publication foto Журнал «Наука и образование сегодня» выходит раз в два месяца, 19 числа (ежемесячно уточняется). Следующий номер журнала № 2(79) 2024 г. Выйдет - 17.05.2024 г. Статьи принимаются 14.05.2024 г.

Если Вы хотите напечататься в ближайшем номере, не откладывайте отправку заявки.

Потратьте одну минуту, заполните и отправьте заявку в Редакцию.




Информация о материале
Просмотров: 584

Дмитриева Е.И.

Дмитриева Елизавета Ивановна – магистр,

Институт промышленного менеджмента, экономики и торговли

Высшая инженерно-экономическая школа

Государственное и муниципальное управление

Санкт-Петербургский политехнический университет Петра Великого, г. Санкт-Петербург

Аннотация: в статье рассматриваются пять современных моделей успеха высших учебных заведений в России. Рассматриваемые модели выступают инновационными для предоставления эффективного, но в то же время совершенно доступного образовательного опыта. В современных условиях, которые вызваны пандемией, необходимо обязательно предложить возможные решения для развития системы образования.

Ключевые слова: цифровые технологии, высшие учебные заведения, развитие, инновации, модели успеха.

Список литературы

  • Universities of the future. Текст: электронный // European University Association: [сайтhttps://wwwdeloitte.com/us/en/pages/public-sector/articles/covid-19-impact-on-higher-education.html/ (дата обращения: 10.09.2020).
  • 14 Examples оf Innovation in higher Education. Текст: электронный // TeachThought: [сайт]. [Электронный ресурс]. Режим доступа: https://www.teachthought.com/the-future-of-learning/examples-of-innovation-in-higher-ed/ (дата обращения: 06.09.2020).
  • Policy Brief: Education during COVID-19 and beyond. Текст: электронный // UN: [сайт]. [Электронный ресурс]. Режим доступа: https://www.un.org/development/desa/dspd/wp-content/uploads/sites/22/2020/08/sg_policy_brief_covid19_and_education_august_2020/ (дата обращения: 10.09.2020).
  • COVID-19 impact on higher education Confronting financial challenges facing colleges and universities. Текст: электронный // Deloitte: [сайтhttps://wwwdeloitte.com/us/en/pages/public-sector/articles/covid-19-impact-on-higher-education.html/ (дата обращения: 10.09.2020).

Ссылка для цитирования данной статьи 

Publication copyright     Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.

Дмитриева Е.И. СОВРЕМЕННЫЕ МОДЕЛИ УСПЕХА ВЫСШИХ УЧЕБНЫХ ЗАВЕДЕНИЙ // Наука и образование сегодня № 10(57), 2020 - С. {см. журнал}.

pdf publikacija

Информация о материале
Просмотров: 597

Козлов А.С., Дудник С.В., Култазин Н.М.

Козлов Александр Сергеевич - старший системный администратор,

филиал

Корпорация «Алайн Текнолоджи Ресерч энд Девелопмент, Инк»;

Дудник Сергей Викторович - ведущий эксперт,

департамент инфраструктурных решений,

ПАО Сбербанк,

г. Москва;

Култазин Нурлан Муратович - инженер инфраструктуры,

Astana International Exchange, г. Нур-Султан, Республика Казахстан

Аннотация: рассмотрены базовые подходы распознавания графических изображений; представлены наиболее эффективные алгоритмы, которые могут быть использованы в данной области. Предложена оценка эффективности указанных алгоритмов, на основе которой обосновано использование вейвлет-преобразования и метода главных компонент с дальнейшим применением нейросетевых алгоритмов. В результате проведенного исследования рассмотрены алгоритмы распознавания графических образов, которые базируются на машине опорных векторов с применением симлета и метода главных компонент, а также их комбинации для линейной ядерной функции, полиномиальной ядерной функции и радиальная базисная функции. Статистический анализ показал высокую эффективность алгоритмов на базе симлета для линейной ядерной функции.

Ключевые слова: распознавание графических изображений, векторная машина поддержки, метод главных компонент, стационарное вейвлет преобразование, нейросетевой алгоритм, разложение по сингулярному значению, радиальная базисная функция.

