Институт проблем информатики Российской Академии наук
 Институт проблем информатики Российской Академии наук
 Российская Академия наук

Институт проблем информатики Российской Академии наук

Русский | English     Контакты

Об институтеНаправления деятельностиНаучно-исследовательские работы и проектыОбъекты интеллектуальной собственностиНаучные журналы ИПИ РАНДругие публикацииСеминары и конференции


Поиск:

«Информатика и ее применения» (Том 11, Выпуск 3, 2017)

Оглавление | Аннотации | Об авторах

Библиография

АНАЛОГИ ТЕОРЕМЫ ГЛЕЗЕРА ДЛЯ ОТРИЦАТЕЛЬНЫХ БИНОМИАЛЬНЫХ И ОБОБЩЕННЫХ ГАММА-РАСПРЕДЕЛЕНИЙ И НЕКОТОРЫЕ ИХ ПРИЛОЖЕНИЯ

  • B. Ю. Королев Факультет вычислительной математики и кибернетики Московского государственного университета имени М. В. Ломоносова; Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук; Университет Дианьзи города Ханчжоу, Китай, vkorolev@cs.msu.su

Литература

  1. Zolina O., Simmer C., Belyaev K., Gulev S., Koltermann P. Changes in the duration of European wet and dry spells during the last 60 years // J. Climate, 2013. Vol. 26. P. 2022-2047.
  2. Korolev V. Yu., Gorshenin A. K., Gulev S. K., Belyaev K. P., Grusho A. A. Statistical analysis of precipitation events // AIP Conf. Proc., 2017. Vol. 1863. Iss. 1. doi: 10.1063/1.4992276.
  3. Kingman J. F. C. Poisson processes. — Oxford: Clarendon Press, 1993. 104 p.
  4. Королев В.Ю., Бенинг В.Е., Шоргин С. Я. Матема¬тические основы теории риска. — 2-е изд. — М.: Физматлит, 2011. 591 с.
  5. Королев В. Ю. Предельные распределения для дваж¬ды стохастически прореженных процессов восста¬новления и их свойства // Теория вероятностей и ее применения, 2016. Т. 61. Вып. 4. С. 753-773.
  6. Королев В. Ю., Корчагин А. Ю., Зейфман А. И. Теорема Пуассона для схемы испытаний Бернулли со слу¬чайной вероятностью успеха и дискретный аналог распределения Вейбулла // Информатика и её при¬менения, 2016. Т. 10. Вып. 4. С. 11-20.
  7. Korolev V. Yu., Korchagin A. Yu., Zeifman A. I. On doubly stochastic rarefaction of renewal processes // AIP Conf. Proc., 2017. Vol. 1863. Iss. 1. doi: 10.1063/1.4992275.
  8. Gleser L. J. The gamma distribution as a mixture of expo-nential distributions //Am. Stat., 1989. Vol. 43. P. 115¬117.
  9. Gnedenko B. V., Korolev V. Yu. Random summation: Limit theorems and applications. — Boca Raton: CRC Press, 1996. 267 p.
  10. Stacy E.W. A generalization of the gamma distribution // Ann. Math. Stat., 1962. Vol. 33. P 1187-1192.
  11. Закс Л. М., Королев В. Ю. Обобщенные дисперсион¬ные гамма-распределения как предельные для слу- чайныхсумм // Информатика и её применения, 2013. Т. 7. Вып. 1. С. 105-115.
  12. Золотарев В. М. Одномерные устойчивые распреде¬ления. — М.: Наука, 1983. 304 с.
  13. Schneider W.R. Stable distributions: Fox function rep- resentationand generalization // Stochastic processes in classical and quantum systems / Eds. S. Albeverio, G. Casati, D. Merlini. — Berlin: Springer, 1986. P. 497¬511.
  14. Uchaikin V. V., Zolotarev V. M. Chance and stability. — Utrecht: VSP, 1999. 570 p.
  15. Korolev V.M. Product representations for random vari¬ables with Weibull distributions and their applications // J. Math. Sci., 2016. Vol. 218. No. 3. P 298-313.
  16. Tucker H. On moments of distribution functions attracted to stable laws // Houston J. Math., 1975. Vol. 1. No. 1. P. 149-152.
  17. Korolev V. Yu., Zeifman A. I. Convergence of statistics con-structed from samples with random sizes to the Linnik and Mittag-Leffler distributions and their generalizations // J. Korean Stat. Soc., 2017. Vol. 46. P 161-181.
  18. Gorenflo R., Kilbas A. A., Mainardi F., Rogosin S. V. Mittag-Leffler functions, related topics and applica¬tions. — Berlin - New York: Springer, 2014. 443 p.
  19. Bunge J. Compositions semigroups and random stability// Ann. Probab., 1996. Vol. 24. P. 1476-1489.
  20. Klebanov L. B., Rachev S. T. Sums of a random num¬ber of random variables and their approximations with e-accompanying infinitely divisible laws // Serdica, 1996. Vol. 22. P. 471-498.
  21. Коваленко И. Н. О классе предельных распределений для редеющих потоков однородных событий // Ли¬товский математический сборник, 1965. Т. 5. Вып. 4. С. 569-573.
  22. Gnedenko B. V., Kovalenko I. N. Introduction to queue¬ing theory. — Jerusalem: Israel Program for Scientific Translations, 1968. 281 p.
  23. Gnedenko B. V., Kovalenko I. N. Introduction to queueing theory. — 2nd ed. — Boston: Birkhauser, 1989. 314 p.
  24. Pillai R. N. Harmonic mixtures and geometric infinite di-visibility//J. Indian Stat. Assoc., 1990. Vol. 28. P. 87-98.
  25. Pillai R. N. On Mittag-Leffler functions and related dis-tributions//Ann. Stat. Math., 1990. Vol. 42. P 157-161.
  26. Weron K., Kotulski M. On the Cole-Cole relaxation func¬tion and related Mittag-Leffler distributions // Physica A, 1996. Vol. 232. P 180-188.
  27. Gorenflo R., Mainardi F. Continuous time random walk, Mittag-Leffler waiting time and fractional diffusion: Mathematical aspects. Ch. 4. // Anomalous transport: Foundations and applications / Eds. R. Klages, G. Ra¬dons, I. M. Sokolov. — Weinheim, Germany: Wiley-VCH, 2008. P. 93-127. http://arxiv.org/abs/0705.0797.
  28. Greenwood M., Yule G. U. An inquiry into the nature of frequency-distributions of multiple happenings, etc. // J. R. Stat. Soc., 1920. Vol. 83. P 255-279.
  29. БольшевЛ. Н., СмирновН. В. Таблицы математической статистики. — 3-е изд. — М.: Наука, 1983. 416 c.
  30. Bernstein S. N. Sur les fonctions absolument monotones // Acta Math., 1929. Vol. 52. Iss. 1. P 1-66.
  31. Grandell J. Mixed Poisson processes. — London: Chap¬man and Hall, 1997. 268 p.
  32. Kotz S., Ostrovskii I.V. A mixture representation of the Linnik distribution// Stat. Probabil. Lett., 1996. Vol. 26. P. 61-64.
  33. Korolev V. Yu., Zeifman A.I. A note on mixture representa-tions for the Linnik and Mittag-Leffler distributions and their applications // J. Math. Sci., 2017. Vol. 218. No. 3. P. 314-327.
  34. Линник Ю.В. Линейные формы и статистические критерии. I, II // Украинский математический жур¬нал, 1953. Т. 5. Вып. 2. С. 207-243; Вып. 3. С. 247-290.
  35. Laha R. G. On a class of unimodal distributions // P Am. Math. Soc., 1961. Vol. 12. P 181-184.
  36. Devroye L. A note on Linnik’s distribution // Stat. Proba¬bil. Lett., 1990. Vol. 9. P. 305-306.
  37. KotzS., Ostrovskii I. V., HayfaviA. Analytic and asymptotic properties of Linnik’s probability densities, I // J. Mathe-matical Analysis Appl., 1995. Vol. 193. P 353-371.
  38. Kotz S., Ostrovskii I. V., Hayfavi A. Analytic and asymp¬totic properties of Linnik’s probability densities, II // J. Math. Anal. Appl., 1995. Vol. 193. P. 497-521.
  39. Carr P. P., Madan D. B., Chang E. C. The variance gamma process and option pricing // Eur. Financ. Rev., 1998. Vol. 2. P. 79-105.
  40. Королев В. Ю. Обобщенные гиперболические зако¬ны как предельные распределения для случайных сумм // Теория вероятностей и ее применения, 2013. Т. 58. Вып. 1. С. 117-132.
  41. Горшенин А. К., Королев В. Ю., Турсунбаев А. М. Меди-анные модификации EM- и SEM-алгоритмов для разделения смесей вероятностных распределений и их применение к декомпозиции волатильности фи¬нансовых индексов // Информатика и её примене¬ния, 2008. Т. 2. Вып. 4. С. 12-47.

