Фильтр. Формальная проверка: Ошибок нет
1
001 itiv23_no3_ss3_ad1
100 ## $a20231106d2023 |||y0rusy0400
101 0# $arus
102 ## $aRU
200 1# $aТрансфер информационных технологий: особенности и проблемы$dInformation Technology Transfer: Features and Problems$fА. А. Зацаринный, Ю. С. Ионенков$zeng
225 1# $aОбработка информации и анализ данных
203 ## $aТекст$cнепосредственный
320 ## $aБиблиогр.: с. 10-12 (18 назв.)
330 ## $aРассмотрены проблемные вопросы трансфера технологий информационных систем (ИС). Показана актуальность развития трансфера технологий в современных условиях. Дан краткий анализ состояния вопроса в развитых странах, особенно в Китае. Рассмотрены основные формы реализации трансфера технологий и основные нормативные документы, регламентирующие процессы трансфера технологий. Отмечены особенности и проблемы трансфера информационных технологий в России. Сформулированы предложения по совершенствованию процесса трансфера технологий в России.
330 ## $aThe article is devoted to the consideration of problematic issues of technology transfer of information systems (IS). The relevance of technology transfer development in modern conditions is shown. A brief analysis of the state of the issue in developed countries, especially in China, is given. The main forms of technology transfer implementation and the main regulatory documents regulating the technology transfer processes are considered. The features and problems of information technology transfer in Russia are noted. Proposals are formulated to improve the process of technology transfer in Russia.
461 #0 $12001 $aИнформационные технологии и вычислительные системы$1011 $a2071-8632
463 #0 $12001 $a№ 3$vС. 3-12$1210 $d2023
601 02 $aФедеральный исследовательский центр "Информатика и управление" Российской академии наук$2AR-MARS
601 02 $aИнститут проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук$2AR-MARS
601 02 $aНациональный центр физики и математики$2AR-MARS
606 ## $aЭкономика$yРоссия$2AR-MARS$yСША$yЕвропа$yКитай
606 ## $aЭкономика культуры, науки, просвещения$2AR-MARS
606 ## $aВычислительная техника$2AR-MARS
606 ## $aВычислительная техника в целом$2AR-MARS
610 0# $aИТ
610 0# $aинформационные системы
610 0# $aинформационные технологии
610 0# $aкомплексные научно-технические программы
610 0# $aправа на технологию
610 0# $aпроблемы трансфера технологий
610 0# $aрезультаты интеллектуальной деятельности
610 0# $aрынок трансфера
610 0# $aсущность трансфера технологий
610 0# $aтрансфер технологий
610 0# $aцентр трансфера технологий
610 0# $aцентры трансфера технологий
700 #1 $aЗацаринный$bА. А.$gАлександр Алексеевич$cглавный научный сотрудник; доктор технических наук; профессор$pФедеральный исследовательский центр "Информатика и управление" Российской академии наук$4070
701 #1 $aИоненков$bЮ. С.$gЮрий Сергеевич$cстарший научный сотрудник; кандидат технических наук$pИнститут проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук$4070
790 #1 $aZatsarinny$bA. A.$4070
790 #1 $aIonenkov$bY. S.$4070
686 ## $2rubbk$a65.497$vТаблицы для массовых библиотек
686 ## $2rubbk$a32.97$vТаблицы для массовых библиотек
005 20231121132302.8
901 ## $aдля МАРК-SQL$tb
014 ## $aRUMARS-itiv23_no3_ss3_ad1$2AR-MARS
903 ## $acode$bitiv$cНаучная библиотека Западно-Казахстанского аграрно-технического университета им. Жангир хана$d17117
903 ## $ayear$b2023
903 ## $ano$b3
903 ## $ass$b3
903 ## $aad$b1
801 #0 $aRU$b41713508$c20231106$gRCR
801 #1 $aRU$b41713508$c20231106
801 #2 $aRU$bAR-MARS$c20231121$gRCR
801 #3 $aRU$bAR-MARS$c20231121
675 ## $a33:008
675 ## $a004
2
001 itiv23_no3_ss13_ad1
100 ## $a20231120d2023 |||y0rusy0400
101 0# $arus
102 ## $aRU
200 1# $aАнализ информационных потоков для мониторинга направлений деятельности организации$dAnalysis of Information Flows to Monitor the Activities of the Organization$fН. Б. Баканова, А. С. Баканов$zeng
215 ## $cрис.