Список литературы

  • Li Z., Jiang X. & Pang Y., 2019. Evaluation of Face Recognition Techniques Based on Symlet 2 Wavelet and Support Vector Machine. Security, Privacy, and Anonymity in Computation, Communication, and Storage Lecture Notes in Computer Science. 228–239. doi: 10.1007/978-3-030-24900-7_19.
  • Chen X., Wu W., Fan J. Overview of face recognition technology. In: China Academic Association of Instrumentation Youth Conference,
  • Ur-Rehman O. & Zivic N., 2017. Discrete Wavelet Transform based Watermarking for Image Content Authentication. Proceedings of the 6th International Conference on Pattern Recognition Applications and Methods. doi: 10.5220/0006232306200625.
  • Eslami R., Radha H. Wavelet-based contourlet transform and its application to image coding. In: International Conference on Image Processing. Singapore. Р. 3189. IEEE,
  • Gasparesc G., 2010. Data compression of power quality disturbances using wavelet transform and spline interpolation method, 2010. 9th International Conference on Environment and Electrical Engineering. doi: 10.1109/eeeic.2010.5489992.
  • Alickovic E., Kevric J., Subasi A. Performance evaluation of empirical mode decomposition, discrete wavelet transform, and wavelet packed decomposition for automated epileptic seizure detection and prediction. Biomed. Signal Process. Control, 2018. 39, 94.
  • Ahanonu E., Marcellin M. & Bilgin A., 2018. Lossless Image Compression Using Reversible Integer Wavelet Transforms and Convolutional Neural Networks. 2018 Data Compression Conference. doi: 10.1109/dcc.2018.00048.
  • Bhattacharyya A., Sharma M., Pachori R.B., Sircar P., Acharya U.R. A novel approach for automated detection of focal EEG signals using empirical wavelet transform. Neural Comput. Appl., 2018. 29, 47.
  • Mavroeidis D., Vazirgiannis M. Stability based sparse LSI/PCA: incorporating feature selection in LSI and PCA. ECML LNCS (LNAI). Vol. 4701. Pp. 226–237. Springer, Heidelberg, 2007.
  • Lee M.-S., Chen M.-Y., Lin F.-S. Face recognition under variant illumination using PCA and wavelets. SCIA, 2009. LNCS. Vol. 5575. Pp. 341–350. Springer, Heidelberg.
  • Sharma S. & Sharma M.J., 2015. Distorted face image segmentation in PCA with neural network. 2015 International Conference on Computer, Communication and Control (IC4). doi: 10.1109/ic4.2015.7375506.
  • Caballero-Morales S.-O. Noise-removal markers to improve PCA-based face recognition. MCPR, LNCS. Vol. 8495. Pp. 192–200. Springer. Cham (2014). [Электронный ресурс]. Режим доступа: undefined (дата обращения: 28.08.2020).
  • Biswas S., Sil J., Maity S.P. PCA based face recognition on curvelet compressive measurements. CICBA CCIS, Vol. 775. Pp. 217–229. Springer, Singapore, 2017. [Электронный ресурс]. Режим доступа: undefined (дата обращения: 28.08.2020).
  • Selamat M.H. & Rais H.M., 2015. Image face recognition using Hybrid Multiclass SVM (HM-SVM). 2015. International Conference on Computer, Control, Informatics and Its Applications (IC3INA).
  • Sun J., Liu J. & Wei X., 2016. Feature selection algorithm based on SVM, 2016 35th Chinese Control Conference (CCC). doi: 10.1109/chicc.2016.7553995/.
  • Kar N.B., Babu K.S., Sangaiah A.K., Bakshi S. Face expression recognition system based on ripplet transform type II and least square SVM. Multimedia Tools Appl. 78, 4789,
  • Manolova A., Neshov N., Panev S., Tonchev K. Facial expression classification using supervised descent method combined with PCA and SVM. Biometric Authentication. LNCS. Vol. 8897. Pp. 165–175. Springer, Cham, 2014. [Электронный ресурс]. Режим доступа: undefined (дата обращения: 28.08.2020).
  • Alam S., Kang M., Pyun J.-Y. & Kwon G.-R., 2016. Performance of classification based on PCA, linear SVM, and Multi-kernel SVM. 2016. Eighth International Conference on Ubiquitous and Future Networks (ICUFN). doi: 10.1109/icufn.2016.7536945.
  • Gumus E., Kilic N., Sertbas A., Ucan O.N. Evaluation of face recognition techniques using PCA, wavelets and SVM. Expert Syst. Appl., 2010. 37, 6404.

Ссылка для цитирования данной статьи 

Publication copyright     Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.

Козлов А.С., Дудник С.В., Култазин Н.М. МЕТОДОЛОГИЯ РАСПОЗНАВАНИЯ ГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ НА БАЗЕ ВЕКТОРНОЙ МАШИНЫ // Наука и образование сегодня № 9(56), 2020 - С. {см. журнал}.

pdf publikacija

Информация о материале
Просмотров: 572

Яскевич В.В., Ходжиков А.В., Самойлов К.И.

Яскевич Владимир Владимирович – магистр искусствоведческих наук, лектор;

Ходжиков Антон Валерьевич – магистр искусствоведческих наук, заведующий кафедрой;

Самойлов Константин Иванович – доктор архитектуры, профессор,

кафедра архитектуры,

 Казахский национальный исследовательский технический университет им. К.И. Сатпаева (Satbayev University),

г. Алматы, Республика Казахстан

Аннотация: рассмотрен ряд аспектов привлечения современных программных продуктов к формированию гармонически воспринимаемых архитектурных пространств, особенно в аспекте ансамблевости решения композиции.