СЕГМЕНТИРОВАНИЕ НЕСТАЦИОНАРНЫХ СИГНАЛОВ НА ОСНОВЕ ВЕРОЯТНОСТНЫХ СВОЙСТВ ОКОННОЙ ДИСПЕРСИИ

  • М. А. Драницына Московский государственный университет имени М. В. Ломоносова, факультет вычислительной математики и кибернетики; margarita13april@maii.ru
  • Т. В. Захарова Московский государственный университет имени М. В. Ломоносова, факультет вычислительной математики и кибернетики; Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук, lsa@cs.msu.ru

Литература

  1. Kosar K., Lhotska L., Krajca V. Classification of long-term EEG recordings // Biological and medical data analysis. — Lecture notes in computer science ser. — Springer, 2004. Vol. 3337. P. 322-332. doi: 10.1007/978-3-540-30547-7_33.
  2. Azami H., Mohammadi K., Hassanpour H. A hybrid evo-lutionary approach to segmentation of nonstationary sig- nals//Digit. Signal Process., 2013. Vol. 23. No. 4. P. 1103— 1114. doi: 10.1016/j.dsp.2013.02.019.
  3. Kalantarian H., Sarrafzadeh M. Probabilistic time-series segmentation // Pervasive Mob. Comput., 2017. doi: 10.1016/j.pmcj.2017.03.005.
  4. Захарова Т. В., Никифоров С. Ю., Гончаренко М. Б.,Дра- ницына М. А., Климов Г. А., Хазиахметов М.Ш., Чая¬нов Н. В. Методы обработки сигналов для локализации невосполнимых областей головного мозга // Системы и средства информатики, 2012. T. 22. № 2. C. 157—175.
  5. Хазиахметов М. Ш. Свойства оконной дисперсии мио- граммы как случайного процесса // Системы и сред¬ства информатики, 2014. T. 24. № 3. C. 110—120.
  6. Allakhverdieva V. M., Chshenyavskaya E. V., Dranitsy- na M.A., Karpov P. I., Zakharova T. V. An approach to the inverse problem ofbrain functional mapping under the assumption of gamma distributed myogram noise within rest intervals using the independent component analy¬sis // J. Math. Sci., 2016. Vol. 214. No. 1. P. 3—11. doi: 10.1007/s10958-016-2753-x.

ОБУЧАЕМАЯ КЛАССИФИКАЦИЯ НЕПОЛНЫХ КЛИНИЧЕСКИХ ДАННЫХ

  • М. П. Кривенко Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук, mkrivenko@ipiran.ru

Литература

  1. Rubin D. B. Inference and missing data // Biometrika, 1976. Vol. 63. P. 581—592.
  2. Rubin D. B. Multiple imputation for nonresponse in sur¬veys. — New York, NY, USA: John Wiley & Sons, 1987. 256 p.
  3. Little R. J. A., Rubin D. B. Statistical analysis with missing data. — 2nd ed. — New York, NY, USA: John Wi¬ley & Sons, 2002. 408 p.
  4. Mallinckrodt C. H., Lane P. W, Schnell D, Peng Y., Man- cuso J. Recommendation for the primary analysis ofcon- tinuous endpoints in longitudinal clinical trials // Drug Inf. J., 2008. Vol. 42. P. 303—319.
  5. Molenberghs G., Kenward M. G. Missing data in clinical studies. — West Sussex: John Wiley & Sons, 2007. 526 p.
  6. Myers W. R. Handling missing data in clinical trials: An overview // Drug Inf. J., 2000. Vol. 34. P. 525—533.
  7. Andridge R. R., Little R. J.A. A review of hot deck impu¬tation for survey non-response // Int. Stat. Rev., 2010. Vol. 78. No. 1. P. 40—64.
  8. Myers T.A. Goodbye, listwise deletion: Presenting hot deck imputation as an easy and effective tool for handling missing data // Commun. Meth. Measures, 2011. Vol. 5. No. 4. P. 297—310.
  9. Little R. J. A. Modeling the drop-out mechanism in repeated-measures studies // J. Am. Stat. Assoc., 1995. Vol. 90. No. 431. P. 1112—1121.
  10. Dempster A. P., Laird N. M., Rubin D. B. Maximum like-lihood from incomplete data via EM algorithm // J. Roy. Stat. Soc. B Met., 1977. Vol. 39. No. 1. P. 1—38.
  11. Alber A. Multivariate interpretation of clinical laboratory data. — New York, NY, USA: CRC Press, 1987. 386 p.
  12. Кривенко М. П. Статистические методы представле¬ния и статистической предварительной обработки рефeренсных значений. — М.: ФИЦ ИУ РАН, 2016. 160 c.
  13. Ghahramani Z., Jordan M. I. Learning from incom¬plete data. — MIT AI, 1994. A.I. Memo No. 1509. C.B.C.L. Paper No. 108.https://dspace.mit.edu/ handle/1721.1/7202.
  14. Hun tL., Jorgensen M. Mixture model clustering for mixed data with missing information// Comput. Stat. Data An., 2003. Vol. 41. P. 429—440.
  15. Delalleau O., Courville A., Bengio Y. Efficient EM training of Gaussian mixtures with missing data. arXiv.org, 2012. https://arxiv.org/abs/1209.0521.
  16. Eirola E, Lendasse A., Vandewalle V., Biernacki C. Mix¬ture of Gaussians for distance estimation with missing data // Neurocomputing, 2014. Vol. 131. P. 32—42.