225 1# $aОбработка информации и анализ данных
203 ## $aТекст$cнепосредственный
320 ## $aБиблиогр.: с. 18-20 (11 назв.)
330 ## $aРассмотрены вопросы исследований информационных потоков, поступающих в организацию, для создания на их основе интеллектуальных сервисов поддержки принятия управленческих решений, предназначенных для мониторинга процессов деятельности организации. Рассматривается один из аспектов применения информационных технологий в процессах информатизации организационных структур, а именно, расширение возможностей использования накопленных информационных ресурсов для создания интеллектуальных сервисов выявления проблемных ситуаций в направлениях деятельности организации. Предлагается новый подход, позволяющий на основе многокритериального анализа оперативно анализировать данные о процессах обработки документов, относящихся к различным направлениям деятельности. Разработанный метод можно использовать для выявления наиболее проблемных направлений деятельности организации.
330 ## $aThe development of information technologies and processes of informatization of organizational structures ensured the accumulation of large information resources in the databases of organizations. Among other things, the databases of organizations contain information on the processes of processing documents, data on the processes of the organization\'s activities. Creation of managerial decision support tools based on this content will ensure the implementation of rational processes of managerial activity. The article discusses one of the aspects of the development of this direction, namely, the expansion of the possibilities of using the accumulated information resources to create intelligent services for identifying problematic situations in the areas of the organization\'s activities. A new approach is proposed that allows, based on multi-criteria analysis, to quickly analyze the flow of documents related to various areas of activity. It is possible to use the developed method to identify the most problematic areas of the organization\'s activities.
461 #0 $12001 $aИнформационные технологии и вычислительные системы$1011 $a2071-8632
463 #0 $12001 $a№ 3$vС. 13-20$1210 $d2023
601 02 $aФедеральный исследовательский центр Институт прикладной математики им. М. В. Келдыша РАН$2AR-MARS
601 02 $aИнститут психологии Российской академии наук$2AR-MARS
606 ## $aВычислительная техника$2AR-MARS
606 ## $aВычислительная техника в целом$2AR-MARS
610 0# $aИТ
610 0# $aанализы
610 0# $aдокументационное обеспечение управления
610 0# $aинтеллектуальные сервисы
610 0# $aинформационная поддержка
610 0# $aинформационные потоки документооборота
610 0# $aинформационные технологии
610 0# $aорганизации
610 0# $aорганизационное управление
610 0# $aпринятие решений
610 0# $aсистемы электронного документооборота
610 0# $aуправленческая организация
700 #1 $aБаканова$bН. Б.$gНина Борисовна$cведущий научный сотрудник; доктор технических наук; доцент$pФедеральный исследовательский центр Институт прикладной математики им. М. В. Келдыша РАН$4070
701 #1 $aБаканов$bА. С.$gАрсений Сергеевич$cведущий научный сотрудник; доктор технических наук$pИнститут психологии Российской академии наук$4070
790 #1 $aBakanova$bN. B.$4070
790 #1 $aBakanov$bA. S.$4070
686 ## $2rubbk$a32.97$vТаблицы для массовых библиотек
005 20231121132302.5
901 ## $aдля МАРК-SQL$tb
014 ## $aRUMARS-itiv23_no3_ss13_ad1$2AR-MARS
903 ## $acode$bitiv$cНаучная библиотека Западно-Казахстанского аграрно-технического университета им. Жангир хана$d17117
903 ## $ayear$b2023
903 ## $ano$b3
903 ## $ass$b13
903 ## $aad$b1
801 #0 $aRU$b41713508$c20231120$gRCR
801 #1 $aRU$b41713508$c20231120
801 #2 $aRU$bAR-MARS$c20231121$gRCR
801 #3 $aRU$bAR-MARS$c20231121
675 ## $a004
3
001 itiv23_no3_ss21_ad1
100 ## $a20231120d2023 |||y0rusy0400
101 0# $arus
102 ## $aRU
200 1# $aОтдельные вопросы цифровизации в процессе противодействия коррупции$dCertain Issues of Digitalization in the Process of Countering Corruption$fЕ. Р. Орлова, Э. В. Голоманчук$zeng
215 ## $cрис.
