Вестник УГАТУ

Прогнозирование и управление состоянием устройств на основе анализа временных рядов

2026-02-16T08:32:03+00:00

Современные высокопроизводительные вычислительные системы требуют высокой надежности и устойчивости работы, поскольку сбои оборудования могут приводить к значительным потерям ресурсов и времени. Для решения этой задачи в работе предлагается метод интеллектуального обнаружения аномалий и прогнозирования состояния оборудования в составе автоматизированной системы управления суперкомпьютером. Подход основан на анализе временных рядов эксплуатационных параметров и применении алгоритмов машинного обучения для выявления скрытых признаков деградации и отклонений от оптимального технологического режима. Архитектура системы предусматривает интеграцию модулей сбора данных с датчиков, интеллектуальной обработки сигналов и принятия управляющих решений в реальном времени. Реализация такого метода позволит перейти от реактивного обслуживания к проактивному управлению, повысить надежность вычислительных комплексов и обеспечить более эффективное использование их ресурсов. Разработанный подход может быть адаптирован для применения в других критически важных технических системах, требующих предиктивного технического обслуживания оборудования.

doi 10.54708/19926502_2026_3021123

Проблемы полисистемного моделирования

2026-02-17T11:26:44+00:00

Уточняется понятие полисистемного моделирования для построения моделей физико-антропо-технических систем (систем «природа-человек-техника»). Такая полисистема строит материально-информационные потоки, включая биологические, и управляет ими. Основная роль в построении такой системы и управлении ею принадлежит человеку, в процессе деятельности которого может быть использована интеллектуальная и физическая поддержка со стороны самой полисистемы. Производится критический анализ возможностей такого моделирования, призванных улучшить качество процессов и решения жизненно важных задач. Анализируется опыт, накопленный в других областях (геоинформационные, лингвистические, психологические, биологические, математические и другие системы), который говорит об отсутствии сквозной интегрированной технологии такого моделирования, не учитывающей все компоненты, вовлечённые в процесс движения от идеи до её реализации и использования. Предлагается подход к построению такой технологии, который обеспечивает непрерывность процессов решения задачи и компактность её описания. Предполагается, что процесс решения задачи имеет расслоённый характер. По отношению к этим слоям процесс содержит вертикальный (межслоевой) и горизонтальный (внутрислоевой) компьютинг. Подход включает использование управления степенями свобод, присущих рассматриваемым моделям. Рассматриваются разрезы и проекции общетеоретических моделей для получения компактных инженерных решений для конкретных задач. Классифицируются и описываются проблемы полисистемного моделирования и некоторые концептуальные их решения, а также – некоторые иллюстрирующие примеры. Новизна подхода заключается в предлагаемой архитектуре инструментальной среды, предназначенной для полисистемного моделирования. Это позволяет строить в рамках физико-антропо-технической системы индивидуальную и коллективную деятельность, привести к разумно целостному виду интеллектуальную и физическую активность человека с учётом пространства, ресурсов и процессов жизнедеятельности. Работа имеет целью активизацию исследований в рассмотренном направлении.

doi 10.54708/19926502_2026_30211213

Гибридный метод извлечения ключевых слов из русскоязычных научно-технических текстов на основе синтаксического анализа и многофакторного ранжирования

2026-02-18T09:40:53+00:00

Статья посвящена разработке гибридного метода автоматического извлечения ключевых слов из русскоязычных научно-технических текстов. Предложенный метод объединяет морфосинтаксический анализ, генерацию кандидатов на основе обхода дерева синтаксических зависимостей и многофакторное ранжирование с использованием комбинации статистических (TF-IDF, C-value), графовых (TextRank) и позиционных признаков. Экспериментальная оценка на корпусе из 16818 русскоязычных научных статей из КиберЛенинки показала, что предложенный метод превосходит базовые алгоритмы (TF-IDF, RAKE, YAKE, TextRank) по метрикам F1@10 (улучшение на 2.3% – 0,268 против 0,262 у ближайшего конкурента TextRank), MAP (улучшение на 6.9% – 0,217 против 0,203) и семантическому покрытию текста (улучшение на 32.5% – 0,559 против 0,422). Особенно значительное преимущество достигается при извлечении многословных терминологических словосочетаний благодаря учету синтаксических связей между компонентами.