КОМПЬЮТЕРНАЯ МОДЕЛЬ СИНЕРГИИ КОЛЛЕКТИВНОГО ПРИНЯТИЯ РЕШЕНИЙ

  • И. А. Кириков Калининградский филиал Федерального исследовательского центра «Информатика и управление» Российской академии наук, baltbipiran@mail.ru
  • А. В. Колесников Балтийский федеральный университет им. И. Канта; Калининградский филиал Федерального исследовательского центра «Информатика и управление» Российской академии наук, avkolesnikov@yandex.ru
  • С. В. Листопад Калининградский филиал Федерального исследовательского центра «Информатика и управление» Российской академии наук, ser-list-post@yandex.ru

Литература

  1. Трахтенгерц Э.А., Степин Ю. П., Андреев А. Ф. Ком-пьютерные методы поддержки принятия управленче¬ских решений в нефтегазовой промышленности. — М.: СИНТЕГ, 2005. 592 с.
  2. Freud S. Group psychology and the analysis of the ego. — The international psycho-analytical library ser., 1922. Vol. 6. P. 1—134.
  3. Lewin K. Resolving social conflicts: Selected papers on group dynamics. — New York, NY, USA: Harper & Row, 1948. 230 p.
  4. Кириков И. А., Колесников А. В., Листопад С.В. Мо-делирование систем поддержки принятия решений синергетическим искусственным интеллектом // Ин-форматика и её применения, 2013. Т. 7. Вып. 3. С. 62— 69.
  5. Колесников А. В. Гибридные интеллектуальные сис¬темы. Теория и технология разработки. — СПб.: СПбГТУ, 2001.711 с.
  6. Bonner J. T. The evolution of complexity. — Princeton, NJ, USA: Princeton University Press, 1988. 272 p.
  7. Benecke G., Schurink W., Roodt G. Towards a substantive theory of synergy// SA J. Human Resource Management, 2007. Vol. 5. No. 2. P. 9—19.
  8. Зимняя И. А. Педагогическая психология. — Ростов- на-Дону: Феникс, 1997. 480 с.
  9. Орлов А. И. Теория принятия решений. — М.: Экза¬мен, 2005. 656 с.
  10. Сладкевич В. П., Чернявский А. Д. Современный ме-неджмент (в схемах). — Киев: МАУП, 2003. 152 с.
  11. Колпаков В. М. Теория и практика принятия управ-ленческих решений. — Киев: МАУП, 2004. 504 с.
  12. Саати Т. Принятие решений. Метод анализа иерар¬хий / Пер. с англ. — М.: Радио и связь, 1993. 278 с. (Saaty T. L. The analytic hierarchy process. — New York, NY, USA: McGraw-Hill, 1980. 296 p.)
  13. Сухарев М.Г. Методы прогнозирования. — М.: РГУ нефти и газа, 2009. 208 с.
  14. Колесников А. В., Кириков И. А., ЛистопадС. В., Румов- ская С. Б., Доманицкий А. А. Решение сложных задач коммивояжера методами функциональных гибрид¬ных интеллектуальных систем / Под ред. А. В. Колес¬никова. — М.: ИПИ РАН, 2011. 295 с.
  15. Тарасов В. Б. От многоагентных систем к интеллекту-альным организациям: философия, психология, ин-форматика. — М.: Эдиториал УРСС, 2002. 352 с.

МЕТОДЫ ТЕОРИИ КАТЕГОРИЙ В МОДЕЛЬНО-ОРИЕНТИРОВАННОЙ СИСТЕМНОЙ ИНЖЕНЕРИИ

  • C. П. Ковалёв Институт проблем управления им. В. А. Трапезникова Российской академии наук, kovalyov@nm.ru

Литература

  1. Modeling and simulation-based systems engineering handbook / Eds. D. Gianni, A. D’Ambrogio, A. Tolk. — London: CRC Press, 2014. 513 p.
  2. Ковалёв С. П., ТолокА. В. Применение модельно-ори-ентированного подхода в управлении жизненным циклом технических изделий // Информационные технологии в проектировании и производстве, 2015. №2. С. 3-9.
  3. Левенчук А.И. Системноинженерное мышление. — М.: TechlnvestLab, 2015. 305 с.
  4. IEC 81346-1:2009. Industrial Systems, Installations and Equipment and Industrial Products — Structuring Princi¬ples and Reference Designations — Part 1: Basic Rules. — Geneva: ISO, 2009. 168 p.
  5. Ginali S., Goguen J. A categorical approach to general sys-tems // Conference (International) on Applied General Systems Research Proceedings / Ed. G. J. Klir. — NATO conference series. — New York, NY, USA: Plenum Press, 1978. Vol. 5. P. 257-270.
  6. Mabrok M.A., Ryan M.J. Category theory as a formal mathematical foundation for model-based systems engi- neering//Appl. Math. Inform. Sci., 2017. Vol. 11. No. 1. P. 43-51.
  7. Ковалёв С. П. Теоретико-категорный подход к проек-тированию программных систем // Фундаменталь¬ная и прикладная математика, 2014. Т. 19. Вып. 3. С. 111-170.
  8. Bezivin J., Jouault F., Rosenthal P., Valduriez P. Modeling in the large and modeling in the small // Model Driven Architecture: European MDA Workshops on Foundations and Applications Proceedings / Eds. U. Afimann, M. Ak- sit, A. Rensink. — Lecture notes in computer science ser. — Springer, 2005. Vol. 3599. P 33-46.
  9. Diskin Z., Kokaly S., Maibaum T. Mapping-aware mega-modeling: Design patterns and laws // Software Language Engineering: 6th Conference (International) Proceed¬ings / Eds. M. Erwig, R. F Paige, E. Van Wyk. — Lecture notes in computer science ser. — Springer, 2013. Vol. 8225. P. 322-343.
  10. Requicha A.G. Representations for rigid solids: Theo¬ry, methods, and systems //ACM Comput. Surv., 1980. Vol. 12. Iss. 4. P 437-464.
  11. Kadar B., Pfeiffer A., Monostori L. Discrete event simu¬lation for supporting production planning and scheduling decisions in digital factories // 37th CIRP Seminar (In¬ternational) on Manufacturing Systems Proceedings. — Budapest, 2004. P. 444-448.
  12. Giesa T., Spivak D. I., Bueh ler M. J. Category theory based solution for the building block replacement problem in materials design//Adv. Eng. Mater., 2012. Vol. 14. Iss. 9. P. 810-817.
  13. Косяков А., Свит У., Сеймур С., Бимер С. Системная инженерия. Принципы и практика / Пер. с англ. — М.: ДМК-Пресс, 2014. 636 с. (Kossiakoff A., Sweet W. N., Seymour S., Biemer S. M. Systems engineering principles and practice. — 2nd ed. — New York, NY, USA: John Wiley, 2011. 560 p.)
  14. Маклейн С. Категории для работающего математика / Пер. с англ. — М.: Физматлит, 2004. 352 с. (Mac Lane S. Categories for the working mathematician. — New York, NY, USA: Springer, 1978. 317 p.)
  15. Pratt V. R. Modeling concurrency with partial orders // Int. J. Parallel Prog., 1986. Vol. 15. No. 1. P 33-71.
  16. Ковалёв С. П. Семантика аспектно-ориентированно¬го моделирования данных и процессов // Информа¬тика и её применения, 2013. Т. 7. Вып. 3. С. 70-80.