225 1# $aОбработка информации и анализ данных
203 ## $aТекст$cнепосредственный
320 ## $aБиблиогр.: с. 29-32 (32 назв.)
330 ## $aРассмотрены отдельные проблемы внедрения цифровых технологий, применяемых для противодействия или минимизации коррупции и коррупционных рисков. Появление новых способов коррупции и, соответственно, новых способов противодействия ей зависит от возможности государства своевременно и полно осуществлять процесс цифровизации, позволяющий, с одной стороны, установить эффективный контроль над деятельностью государственных служащих, их финансовым положением, доходами и расходами, а с другой стороны, разрабатывать техники ухода от коррупционной ответственности с использованием современных информационных технологий. В связи с этим, обозначилась потребность в прогнозировании возможных злоупотреблений коррупционного характера и в определении наиболее перспективных сфер государственного управления с целью их цифровизации для снижения количества коррупционных рисков.
330 ## $aThe article deals with the problems of individual problems of the introduction of digitalization within the framework of public administration to counteract or minimize corruption and corruption risks. The emergence of new ways of corruption and, accordingly, new ways of countering it depends on the ability of the state to respond promptly and fully to the possibilities of digitalization, which allows both to establish effective and complete control over the activities of civil servants, over their financial situation, over their income and expenses, and at the same time to develop techniques for avoiding corruption liability with using modern digital technologies. In this regard, there was a need to predict possible corruption-related abuses and counteract them, as well as to identify the most promising areas of public administration in order to digitalize them to minimize corruption risks.
461 #0 $12001 $aИнформационные технологии и вычислительные системы$1011 $a2071-8632
463 #0 $12001 $a№ 3$vС. 21-32$1210 $d2023
601 02 $aФедеральный исследовательский центр "Информатика и управление" РАН$2AR-MARS
601 02 $aВолгоградский институт управления – филиала Российской академии народного хозяйства и государственной службы при Президенте Российской Федерации$2AR-MARS
606 ## $aВычислительная техника$2AR-MARS
606 ## $aВычислительная техника в целом$2AR-MARS
606 ## $aПраво$2AR-MARS
606 ## $aЭкономические преступления$2AR-MARS
610 0# $aИИ
610 0# $aИТ
610 0# $aанализ данных
610 0# $aантикоррупционная среда
610 0# $aантикоррупционные меры
610 0# $aгосударственное управление
610 0# $aинформационные технологии
610 0# $aискусственный интеллект
610 0# $aисследования
610 0# $aкоррупция
610 0# $aправа человека
610 0# $aпротиводействие коррупции
610 0# $aцифровизация
610 0# $aцифровые права
610 0# $aэтические стандарты
700 #1 $aОрлова$bЕ. Р.$gЕлена Роальдовна$cдоктор экономических наук; профессор$pФедеральный исследовательский центр "Информатика и управление" РАН$4070
701 #1 $aГоломанчук$bЭ. В.$gЭйда Владимировна$cкандидат юридических наук; доцент$pВолгоградский институт управления – филиала Российской академии народного хозяйства и государственной службы при Президенте Российской Федерации$4070
790 #1 $aOrlova$bE. R.$4070
790 #1 $aGolomanchuk$bА. V.$4070
686 ## $2rubbk$a32.97$vТаблицы для массовых библиотек
686 ## $2rubbk$a67.408.12$vТаблицы для массовых библиотек
005 20231121132302.5
901 ## $aдля МАРК-SQL$tb
014 ## $aRUMARS-itiv23_no3_ss21_ad1$2AR-MARS
903 ## $acode$bitiv$cНаучная библиотека Западно-Казахстанского аграрно-технического университета им. Жангир хана$d17117
903 ## $ayear$b2023
903 ## $ano$b3
903 ## $ass$b21
903 ## $aad$b1
801 #0 $aRU$b41713508$c20231120$gRCR
801 #1 $aRU$b41713508$c20231120
801 #2 $aRU$bAR-MARS$c20231121$gRCR
801 #3 $aRU$bAR-MARS$c20231121
675 ## $a004
675 ## $a343.7
4
001 itiv23_no3_ss33_ad1
100 ## $a20231107d2023 |||y0rusy0400
101 0# $aeng
102 ## $aRU
200 1# $aGraph Analytics for Digital Economy Tasks$dГрафовая аналитика для задач цифровой экономики$fD. I. Korovin, E. V. Romanova, S. R. Muminova [and others]$zrus
215 ## $cрис.