Ключевые слова: архитектурный ансамбль, программные инструменты, информационная модель, BIM-технология.

Список литературы

  1. Lynch K. The Image of the City. MIT Press, Cambridge MA, 1960.
  2. Lynch K. Good City Form. MIT Press, Cambridge MA and London, 1984.
  3. Иконников А.В. Искусство, среда, время. Эстетическая организация городской среды. Москва: Советский художник, 1985. 336 с.
  4. Иконников А.В. Пространство и форма в архитектуре и градостроительстве. Москва: URSS, 2006. – 352 с.
  5. Раппапорт А. Пространство для людей... Мысли вслух о новых ансамблях площадей. // Архитектура (Приложение к «Строительной газете»), 1986. № 24 (638). С. 6.
  6. Самойлов К.И. Средовая трактовка архитектурного масштаба. // Социальные и историко-культурные аспекты архитектуры и градостроительства Казахстана: Межвузовский сборник научных трудов. Алматы: КазГАСА, 1994. С. 89-91.
  7. Самойлов К.И. Восприятие масштаба времени в архитектурной среде. // Современные проблемы архитектуры и градостроительства Казахстана: Межвузовский сборник научных трудов / МинОбр РК. Алматы: КазГАСА, 1994. С. 80-93.
  8. Лежава И.Г., Высоцкий В.А. Стихийные предпосылки возникновения архитектурных ансамблей. // Известия высших учебных заведений: «Строительство», 2002. № 5. С. 96-100.
  9. Лежава И. О стилевых особенностях современной архитектуры. // Вопросы теории архитектуры. Москва: Союз архитекторов СССР, 1976. С. 33-40.
  10. Кузенбаев Д.Ш., Самойлов К.И. Особенности реализации архитектурно-стилевых предпочтений в современной проектно-строительной практике казахстанских компаний. // Диалог культур Востока и Запада через призму единства и многообразия в преемственности и модернизации общественного сознания: древний мир, средневековье, новое и новейшее время: сб. научн. ст. / отв. ред. В.Н. Вдовин. Алматы: Институт истории и этнологии им. Ч.Ч. Валиханова Комитета Науки Министерства образования и науки Республики Казахстан, 2019. C. 186-192. ISBN 978-601-7342-22-7.
  11. Priemets O.N., Samoilov K.I. A determination of the quantity of ornamental composition elements depending on the preassigned proportion. // International Scientifiic Journal ISJ Theoretical & Applied Science Philadelphia, USA, November, 2018. [Электронный ресурс]. Режим доступа: http://oaji.net/articles/2019/679-1548149410.pdf/ (дата обращения: 04.10.2019).
  12. Губаре, В.В. Информатика: прошлое, настоящее, будущее. Москва: Техносфера, 2011. 423 с.
  13. Engelbart D.C. A conceptual framework for the augmentation of man's intellect // Vistas in information handling. Vol. 1. Washington D. C.: Spartan Books, 1963.
  14. Engelbart D.C., Watson R. The augmented knowledge: Workshop // Computer Networking / Ed. by R. Blanc, I. Cotton. New York: IEEE Press, 1976.

Ссылка для цитирования данной статьи 

Publication copyright     Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.

Яскевич В.В., Ходжиков А.В., Самойлов К.И. ПОТЕНЦИАЛ BIM-ТЕХНОЛОГИИ В ФОРМИРОВАНИИ ГАРМОНИЧНОЙ ГОРОДСКОЙ СРЕДЫ // Наука и образование сегодня № 10(45), 2019 - С. {см. журнал}.

pdf publikacija

Информация о материале
Просмотров: 538

Гарнышев И.Н., Казанцев С.В., Мальков Р.Ю., Семенов И.Д., Юдин С.В.

Гарнышев Игорь Николаевич - сетевой инженер,

Отдел администрирования сетей передачи данных,

Тинькофф Банк;

Казанцев Сергей Владимирович - главный инженер,

Департамент сетей передачи данных,

Сбербанк;

Мальков Роман Юрьевич – эксперт

Центр компетенций по облачным решениям,

Техносерв,

г. Москва;

Семенов Иван Дмитриевич - старший инженер,

Департамент сетей передачи данных,

Servers.com Лимассол, Кипр;

Юдин Степан Вячеславович - администратор сети,

Департамент технического обеспечения и развития инфраструктуры информационных систем,

Спортмастер, г. Москва

Аннотация: в статье проведен анализ принципов моделирования дискретного канала без памяти, в частности линейного блочного кодирования. Построена обобщенная схема определения пропускной способности дискретного канала. Разработан математический аппарат для определения блочного кода для дискретного канала. Предложена математическая модель декодирования линейного кода, который потенциально может содержать в себе ошибки. В результате проведенного исследования разработан универсальный алгоритм определения вероятности ошибки при декодировании блочного кода в случае передачи данных на двоичном симметричном канале.