ОБ ЭФФЕКТИВНОСТИ ИЕРАРХИЧЕСКОГО АЛГОРИТМА ПОИСКА ПРИБЛИЖЕННОГО БЛИЖАЙШЕГО СОСЕДА В ЗАДАННОМ НАБОРЕ ИЗОБРАЖЕНИЙ

  • М. М. Ланге Федеральный исследовательский центр «Информатика и управление » Российской академии наук, lange_nim@ccas.ru
  • С. Н. Ганебных Федеральный исследовательский центр «Информатика и управление» Российской академии наук, sng@ccas.ru
  • А. М. Ланге Федеральный исследовательский центр «Информатика и управление» Российской академии наук, lange_am@niail.ru

Литература

  1. Datta R., Joshi D., Li J., Wang J. Image retrieval: Ideas, influences, and trends of the new age // ACM Comput. Surv., 2008. Vol. 40. No. 2. P. 1-60.
  2. Friedman J., Bentley J., FinkelR. An algorithm for finding best matches in logarithmic expected time // ACM T. Math. Software, 1977. Vol. 3. No. 3. P 209-226.
  3. Cleary J. Analysis of an algorithm for finding nearest neighbors in Euclidean space // ACM T. Math. Software, 1979. Vol. 5. No. 2. P. 183-192.
  4. Soleymani M., Morgera S. An efficient nearest neighbor search method//IEEE T. Commun., 1987. Vol. 35. No. 6. P. 677-679.
  5. Arya S., Mount D., Netanyahu N., Silverman R., Wu A. An optimal algorithm for approximate nearest neighbor searching in fixed dimensions // J. ACM, 1998. Vol. 45. No. 6. P 891-923.
  6. Andoni А., Indyk P. Near-optimal hashing algorithms for approximate nearest neighbor in high dimensions // Commun. ACM, 2008. Vol. 51. No. 1. P 117-122.
  7. Lange M. M., Ganebnykh S. N, Lange A. M. Algorithm of approximate search for the nearest digital array in a hi-erarchical data set // Machine Learning Data Analysis, 2016. Vol. 2. No. 1. P. 6-16.
  8. Rosenfeld A. Quadtrees and pyramids for pattern recogni¬tion and image analysis // 5th Conference (International) on Pattern Recognition Proceedings, 1980. P 802-811.
  9. Jackins C., Tanimoto S. Quadtrees, octtrees, and K-trees: A generalized approach to recursive decomposition of Eu-clidean space//IEEE T. Pattern Anal., 1983. Vol. 5. No. 5. P. 533-539.
  10. SametH. The quadtree and related hierarchical data struc-tures// Comput. Surv., 1984. Vol. 16. No. 2. P 187-260.
  11. Ланге М.М., Новиков Н.А. Представление данных с многоуровневым разрешением для быстрой ко-ординатной привязки изображений // Техническое зрение в системах управления: Сб. тр. науч.-технич. конф. — М.: ИКИ РАН, 2012. С. 242-249.
  12. MNIST database. http://yann.lecun.com/exdb/mnist/index.html.
  13. Network service Google Maps. http://www.maps.google.com.
  14. Cormen T., Leiserson C., Rivest R., Stein C. Introduction to algorithms. — 3rd ed. — MIT Press, 2009. 1312 p.
  15. Algorithm for searching approximate nearest neighbor. http://sourceforge.net/projects/edivis/files/.

ПОВЫШЕНИЕ КАЧЕСТВА КЛАССИФИКАЦИИ В ЗАДАЧЕ ОБНАРУЖЕНИЯ ВНУТРЕННЕГО ПЛАГИАТА

  • И. О. Молибог Центр энергетических систем, Сколковский институт науки и технологий; Московский физико-технический институт, i.molybog@skoltech.ru
  • А. П. Мотренко Московский физико-технический институт, anastasiya.motrenko@phystech.edu
  • В. В. Стрижов Вычислительный центр им. А. А. Дородницына Федерального исследовательского центра «Информатика и управление» Российской академии наук, strijov@phystech.edu

Литература

  1. Fefferman C., Mitter S., Narayanan H. Testing the mani¬fold hypothesis // J. Am. Math. Soc., 2016. Vol. 29. No. 4 P. 983-1049.
  2. Van der Maaten L., Hinton G. Visualizing data using t-SNE//J.Mach. Learn. Res., 2008. Vol. 9. P. 2579-2605.
  3. Narayanan H., Mitter S. Sample complexity of testing the manifold hypothesis // Advances in neural information processing systems / Eds. J. D. Lafferty, C. K. I. Williams, J. Shawe-Taylor, et al. — Curran Associates, Inc., 2010. Vol. 23. P. 1786-1794.
  4. Zu Eissen S. M., Stein B. Intrinsic plagiarism detec¬tion// European Conference on Information Retrieval. — Springer, 2006. P. 565-569.
  5. Kuznetsov M. P., Motrenko A. P., Kuznetsova M. V., Stri- jov V. V. Methods for intrinsic plagiarism detection and author diarization // Working Notes of CLEF / Eds. K. Balog, L. Cappellato, N. Ferro, C. Macdonald. — Evora, Portugal: CEUR-WS, 2016. Vol. 1609. P. 912-919.
  6. Stamatatos E. Intrinsic plagiarism detection using char¬acter n-gram profiles // SEPLN Workshop on Uncover¬ing Plagiarism, Authorship, and Social Software Misuse, 2009. P. 38-46.
  7. Muhr M., Kern R., Zechner M., Granitzer M. External and intrinsic plagiarism detection using a cross-lingual retrieval and segmentation system // Working Notes for CLEF Conference / Eds. M. Braschler, D. Harman, E. Pianta, N. Ferro. — Padua, Italy: CEUR-WS, 2010. Vol. 1176. http://ceur-ws.org/Vol-1176/CLEF2010wn- PAN-MuhrEt2010.pdf.
  8. Kestemont M., Luyckx K., Daelemans W Intrin¬sic plagiarism detection using character trigram dis¬tance scores // Working Notes for CLEF Confer¬ence / Eds. V. Petras, P. Forner, P. Clough, N. Fer¬ro. — Amsterdam, The Netherlands: CEUR-WS, 2011. Vol. 1177. http://ceur-ws.org/Vol-1177/CLEF2011wn- PAN-KestemontEt2011.pdf.
  9. Potthast M., Eiselt A., Cedern L.A., Stein B., Rosso P. Overview of the 3rd international competition on pla¬giarism detection // Working Notes for CLEF Confer¬ence / Eds. V. Petras, P. Forner, P. Clough, N. Fer¬ro. — Amsterdam, The Netherlands: CEUR-WS, 2011. Vol. 1177. http://ceur-ws.org/Vol-1177/CLEF2011wn- PAN-PotthastEt2011a.pdf.
  10. Fodor I. K. A survey of dimension reduction techniques. Center for Applied Scientific Computing, Lawrence Liv-ermore National Laboratory, 2002. Technical Report. P. 1-18.
  11. Brooke J., Hirst G. Paragraph clustering for intrinsic plagiarism detection using a stylistic vector-space mod¬el with extrinsic features // Working Notes for CLEF Conference / Eds. P. Forner, J. Karlgren, C. Womser- Hacker, N. Ferro. — Rome, Italy: CEUR-WS, 2012. Vol. 1178.http://ceur-ws.org/Vol-1178/CLEF2012wn- PAN-BrookeEt2012.pdf.
  12. Brooke J., Hammond A., Hirst G. Unsupervised stylistic segmentation of poetry with change curves and extrin¬sic features // 1st NAACL-HLT Workshop on Com¬putational Linguistics for Literature Proceedings, 2012. Stroudsburg, PA, USA: Association for Computational Linguistics. P. 26-35.
  13. Gorban A. N, KeglB., Wunsch D. C., etal. Principal man¬ifolds for data visualization and dimension reduction. — Springer, 2008. 58 p.
  14. Tenenbaum J. B., De Silva V., Langford J. C. A global geometric framework for nonlinear dimensionality reduc-tion// Science, 2000. Vol. 290. Iss. 5500. P. 2319—2323.
  15. Belkin M., Niyogi P. Laplacian eigenmaps and spectral techniques for embedding and clustering // Advances in neural information processing systems / Eds. T. G. Diet- terich, S. Becker, Z. Ghahramani. — NIPS Foundation, Inc., 2001. Vol. 14. P. 585-591.
  16. Roweis S. T, Saul L. K. Nonlinear dimensionality reduc- tionby locally linear embedding// Science, 2000. Vol. 290. Iss. 5500. P. 2323-2326.
  17. Donoho D. L., Grimes C. Hessian eigenmaps: Locally lin¬ear embedding techniques for high-dimensional data // P. Natl. Acad. Sci. USA, 2003. Vol. 100. No. 10. P. 5591¬5596.
  18. Zhang Z., Zha H. Principal manifolds and nonlinear di-mensionality reduction via tangent space alignment // J. Shanghai University (English Edition), 2004. Vol. 8. No. 4. P. 406-424.
  19. Weinberger K.Q., Saul L. K. Unsupervised learning of image manifolds by semidefinite programming // Int. J. Comput. Vision, 2006. Vol. 70. No. 1. P. 77-90.
  20. Chen C., Zhang J., Fleischer R. Distance approximating dimension reduction of Riemannian manifolds // IEEE T. Syst. Man Cy. B, 2010. Vol. 40. No. 1. P. 208-217.
  21. Van der Maaten L. Learning a parametric embedding by preserving local structure // RBM, 2009. Vol. 500. P. 26.
  22. Van der Maaten L. Accelerating t-SNE using tree-based algorithms // J. Mach. Learn. Res., 2014. Vol. 15. No. 1. P. 3221-3245.
  23. Kim H., Park H., Zha H. Distance preserving dimen¬sion reduction for manifold learning // SIAM Confer¬ence (International) on Data Mining Proceedings, 2007. P. 527-532.
  24. Bottou L. Stochastic gradient descent tricks // Neural net-works: Tricks of the trade / Eds. G. Montavon, G. B. Orr, K.-R. Muller. — Lecture notes in computer science ser. — 2nd ed. — Berlin-Heidelberg: Springer, 2012. Vol. 7700. P. 421-436.
  25. Potthast M., Stein B., Barmn-Cedeno A., Rosso P. An evaluation framework for plagiarism detection // 23rd Conference (International) on Computational Linguis¬tics Posters, 2010. P. 997-1005.