225 1# $aОбработка информации и анализ данных
203 ## $aТекст$cнепосредственный
320 ## $aБиблиогр.: с. 42-45 (32 назв.)
330 ## $aThe manuscript discusses theoretical and practical examples of the use of graph analytics to solve the priority tasks of the digital economy, as the first stage of the knowledge economy. First, authors outline a simulation model which can be used to track fluctuations in inflation. Since a rise in inflation can reflect the rise in prices of goods and services, and how consumers lose ground as their earnings buy fewer goods, predicting inflation – and its effects – can be of great importance. The model presented is based on the cognitive graph. The cognitive graph has 15 vertices which are factors impacting the economy. The bonds between the vertices are analyzed and the incidence matrix is formed. Next, unbalanced cycles whose length is more than 2 are recognized in the graph. It is these unbalanced cycles that typically cause inflation, and the detriment to the economy. This model makes possible the examination of 5 unbalanced cycles, and its use allows the government (decision-makers) to implement to control and limit inflation’s effects on the economy. The theoretical basis applications of cognitive graphs for the quantitative assessment of knowledge are also presented.
330 ## $aРассматриваются теоретические и практические примеры использования графовой аналитики для решения приоритетных задач цифровой экономики, как первой ступени экономики знаний. Во-первых, авторы обрисовывают имитационную модель, которую можно использовать для отслеживания колебаний инфляции. Поскольку рост инфляции может отражать рост цен на товары и услуги, а также то, как потребители теряют свои позиции по мере того, как на свои доходы они покупают меньше товаров, прогнозирование инфляции и ее последствий может иметь большое значение. Представленная модель основана на когнитивном графе. Когнитивный граф имеет 15 вершин, которые являются факторами, влияющими на экономику. Анализируются связи между вершинами и формируется матрица инцидентности. Далее в графе распознаются несбалансированные циклы, длина которых больше 2. Именно эти несбалансированные циклы обычно вызывают инфляцию и наносят ущерб экономике. Эта модель позволяет рассмотреть 5 несбалансированных циклов, а ее использование позволяет правительству (лицам, принимающим решения) контролировать и ограничивать влияние инфляции на экономику. Также представлены теоретические основы применения когнитивных графов для количественной оценки знаний.