Разработка модуля автоматизированной предобработки текстовых данных с адаптивным управлением для нейросетевых моделей

2026-03-30T10:13:47+00:00

В статье рассматривается разработка модуля системы автоматизированной обработки данных для подготовки датасетов перед обучением нейронных сетей. Целью работы является преодоление проблем, связанных с низким качеством и неоднородностью входных данных, которые приводят к снижению производительности и переобучению моделей. В статье предложена комплексная архитектура модуля, включающая формальную декомпозицию процесса предобработки, многоуровневый контур управления для оперативного регулирования и адаптации, а также детализированную модель данных и схему базы данных на основе СУБД MariaDB. Особое внимание уделено методам обработки текстовой информации в задачах NLP. Представленное решение позволяет стандартизировать и значительно ускорить этап подготовки данных, минимизировав ручной труд и влияние человеческого фактора. Результаты работы будут полезны исследователям и разработчикам, стремящимся повысить качество, воспроизводимость и эффективность моделей машинного обучения за счет надежной автоматизации предварительной обработки данных.

doi 10.54708/19926502_2026_30211241

Методика селективного тестирования CLI-интерфейсов на основе графовых моделей и минимизации информационной энтропии

2026-03-23T12:20:29+00:00

В статье рассматриваются вопросы оптимизации тестового покрытия интерфейсов командной строки (CLI) с учетом сложных спецификаций и ограниченных ресурсов. Применение традиционных методов тестирования часто не учитывают реальные сценарии эксплуатации, что может приводить к неэффективному использованию ресурсов для покрытия тестами редко встречаемого функционала.

Авторами рассмотрено современное состояние проблемы и приведена предложенная теоретико-множественная модель, учитывающая топологические свойства графа спецификации, алгоритмические и информационные компоненты. Множество тестовых сценариев формируется методами топологического поиска в ширину и глубину (BFS и DFS). Важной особенностью модели является включение в нее параметра осведомленности об использовании (Usage Awareness), который на основе динамического трекинга вызовов сопоставляет узлам графа веса осведомленности. Процесс выбора оптимального набора тестов формализован через функционал информационной энтропии Шеннона, где селективная стратегия на каждой итерации максимизирует снятие неопределенности относительно эксплуатационного состояния системы. Введено понятие среднего взвешенного покрытия и метрика относительного прироста осведомленности. Предложенная модель обеспечивает переход от структурного покрытия кода к покрытию «ценности» для пользователя.

doi 10.54708/19926502_2026_30211249

Сравнительный анализ методов автоматического реферирования научных текстов на русском языке

2026-01-17T13:01:55+00:00

Автоматическое реферирование научных текстов остается актуальной задачей обработки естественного языка, особенно для русскоязычных корпусов, где применение современных методов ограничено недостатком специализированных моделей и наборов данных. В данной работе проведен систематический сравнительный анализ экстрактивных и абстрактивных моделей суммаризации на материале русскоязычного мультимодального датасета научных статей. Для оценки качества применен комплексный набор метрик: классические статистические (ROUGE, TF-IDF) и современные нейросемантические (BERTScore, косинусная мера между эмбеддингами). Результаты показывают, что экстрактивные методы (TextRank, LexRank) обеспечивают высокую лексическую точность (ROUGE-1 F1 = 0,38; TF-IDF = 0,87), в то время как нейросетевые абстрактивные модели (rut5_base_sum_gazeta, mbart_ru_sum_gazeta) демонстрируют превосходство по семантическим метрикам (BERTScore F1 = 0,70; косинусное сходство ≈ 0,80), приближаясь к уровню человеческого реферирования. Исследование показывает, что выбор модели должен определяться конкретной задачей: экстрактивные методы предпочтительны для формализованных текстов, тогда как абстрактивные обеспечивают более естественное и гибкое изложение.

doi 10.54708/19926502_2026_30211264

Влияние режимов резания на формирование остаточных напряжений при точении ЭИ698-ВД

2026-06-25T13:16:50+00:00

В исследовании проанализировано влияние режимов резания (скорость, подача, постоянная глубина резания) на формирование поверхностных остаточных напряжений (ПОН) в жаропрочном никелевом сплаве ЭИ698-ВД. Ключевые результаты: скорость резания (V = 15–55 м/мин) определяет глубину и характер остаточных напряжений. Подача режущего инструмента (S = 0,075–0,2 мм/об) влияет на тип остаточных напряжений.

doi 10.54708/19926502_2026_30211274