ОПРЕДЕЛЕНИЕ ЗАИМСТВОВАНИЙ В ТЕКСТЕ БЕЗ УКАЗАНИЯ ИСТОЧНИКА

  • К. Ф. Сафин Московский физико-технический институт; ЗАО «Анти-плагиат», kamil.safln@phystech.edu
  • М. П. Кузнецов ООО «Форексис», mikhail.kuznecov@phystech.edu
  • М. В. Кузнецова Московский физико-технический институт; ЗАО «Анти-плагиат», kuznetsova@ap-team.ru

Литература

  1. Никитов А.В., Орчаков О.А., Чехович Ю.В. Плагиат в работах студентов и аспирантов: проблема и мето¬ды противодействия // Университетское управление: практика и анализ, 2012. № 5. С. 61-68.
  2. Zechner M., MuhrM., Kern R., Granitzer M. External and intrinsic plagiarism detection using vector space models // CEUR Workshop Proceedings, 2009. Vol. 502. P. 47-55.
  3. Tschuggnall M., Specht G. Countering plagiarism by ex¬posing irregularities in authors grammars // European In¬telligence and Security Informatics Conference. — IEEE, 2013. P. 15-22.
  4. Eissen S. M., Stein B. Intrinsic plagiarism detection // Ad-vances in information retrieval / Eds. M. Lalmas, A. Mac- Farlane, S. M. Ruger, et al. — Lecture notes in computer science ser. — Springer, 2006. Vol. 3936. P. 565-569.
  5. Stamatatos E. Intrinsic plagiarism detection using char¬acter n-gram profiles // CEUR Workshop Proceedings, 2009. Vol. 502. P. 38-46.
  6. Oberreuter G., L’Huillier G., Rios S. A., Velasquez J.D. Outlier-based approaches for intrinsic and external pla¬giarism detection // Knowlege-based and intelligent infor¬mation and engineering systems / Eds. A. Konig, A. Den- gel, K. Hinkelmann, et al. — Lecture notes in computer science ser. — Springer, 2011. Vol. 6882. P. 11-20.
  7. Bensalem I. Rosso P., Chikhi S. Intrinsic plagiarism de¬tection using n-gram classes // Conference on Empirical Methods in Natural Language Processing Proceedings. — Stroudsburg, PA, USA: Association for Computational Linguistics, 2014. P. 1459-1464.
  8. Vartapetiance A., Gillam L. Quite simple approach¬es for authorship attribution, intrinsic plagiarism de¬tection and sexual predator identification. http:// epubs.surrey.ac.uk/id/eprint/766727.
  9. Kuznetsov M., Motrenko A., Kuznetsova R., Strijov V. Meth¬ods for intrinsic plagiarism detection and author diariza- tion. http://ceur-ws.org/Vol-1609/16090912.pdf.
  10. Potthast M., Stein B., Barron-Cedeno A., Rosso P. An evaluation framework for plagiarism detection // 23rd Conference (International) on Computational Linguis¬tics Proceedings. — Stroudsburg, PA, USA: Association for Computational Linguistics, 2010. P. 997-1005.

ПСИХОЛИНГВИСТИЧЕСКИЙ АНАЛИЗ РУССКОЯЗЫЧНЫХ ТЕКСТОВЫХ СООБЩЕНИЙ НА ОСНОВЕ ИХ ФОНОСЕМАНТИЧЕСКИХ СТАТИСТИЧЕСКИХ ХАРАКТЕРИСТИК

  • А. С. Сигов Московский технологический университет (МИРЭА), assigov@yandex.ru
  • Д. А. Акимов Московский технологический университет (МИРЭА), akimov_d@miTea.ru
  • Д. О. Жуков Московский технологический университет (МИРЭА), zhukovdm@yandex.ru
  • Е. Г. Андрианова Московский технологический университет (МИРЭА), dtghmflysq@gmaii.com
  • В. Е. Сачков Московский технологический университет (МИРЭА), megawatto@mail.ru
  • В. К. Раев Московский технологический университет (МИРЭА), raev@mirea.ru

