратко MOS) каждого изображения. Для определения соответствия визуальных оценок MOS и исследуемых количественных мер был использован ранговый коэффициент корреляции Спирмена.

В результате исследований представлена новая оценка качества контрастного изображения при отсутствии эталона. Для получения этой оценки вычисляются локальные значения качества мерой BREN, их множество описывается распределением Вейбулла, и параметр масштаба этого распределения служит наилучшей обобщенной оценкой качества контрастных изображений. Этот вывод подтвержден экспериментально, а предложенная оценка лучше других коррелирует с субъективными оценками экспертов.

Специфика работы боевого расчета по мониторингу интернет СМИ и радиоэфира в боевых условиях, определяет предполагаемое оснащение машины боевого дежурства расчета по мониторингу интернет СМИ и радиоэфира.Машина боевого дежурства относится к специальной технике и используется в подвижных пунктах мониторинга интернет СМИ и радиоэфира на базе шасси транспортных средств, являющихся их транспортной, энергетической и информационно-аналитической базой.

Решается задача построения и применения математической модели оценки влияния вибраций на навесные элементы видеосистемы мобильного робота. Данный робот рассматривается в качестве подвижной платформы для размещения специального оборудования различного предназначения. Проведен анализ математических моделей и результатов экспериментальных исследований колебаний (вибраций) элементов конструкции многоопорных колесных машин. На основе данного анализа обоснован вид стохастической математической модели вибраций конструкции мобильного робота. Модель вибраций задана в виде корреляционной функции или спектральной плотности случайного процесса для различных условий перемещения робота. Представлены дифференциальные уравнения формирующего фильтра для моделирования случайного процесса вибраций с заданными характеристиками. Приведены дифференциальные уравнения для вероятностных моментов процесса вибраций. На основе уравнений для вероятностных моментов и предложенной формулы проведена оценка событий, которые заключаются в превышении амплитудой вибраций заданного уровня. Эти события называются выбросами случайного процесса и характеризуют диапазон, внутри которого сохраняются основные свойства оборудования, установленного на подвижной платформе. Проведено аналитическое исследование математической модели для определения интенсивности выбросов случайного процесса вибраций. Определены вероятностные характеристики процесса вибраций и интенсивности выбросов. Полученные теоретические результаты позволяют оценить работоспособность элементов видеосистемы, установленной на подвижной платформе и сформулировать основные требования к допускам на их параметры. Результаты компьютерного моделирования наглядно показали работоспособность предложенной математической модели оценки влияния вибраций.

Предметом исследований является моделирование структуры сети Интернета вещей (ИВ) для контроля звуковой информации на базе платформы IoT. Цель статьи – детализировать процесс моделирования сети мониторинга звуковой информации на основе платформы IoT. Авторы предложили структуру мультиагентную систему (MAС) для мониторинга звуковой информации (MAСЗИ). Структура МАСЗИ включает в себя множество агентов звукового преобразования, анализа полученной от них информации и принятия решений. Для моделирования МАСЗИ решено использовать сеть ИВ, которая включает датчики звука, платформу IoT, сервис уведомлений и приложение пользователя. Предложена структура этой сети с использованием платформы компании Амазон. Приведен алгоритм моделирования сети интернета вещей для анализа звуковой информации на базе платформы AWS, включающий симулирование звуковых датчиков, передача этой информации на платформу, аутентификацию датчиков, обработку информации по определенным правилам, формирование уведомления пользователю, Приведена детальная структура платформы AWS с описанием функций ее компонент таких как: шлюз устройств, машина правил, блок сертификатов, блок копий устройств, база данных, блок аналитики, сервис уведомлений. Приведен алгоритм подключения устройств к платформе AWS: создание сертификата устройства на платформе, формирование политики безопасности, правил обработки поступающей от устройств информации, тестирование сети. Показаны особенности алгоритма моделирования показаний датчиков звуковой информации на смартфоне, приведены шаги для организации его связи с платформой, выполнения процедур безопасности, посылки данных в виде MQTT сообщения и отображения снимаемой звуковой информации.

В статье рассматривается задача оптимального выбора атрибутов при отборе кандидатов на основании их резюме в автоматическом режиме. Описываемый подход к решению основан на объединении мультикритериального выбора (оценки), используемого в системах принятия решений, и технологии иерархических классифицирующих деревьев, что позволяет реализовать механизм селекции без необходимости собирать реальные данные кандидатов и выполнять на них обучение системы. Вместо этого данные генерируются на основе техники полнофакторного эксперимента, при этом количество генерируемых вариантов сравнительно невелико для систем машинной обработки. Сгенерированные данные используются для построения последовательности классифицирующих деревьев  и  определения  минимального  множества  атрибутов  заявителей,  используемых  для  итоговой  оценки о принятии на работу. Описанный в статье механизм обработки резюме является достаточно гибким и может быть использован также в условиях неполных и нечетких данных заявителей.

Дано описание методики «8D» для решения проблем логистики и качества на предприятиях машиностроительного комплекса. Методика предназначена для организаций, функционирующих на рынке B2B в цепи поставок. Программное обеспечение на базе 1С Предприятие позволяет применять методику 8D для выявления коренных причин несоответствия и выработки мер по их устранению с целью предотвращения рецидивов. Стандартизация данной методики и ее реализация через соответствующее программное обеспечение, применяемое организациями во всей цепи поставок, является продуктивным инструментом достижения экономических выгод.

Работа посвящена генерированию решений на начальных стадиях конструкторского проектирования. На примере приспособлений для установки и закрепления деталей на различных технологических операциях рассматриваются подходы к решению задач, связанных определением состава элементов конструкции и их размещением. Наиболее эффективно такие задачи решаются на функциональном уровне. Однако в конечном итоге необходимо конструктивное воплощение решения в виде геометрических моделей и чертежей. В приспособлении базы объекта оснащения сопрягаются с функциональными поверхностями установочных элементов приспособления. Таким образом, происходит ограничение степеней свободы этого объекта. В зависимости от количества степеней, ограничиваемых базой, и их качества (поступательная или вращательная) она может иметь статус установочной, направляющей, опорной, двойной опорной или двойной направляющей. Определение статуса базы по ее геометрическим свойствам (форма, размеры) – функционально-структурная задача верхнего уровня. Формальным ограничителем отдельной степени свободы является, так называемая, опорная точка. Их количество соответствует количеству степеней свободы. Размещение опорных точек – параметрическая задача. Конструктивное воплощение – связывание с опорной точкой установочного элемента, соответствующего вида.

Анализ биоинформатических данных является актуальной проблемой современной вычислительной биологии и прикладной математики. С развитием биотехнологий и инструментальных средств получения и обработки данной информации появились нерешенные вопросы разработки и применения новых алгоритмов и программного обеспечения.

Авторы предлагают практические алгоритмы и методы обработки транскриптомных данных для эффективных результатов аннотирования, визуализации и интерпретации биоинформатических данных.

Предложена математическая модель дистанционного обучения на основе теории управления в виде неоднородного линейного дифференциального уравнения. На основе коэффициентов усвоения и забывания, определённых с помощью специальных тестов, можно прогнозировать в некотором приближении уровень текущих знаний как отдельного обучаемого, так и группы или потока студентов.