Ключевые слова: дискретный канал без памяти, блочный код, матрица генерации, скорость линейного кода, общее количество информации, решающее правило по методу максимального правдоподобия, двоичный симметричный канал.

Список литературы

  1. Csiszár I. & Körner J., Information theory: Coding theorems for discrete memoryless systems. Cambridge: Cambridge University Press.
  2. Zhong Y., Alajaji F. & Campbell L.L., Error Exponents for Asymmetric Two-User Discrete Memoryless Source-Channel Systems. 2007 IEEE International Symposium on Information Theory. doi:10.1109/ isit.2007.4557472.
  3. Sungkar M. & Berger T., Discrete Reconstruction Alphabets in Discrete Memoryless Source Rate-Distortion Problems. 2018 IEEE International Symposium on Information Theory (ISIT). doi:10.1109/isit.2018.8437835.
  4. Lei W., Yizhou G., Fucai Z. & Yong W., The Method to Recognize Linear Block Code Based on the Distribution of Code Weight. 2018 13th APCA International Conference on Control and Soft Computing (CONTROLO). doi:10.1109/controlo.2018.8439758.
  5. Jadhao M.G., Performance Analysis of Linear Block Code, Convolution code and Concatenated code to Study Their Comparative Effectiveness. IOSR Journal of Electrical and Electronics Engineering, 1(1), 53-61. doi:10.9790/1676-0115361.
  6. Mei T., Zhang C. & Dai Q., Using Linear Block Code and Concatenated Code to Build (k,n) Threshold Scheme. 2011 International Conference on Internet Technology and Applications. doi:10.1109/itap.2011.6006219.
  7. Zeng Q. & Wang J., Information Landscape and Flux, Mutual Information Rate Decomposition and Entropy Production. doi:10.20944/preprints201710.0067.v1.
  8. Wadayama T., An Algorithm for Calculating the Exact Bit Error Probability of a Binary Linear Code Over the Binary Symmetric Channel. IEEE Transactions on Information Theory. 50 (2). 331-337. doi:10.1109/tit.2003.822617.
  9. Vu L. & Hayakawa T., An error-correcting code in delay linear network coding. 2017 11th Asian Control Conference (ASCC). doi:10.1109/ascc.2017.8287477.
  10. Ilievska N. & Gligoroski D., Simulation of a quasigroup error-detecting linear code. 2015 38th International Convention on Information and Communication Technology, Electronics and Microelectronics (MIPRO). doi:10.1109/mipro.2015.7160311.
  11. Kythe D.K. & Kythe P.K., Algebraic and stochastic coding theory. Boca Raton, FL: CRC Press.
  12. Badole V. & Udawat A., 2012. Design of Multidirectional Parity Code Using Hamming Code Technique for Error Detection and Correction. Paripex - Indian Journal оf Research. 3 (5). 79-81. doi:10.15373/22501991/may2014/27.
  13. Hyun J.Y. & Kim H.K., The poset structures admitting the extended binary Hamming code to be a perfect code. Discrete Mathematics. 288 (1-3), 37-47. doi:10.1016/j.disc.2004.07.010.
  14. Schofield M., Ahmed M.Z., Stengel I. & Tomlinson M., Intentional Erasures and Equivocation on the Binary Symmetric Channel. 2016 International Computer Symposium (ICS). doi:10.1109/ics.2016.0053.
  15. Wacker H.D. & Borcsok J., Probability of Undetected Error on a Binary Symmetric Channel without Memory via Bayesian Inference. Second International Conference on Systems (ICONS07). doi:10.1109/icons.2007.40.
  16. Bao L., Skoglund M. & Johansson K., Encoder¿Decoder Design for Feedback Control over the Binary Symmetric Channel. 2006 IEEE International Symposium on Information Theory. doi:10.1109/isit.2006.262056.
  17. Hagiwara M., Fossorier M.P. & Imai H., LDPC codes with fixed initialization decoding over binary symmetric channel. 2010 IEEE International Symposium on Information Theory. doi:10.1109/isit.2010.5513630.

Ссылка для цитирования данной статьи 

Publication copyright     Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.

Гарнышев И.Н., Казанцев С.В., Мальков Р.Ю., Семенов И.Д., Юдин С.В. ИСПОЛЬЗОВАНИЕ АЛГОРИТМОВ НА ОСНОВЕ ЛИНЕЙНОГО КОДА В СХЕМАХ ОПРЕДЕЛЕНИЯ И КОРРЕКЦИИ ОШИБОК // Наука и образование сегодня № 9(44), 2019 - С. {см. журнал}.

pdf publikacija