Литература

  1. Johansson F., Brynielsson J., HorlingP., Malm M., Marten- son C., Truve S., Rosell M. Detecting emergent conflicts through Web Mining and Visualization // 2011 Euro¬pean Intelligence and Security Informatics Conference Proceedings. — IEEE, 2011. P. 346—353.
  2. Kennison S. M. Introduction to language development. — Los Angeles, CA, USA: SAGE Publications Inc., 2014. 496 p.
  3. Brown R., LenneberE. A study in language and cognition // J. Abnorm. Soc. Psych., 1954. Vol. 49. P 454-462.
  4. Rethinking linguistic relativity / Eds. J. J. Gumperz, S. C. Levinson. — Studies in the social and cultural foundations of language ser. — Cambridge: Cambridge University Press, 1999. No. 17. 488 p.
  5. Slobin D. I. Two ways to travel: Verbs of motion in English and Spanish // Grammatical Constructions: Their form and meaning / Eds. M. Shibatani, S. A. Thompson. — Oxford: Clarendon Press, 1996. P 195-220.
  6. Barbian G. Detecting hidden friendship in online So¬cial Networks // 2011 European Intelligence and Securi¬ty Informatics Conference Proceedings. — IEEE, 2011. P. 269-272.
  7. Горелов И. Н., Седов К. Ф. Основы психолингвисти¬ки. — М.: Лабиринт, 2001. 304 с.
  8. Сидоренко Е. В. Методы математической обработки в психологии. — СПб.: Речь, 2002. 350 с.
  9. Журавлев А. П. Звук и смысл. — М.: Просвещение, 1991. 160 с.
  10. Vybornova O., Smirnov I., Sochenkov I., Kiselyov A., Tikhomirov I., Chudova N., Kuznetsova Y., Osipov G. So¬cial tension detection and intention recognition using Natural Language Semantic Analysis //2011 European Intelligence and Security Informatics Conference Pro¬ceedings. — IEEE, 2011. P 277-281.
  11. Тихомиров И. А., Смирнов И. В. Интеграция лингви-стических и статистических методов поиска в поис-ковой машине Exactus// Компьютерная лингвистика и интеллектуальные технологии: Тр. междунар. конф. «Диалог-2008». — М.: РГГУ, 2008. С. 485-491.
  12. Cambria E., Havaci E., Hussain A. A. Semantic and affec¬tive resource for opinion mining and sentiment analysis // 25th Florida Artificial Intelligence Research Society Con¬ference (International) Proceedings. — Palo Alto, CA, USA: AAAI Press, 2012. P. 202-207.
  13. Hoijer H. The Sapir-Whorf hypothesis // Conference on the Interrelations of Language and Other Aspects of Culture Proceedings: Memoirs of the American Anthro¬pological Association, Comparative Studies of Cultures and Civilizations. — Chicago, IL, USA: University of Chicago Press, 1954. No. 3. P. 92-105.

ВЕРОЯТНОСТНАЯ МОДЕЛЬ СОВМЕСТНОГО ИСПОЛЬЗОВАНИЯ РЕСУРСОВ БЕСПРОВОДНОЙ СЕТИ С АДАПТИВНЫМ УПРАВЛЕНИЕМ МОЩНОСТЬЮ

  • И. А. Гудкова Российский университет дружбы народов; Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук, gudkovaja@rudn.university
  • С. Я. Шоргин Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук, sshorgm@ipiran.ru

Литература

  1. Cisco Visual Networking Index: Global Mobile Data Traffic Forecast Update, 2016—2021 White Paper. March 28, 2017. http://www.cisc0.c0m/c/en/us/ solutions/collateral/service-provider/visual-networking- index-vni/mobile-white-paper-c11-520862.html.
  2. Andrews J., Buzzi S., Choi W., Hanly S. V., Lozano A., Soong C. K., Zhang J. C. What will 5G be? // IEEE J. Sel. Area. Comm., 2014. Vol. 32. P. 1065—1082.
  3. ETSI TR 103 113. Electromagnetic compatibility and Radio spectrum Matters (ERM); System Reference document (SRdoc); Mobile broadband services in the 2 300 MHz —2400 MHz frequency band under Licensed Shared Access regime. v1.1.1. July 2013. http:/ / www.etsi.org/deliver/etsi_tr/103100_103199/103113/ 01.01.01_60/tr_103113v010101p.pdf.
  4. ETSI TR 103 154. Reconfigurable Radio Systems (RRS); System requirements for operation of Mobile Broadband Systems in the 2 300 MHz —2400 MHz band under Licensed Shared Access (LSA). v1.1.1. October 2014. http://www.etsi.org/deliver/etsi_TS/103100_103199/103154/01.01.01_60/ts_103154v010101p.pdf.
  5. ETSI TR 103 235. Reconfigurable Radio Systems (RRS); System architecture and high level procedures for opera¬tion of Licensed Shared Access (LSA) in the 2 300 MHz—2400 MHz band. v1.1.1. October 2015. http://www.etsi.org/deliver/etsi_ts%5C103200_103299%5C103235%5C01.01.01_60%5Cts_103235v010101p.pdf.
  6. Buckwitz K., Engelberg J., Rausch G. Licensed Shared Access (LSA) — regulatory background and view of Ad-ministrations // 9th Conference (International) on Cog¬nitive Radio Oriented Wireless Networks. — IEEE, 2014. P 413—416.
  7. Ahokangas P., Matinmikko M., Yrjola S., Mustonen M. Posti H., Luttinen E, KivimcikiA. Business models for mo¬bile network operators in Licensed Shared Access (LSA) // IEEE Symposium (International) on Dynamic Spectrum Access Networks. — IEEE, 2014. P 263—270.
  8. Borodakiy V. Y., Samouylov K. E, Gudkova I. A., Ostriko- va D. Y, Ponomarenko A. A., TurlikovA. M., Andreev S. D. Modeling unreliable LSA operation in 3GPP LTE cel¬lular networks // 6th Congress (International) on Ultra Modern Telecommunications and Control Systems and Workshops Proceedings. — Piscataway, NJ, USA: IEEE, 2015. P. 490-496.
  9. Ponomarenko-Timofeev A., Pyattaev A., Andreev S., Kou- cheryavy Ye., Mueck M., Karls I. Highly dynamic spec¬trum management within licensed shared access regula¬tory framework // IEEE Commun. Mag., 2015. Vol. 54. No. 3. P 100-109.
  10. Gudkova I. A., Samouylov K.E., Ostrikova D.Y., MokrovE. V., Ponomarenko-Timofeev A. A., Andreev S. D., Koucheryavy Y. A. Service failure and interruption prob¬ability analysis for Licensed Shared Access regulatory framework// 7th Congress (International) on Ultra Mod¬ern Telecommunications and Control Systems and Work¬shops Proceedings. — Piscataway, NJ, USA: IEEE Com¬puter Society, 2015. P 123-131.
  11. Samouylov K., Gudkova I., Markova E, Yarkina N. Queu¬ing model with unreliable servers for limit power policy within Licensed Shared Access framework // Internet of things, smart spaces, and next generation networks and systems / Eds. O. Galinina, S. Balankin, Y. Kouch- eryavy. — Lecture notes in computer science ser. — Springer, 2016. Vol. 9870. P 404-413.
  12. Galinina O., Andreev S. D., Gerasimenko M., Koucherya- vy Y.A., Himayat N., Yeh S.-P., Talwar S. Capturing spatial randomness of heterogeneous cellular/WLAN de¬ployments with dynamic traffic // IEEE J. Sel. Area. Comm., 2014. Vol. 32. No. 6. P 1083-1099.
  13. Ahmadian A., Galinina O., Gudkova I., Andreev S., Shorgin S., Samouylov K. On capturing spatial diversi¬ty of joint M2M/H2H dynamic uplink transmissions in 3GPP LTE cellular system // Internet of things, smart spaces, and next generation networks and systems / Eds. S. Balandin, S. Andreev, Y. Koucheryavy. — Lecture notes in computer science ser. — Springer, 2014. Vol. 9247. P. 407-421.
  14. Samouylov K., Gudkova I., Markova E, Dzantiev I. On analyzing the blocking probability of M2M transmissions for a CQI-based RRM scheme model in 3GPP LTE // Comm. Com. Inf. Sci., 2016. Vol. 638. P 327-340.
  15. Gudkova I., Markova E, Masek P., Andreev S., Hosek J., Yarkina N., Samouylov K., Koucheryavy Y. Modeling the utilization of a multi-tenant band in 3GPP LTE system with Licensed Shared Access // 8th Congress (Interna¬tional) on Ultra Modern Telecommunications and Con¬trol Systems and Workshops Proceedings. — Piscataway, NJ, USA: IEEE, 2016. P. 179-183.