461 #0 $12001 $aИнформационные технологии и вычислительные системы$1011 $a2071-8632
463 #0 $12001 $a№ 3$vС. 33-45$1210 $d2023
601 02 $aФинансовый университет при Правительстве Российской Федерации$2AR-MARS
601 02 $aМосковский технический университет связи и информатики$2AR-MARS
601 02 $aМИРЭА – Российский технологический университет$2AR-MARS
606 ## $aВычислительная техника$2AR-MARS
606 ## $aПрикладные информационные (компьютерные) технологии в целом$2AR-MARS
606 ## $aЭкономика$2AR-MARS
606 ## $aПрогнозирование$2AR-MARS
610 0# $aграфовая аналитика
610 0# $aимитационное моделирование
610 0# $aиндекс потребительских цен
610 0# $aинфляция
610 0# $aключевая ставка
610 0# $aкогнитивный граф
610 0# $aрост цен
610 0# $aцифровая экономика
610 0# $aэкономика знаний
701 #1 $aKorovin$bD. I.$cProfessor; Doctor of Economic Sciences$pDepartment of Data Analysis and Machine Learning, Financial University under the Government of the Russian Federation$4070
701 #1 $aRomanova$bE. V.$cAssociate Professor; Candidate of Physical and Mathematical Sciences$pDepartment of Data Analysis and Machine Learning, Financial University under the Government of the Russian Federation$4070
701 #1 $aMuminova$bS. R.$cAssociate Professor; Candidate of Physical and Mathematical Sciences$pDepartment of Data Analysis and Machine Learning, Financial University under the Government of the Russian Federation$4070
701 #1 $aMazutskiy$bN. M.$cAssistant$pDepartment of Data Analysis and Machine Learning, Financial University under the Government of the Russian Federation$4070
701 #1 $aOsipov$bA. V.$cCandidate of Physical and Mathematical Sciences$pAssociate Professor Moscow Technical University of Communications and Informatics$4070
701 #1 $aPleshakova$bE. S.$cCandidate of Technical Sciences$pAssociate Professor MIREA - Russian Technological University$4070
701 #1 $aGataullin$bT. M.$cProfessor; Leading Researcher$pMoscow Technical University of Communications and Informatics$4070
701 #1 $aGataullin$bS. T.$cCandidate of Economic Sciences$pMoscow Technical University of Communications and Informatics$4070
790 #1 $aКоровин$bД. И.$gДмитрий Игоревич$cпрофессор; доктор экономических наук$pДепартамент анализа данных и машинного обучения, Финансовый университет при Правительстве Российской Федерации$4070
790 #1 $aРоманова$bЕ. В.$gЕкатерина Владимировна$cдоцент; кандидат физико-математических наук$pДепартамент анализа данных и машинного обучения, Финансовый университет при Правительстве Российской Федерации$4070
790 #1 $aМуминова$bС. Р.$gСветлана Рашидовна$cдоцент; кандидат технических наук$pДепартамент анализа данных и машинного обучения, Финансовый университет при Правительстве Российской Федерации$4070
790 #1 $aМазутский$bН. М.$gНиколай Михайлович$cаспирант$pДепартамент анализа данных и машинного обучения, Финансовый университет при Правительстве Российской Федерации$4070
790 #1 $aОсипов$bА. В.$gАлексей Викторович$cдоцент; кандидат физико-математических наук$pМосковский технический университет связи и информатики$4070
790 #1 $aПлешакова$bЕ. С.$gЕкатерина Сергеевна$cдоцент; кандидат технических наук$pМИРЭА - Российский технологический университет$4070
790 #1 $aГатауллин$bТ. М.$gТимур Малютович$cпрофессор; ведущий научный сотрудник$pМосковский технический университет связи и информатики$4070
790 #1 $aГатауллин$bС. Т.$gСергей Тимурович$cкандидат экономических наук$pМосковский технический университет связи и информатики$4070
686 ## $2rubbk$a32.973-018.2$vТаблицы для массовых библиотек
686 ## $2rubbk$a65.054.3$vТаблицы для массовых библиотек
005 20231121132302.2
901 ## $aдля МАРК-SQL$tb
014 ## $aRUMARS-itiv23_no3_ss33_ad1$2AR-MARS
903 ## $acode$bitiv$cНаучная библиотека Западно-Казахстанского аграрно-технического университета им. Жангир хана$d17117
903 ## $ayear$b2023
903 ## $ano$b3
903 ## $ass$b33
903 ## $aad$b1
801 #0 $aRU$b41713508$c20231107$gRCR
801 #1 $aRU$b41713508$c20231107
801 #2 $aRU$bAR-MARS$c20231121$gRCR
801 #3 $aRU$bAR-MARS$c20231121
675 ## $a004.9
675 ## $a338.27
5
001 itiv23_no3_ss46_ad1
100 ## $a20231107d2023 |||y0rusy0400
101 0# $arus
102 ## $aRU
200 1# $aПослойная дистилляция знаний для обучения упрощенных биполярных морфологических нейронных сетей$dLayer-Wise Knowledge Distillation for Simplified Bipolar Morphological Neural Networks$fМ. В. Зингеренко, Е. Е. Лимонова$zeng
215 ## $cрис.