СИСТЕМА МАССОВОГО ОБСЛУЖИВАНИЯ С ОГРАНИЧЕННЫМИ РЕСУРСАМИ И СИГНАЛАМИ ДЛЯ АНАЛИЗА ПОКАЗАТЕЛЕЙ ЭФФЕКТИВНОСТИ БЕСПРОВОДНЫХ СЕТЕЙ

  • К. Е. Самуйлов Российский университет дружбы народов; Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук, samouylov_ke@rudn.university
  • Э. С. Сопин Российский университет дружбы народов; Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук, sopin_es@rudn.university
  • С. Я. Шоргин Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук, sshorgm@ipiran.ru

Литература

  1. Boban M., Barros J., Tonguz O.K. Geometry-based vehicle-to-vehicle channel modeling for large-scale sim¬ulation // IEEE T. Veh. Technol., 2014. Vol. 63. No.9. P. 4146-4164.
  2. Khan M., Han K. An optimized network selection and handover triggering scheme for heterogeneous self-organized wireless networks // Math. Probl. Eng., 2014. Vol. 2014. No. 2. P. 173068-1-173068-11. https://www. hindawi.com/journals/mpe/2014/173068.
  3. Fowler S., Hall C. H, Yuan D., Baravdish D., Mellouk A. Analysis of vehicular wireless channel communication via queueing theory model// IEEE Conference (Internation¬al) on Communications. — Piscataway, NJ, USA: IEEE, 2014. P. 1736-1741.
  4. Наумов В. А., Самуйлов К. Е. О моделировании систем массового обслуживания с множественными ресур¬сами // Вестник РУДН. Сер. Математика. Информа¬тика. Физика, 2014. № 3. C. 60-64.
  5. Naumov V., Samouylov K., Sopin E, Andreev S. Two approaches to analysis of queuing systems with limited re¬sources // Ultra Modern Telecommunications and Con¬trol Systems and Workshops Proceedings. — Piscataway, NJ, USA: IEEE, 2014. P. 485-488.
  6. Elshaer H, Boccardi F., Dohler M, Irmer R. Downlink and uplink decoupling: A disruptive architectural design for 5G networks // IEEE Global Communications Con¬ference Proceedings. — Piscataway, NJ, USA: IEEE, 2014. P. 1798-1803.
  7. Singh S., Zhang X., Andrews J. Joint rate and SINR coverage analysis for decoupled uplink downlink bi-ased cell associations in HetNets // IEEE T. Wirel. Commun., 2015. Vol. 14. No. 10. P. 5360-5373. doi: 10.1109/TWC.2015.2437378.
  8. Наумов В. А., Самуйлов К. Е, Самуйлов А. К. О суммар-ном объеме ресурсов, занимаемых обслуживаемыми заявками // Автоматика и телемеханика, 2016. № 8. C. 125-132.
  9. Bartolini N., ChlamtacI. Call admission control in wireless multimedia networks // 13th IEEE Symposium (Interna¬tional) on Personal, Indoor and Mobile Radio Communi¬cations Proceedings. — Piscataway, NJ, USA: IEEE, 2002. Vol. 1. P. 285-289. doi: 10.1109/PIMRC.2002.1046706.
  10. Naumov V., Samouylov K., Yarkina N, Sopin E, And¬reev S., Samuylov A. LTE performance analysis using queuing systems with finite resources and random require-ments // 7th Congress on Ultra Modern Telecommuni¬cations and Control Systems Proceedings. — Piscataway, NJ, USA: IEEE, 2015. P. 100-103.
  11. Вихрова О. Г. К вычислению вероятностных характе¬ристик СМО ограниченной емкости со случайными требованиями к ресурсам // Вестник РУДН. Сер. Математика. Информатика. Физика, 2017. Т. 25. № 3. C. 203-210.
  12. Вихрова О. Г., Самуйлов К. Е, Сопин Э. С., Шоргин С. Я. К анализу показателей качества обслуживания в со¬временных беспроводных сетях // Информатика и её применения, 2015. Т. 9. Вып. 4. С. 48-55.

REVISITING JOINT STATIONARY DISTRIBUTION IN TWO FINITE CAPACITY QUEUES OPERATING IN PARALLEL

  • L. Meykhanadzhyan School No. 281 of Moscow, 7 Raduzhnaya Str. Moscow 129344, Russian Federation
  • S. Matyushenko Peoples’ Friendship University of Russia (RUDN University), 6 Miklukho-Maklaya Str., Moscow 117198, Russian Federation
  • D. Pyatkina Peoples’ Friendship University of Russia (RUDN University), 6 Miklukho-Maklaya Str., Moscow 117198, Russian Federation
  • R. Razumchik Peoples’ Friendship University of Russia (RUDN University), 6 Miklukho-Maklaya Str., Moscow 117198, Russian Federation; Institute of Informatics Problems, Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences; 44-2 Vavilova Str., Moscow 119333, Russian Federation

СОВМЕСТНОЕ СТАЦИОНАРНОЕ РАСПРЕДЕЛЕНИЕ ЧИСЛА ЗАЯВОК В СИСТЕМЕ С ДВУМЯ ОЧЕРЕДЯМИ КОНЕЧНОЙ ЕМКОСТИ И ОБЩИМ ВХОДЯЩИМ ПОТОКОМ

  • Л. А. Мейханаджян Школа № 281 города Москвы
  • С. И. Матюшенко Российский университет дружбы народов
  • Д. А. Пяткина Российский университет дружбы народов
  • Р. В. Разумчик Российский университет дружбы народов; Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук

Литература

  1. El-hady E., Brzdek J., Nassar H. On the structure and solutions of functional equations arising from queue¬ing models //Aequationes Math., 2017. Vol. 91. No.3. P. 445-477.
  2. Kingman J. F. C. Two similar queues in parallel // Ann. Math. Stat., 1961. Vol. 32. No. 4. P. 1314-1323.
  3. Hunter J. J. Two queues in parallel // J. Roy. Stat. Soc. B, 1969. Vol. 31. P. 432-445.
  4. Flatto L., Hahn S. Two parallel queues created by arrivals with two demands I // SIAM J. Appl. Math., 1984. Vol. 44. No. 5. P. 1041-1053.
  5. Flatto L. Two parallel queues created by arrivals with two demands II // SIAM J. Appl. Math., 1985. Vol. 45. No. 5. P. 861-878.
  6. Rao B. M., Posner M. J. M. Algorithmic and approzima- tion analyses of the split and match queue // Commun. Stat. Stochastic Models, 1985. Vol. 1. No.3. P. 433¬456.
  7. Latouche G., Ramaswami V. Introduction to matrix ana-lytic methods in stochastic modeling. — Philadelphia, PA, USA: SIAM, 1999. 334 p.
  8. Bocharov P. P., D'Apice C., Pechinkin A. V., Salerno S. Queueing theory. — Utrecht: VSP Publishing, 2004. 450 p.
  9. Bavinck H, Hooghiemstra G., De Waard E. An applica¬tion of Gegenbauer polynomials in queueing theory // J. Comput. Appl. Math., 1993. Vol. 49. P. 1-10.
  10. Avrachenkov K. E, Vilchevsky N. O., Shevlyakov G. L. Pri-ority queueing with finite buffer size and randomized push-out mechanism // ACM Conference (Internation¬al) on Measurement and Modeling of Oomputer Systems Proceedings. — New York, NY, USA: ACM, 2003. Vol. 31. No. 1. P. 324-335.
  11. Razumchik R. V. Analysis of finite capacity queue with negative customers and bunker for ousted customers us¬ing Chebyshev and Gegenbauer polynomials // Asia Pac. J. Oper. Res., 2014. Vol. 31. No. 4. Id. 1450029.
  12. Зарядов И. С., Мейханаджян Л. А., Милованова Т. А., Разумчик Р. В. Метод нахождения стационарного рас¬пределения очереди в двухканальной системе с упо¬рядоченным входом конечной емкости // Системы и средства информатики, 2015. Т. 25. Вып. 3. С. 44¬59.
  13. Razumch ik R. V.Algebraic method for approximating j oint stationary distribution in finite capacity queue with neg¬ative customers and two queues // Информатикаиеёприменения, 2015. Т. 9. Вып. 4. C. 68-77.
  14. Hunter J. J. Further studies on two queues in parallel // Aust. NZ J. Stat., 1971. Vol. 13. No. 2. P. 83-93.
  15. Erdelyi A., Bateman H. Higher transcendental functions. Robert E. Krieger Publishing Co., 1985. Vol. II. 414 p.