225 1# $aИнтеллектуальные системы и технологии
203 ## $aТекст$cнепосредственный
320 ## $aБиблиогр.: с. 52-54 (17 назв.)
330 ## $aВ работе представлено улучшение структуры биполярного морфологического нейрона, повышающее его вычислительную эффективность и новый подход к обучению на основе непрерывных аппроксимаций максимума и дистилляции знаний. Были проведены эксперименты на выборке MNIST с нейронной сетью LeNet-подобной архитектуры, а также на выборке CIFAR10 с моделью архитектуры ResNet-22. На LeNet-подобной модели с помощью предложенного метода обучения получилось добиться 99. 45% точности классификации при такой же точности у классической сети, а на ResNet-22 точность составила 86. 69% при точности 86. 43% у классической модели. Полученные результаты показывают, что предложенный метод, использующий log-sum-exp (LSE) аппроксимацию максимума и послойную дистилляцию знания, позволяет получить упрощенную биполярную морфологическую сеть, не уступающую классическим сетям.
330 ## $aVarious neuron approximations can be used to reduce the computational complexity of neural networks. One such approximation based on summation and maximum operations is a bipolar morphological neuron. This paper presents an improved structure of the bipolar morphological neuron that enhances its computational efficiency and a new approach to training based on continuous approximations of the maximum and knowledge distillation. Experiments were conducted on the MNIST dataset using a LeNet-like neural network architecture and on the CIFAR10 dataset using a ResNet-22 model architecture. The proposed training method achieves 99. 45% classification accuracy on the LeNet-like model, with the same accuracy of the classical network, and 86. 69% accuracy on the ResNet-22 model, compared to 86. 43% accuracy of the classical model. The results show that the proposed method with logsum-exp (LSE) approximation of the maximum and layer-by-layer knowledge distillation, allows for a simplified bipolar morphological network that is not inferior to classical networks.
461 #0 $12001 $aИнформационные технологии и вычислительные системы$1011 $a2071-8632
463 #0 $12001 $a№ 3$vС. 46-54$1210 $d2023
601 02 $aМосковский физико$технический институт (национальный исследовательский университет)$2AR-MARS
601 02 $aООО "Смарт Энджинс Сервис"$2AR-MARS
601 02 $aФедеральный исследовательский центр "Информатика и Управление" РАН$2AR-MARS
606 ## $aВычислительная техника$2AR-MARS
606 ## $aВычислительная техника в целом$2AR-MARS
610 0# $aCIFAR10
610 0# $aMNIST
610 0# $aаппроксимации
610 0# $aбиполярные морфологические нейроны
610 0# $aбиполярные морфологические сети
610 0# $aвычислительная эффективность
610 0# $aдистилляция знаний
610 0# $aискусственные нейронные сети
610 0# $aнейронные сети
610 0# $aфункции
610 0# $aэксперименты
700 #1 $aЗингеренко$bМ. В.$gМихаил Владимирович$cстудент аспирант$pМосковский физико-технический институт (национальный исследовательский университет) ; ООО "Смарт Энджинс Сервис"$4070
701 #1 $aЛимонова$bЕ. Е.$gЕлена Евгеньевна$cнаучный сотрудник; кандидат технических наук; лаборант-программист$pФедеральный исследовательский центр "Информатика и Управление" РАН; ООО "Смарт Энджинс Сервис"$4070
790 #1 $aZingerenko$bM. V.$4070
790 #1 $aLimonova$bE. E.$4070
686 ## $2rubbk$a32.97$vТаблицы для массовых библиотек
005 20231121132302.5
901 ## $aдля МАРК-SQL$tb
014 ## $aRUMARS-itiv23_no3_ss46_ad1$2AR-MARS
903 ## $acode$bitiv$cНаучная библиотека Западно-Казахстанского аграрно-технического университета им. Жангир хана$d17117
903 ## $ayear$b2023
903 ## $ano$b3