ON PARALLELIZATION OF ASYMPTOTICALLY OPTIMAL DUALIZATION ALGORITHMS

  • E. V. Djukova Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences, 44-2 Vavilov Str., Moscow 119333, Russian Federation; M.V. Lomonosov Moscow State University, M.V. Lomonosov Moscow State University, 1-52 Leninskiye Gory, GSP-1, Moscow 119991, Russian Federation
  • A. G. Nikiforov Technische University of Munich, 21 Arcisstrasse, Munich 80333, Germany
  • P. A. Prokofyev Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences, 44-2 Vavilov Str., Moscow 119333, Russian Federation

О РАСПАРАЛЛЕЛИВАНИИ АСИМПТОТИЧЕСКИ ОПТИМАЛЬНЫХ АЛГОРИТМОВ ДУАЛИЗАЦИИ

  • Е. В. Дюкова Федеральный исследовательский центр «Информатика и управление» Российской академии наук; Московский государственный университет им. М. В. Ломоносова
  • А. Г. Никифоров Технический университет Мюнхена, г. Мюнхен, Германия
  • П. А. Прокофьев Федеральный исследовательский центр «Информатика и управление» Российской академии наук

Литература

  1. Johnson D., Papadimitriou C. On generating all maximal independent sets // Inform. Process. Lett., 1988. Vol. 27. No. 3. P. 119-123.
  2. Eiter T, Gottlob G., Makino K. New results on mono¬tone dualization and generating hypergraph transversals // SIAM J. Comput., 2003. Vol. 32. No. 2. P. 514-537.
  3. Fredman M., Khachiyan L. On the complexity of dual-ization of monotone disjunctive normal forms // J. Algo¬rithm., 1996. Vol. 21. No. 3. P. 618-628.
  4. Khachiyan L., Boros E., Elbassioni K., Gurvich V. An effi-cient implementation of a quasi-polynomial algorithm for generating hypergraph transversals and its application in joint generation // Discrete Appl. Math., 2006. Vol. 154. No. 16. P. 2350-2372.
  5. Boros E, Gurvich V., Elbassioni K., Khachiyan L. An ef-ficient incremental algorithm for generating all maximal independent sets in hypergraphs of bounded dimension // Parallel Processing Lett., 2000. Vol. 10. No. 4. P. 253-266.
  6. Boros E, Elbassioni K., Gurvich V., Khachiyan L. Gen-erating maximal independent sets for hypergraphs with bounded edge-intersections // Latin American Sympo¬sium on Theoretical Informatics, 2004. P. 488-498.
  7. Дюкова Е.В. Об асимптотически оптимальном ал-горитме построения тупиковых тестов // Докл. АН СССР, 1977. Т. 233. № 4. С. 527-530.
  8. Дюкова Е. В. О сложности реализации некорых про-цедур распознавания // Ж. вычисл. матем. матем. физ., 1987. Т. 27. № 1. P. 114-127.
  9. Djukova E., Zhuravlev Y. Discrete methods of information analysis in recognition and algorithm synthesis // Pattern Recognition Image Anal., 1977. Vol. 7. No. 2. P. 192-207.
  10. Дюкова Е, Журавлёв Ю. Дискретный анализ призна-ковых описаний в задачах распознавания большой размерности//Ж. вычисл. матем. матем. физ., 2000. Т. 40. №8. С. 1264-1278.
  11. Djukova E. Discrete recognition procedures: The com-plexity of realization // Pattern Recognition Image Anal., 2003. Vol. 13. No. 1. P. 8-10.
  12. Дюкова Е. О сложности реализации дискретных (ло¬гических) процедур распознавания//Ж. вычисл. ма- тем. матем. физ., 2004. Т. 44. № 3. С. 562-572.
  13. Дюкова Е. В., Инякин А. С. Асимптотически оптималь¬ное построение тупиковых покрытий целочисленной матрицы // Математические вопросы кибернетики, 2008. № 17. С. 235-246.
  14. Kudryavtsev V., Andreev A. Test recognition // J. Math. Sci., 2010. Vol. 169. No. 4. P. 457-480.
  15. Дюкова Е.В., Прокофьев П. А. Об асимптотически оптимальном перечислении неприводимых покры¬тий булевой матрицы // Прикладная дискретная ма¬тематика, 2014. № 1. С. 96-105.
  16. Murakami K., Uno T. Efficient algorithms for dualizing large-scale hypergraphs// CoRR, 2011. abs/1102.3813.
  17. Murakami K., Uno T. Efficient algorithms for dualizing large-scale hypergraphs // Discrete Appl. Math., 2014. Vol. 170. P. 83-94.
  18. Дюкова Е., Прокофьев П. Об асимптотически опти-мальных алгоритмах дуализации//Ж. вычисл. матем. матем. физ., 2015. Т. 55. № 5. С. 895-910.
  19. Khachiyan L., Boros E, Gurvich V., Elbassioni K. Com-puting many maximal independent sets for hypergraphs in parallel // Parallel Processing Lett., 2007. Vol. 17. No. 2. P. 141-152.
  20. Дюкова Е.В., Никифоров А. Г., Прокофьев П. А. Ста-тистически эффективная схема распараллеливания алгоритмов дуализации // Машинное обучение и ана¬лиз данных, 2014. Т. 1. №7. С. 843-853.

STATISTICAL DATA AS INFORMATION SOURCE FOR LINGUISTIC ANALYSIS OF RUSSIAN CONNECTORS

  • O. Inkova Institute of Informatics Problems, Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences, 44-2 Vavilov Str., Moscow 119333, Russian Federation
  • N. Popkova Institute of Informatics Problems, Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences, 44-2 Vavilov Str., Moscow 119333, Russian Federation

СТАТИСТИЧЕСКИЕ ДАННЫЕ КАК ИНФОРМАЦИОННАЯ ОСНОВА ЛИНГВИСТИЧЕСКОГО АНАЛИЗА КОННЕКТОРОВ РУССКОГО ЯЗЫКА

  • О. Ю. Инькова Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук
  • Н. А. Попкова Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук

Литература

  1. Инькова-Манзотти О. Ю. Коннекторы противопоставления во французском и русском языках. Сопоставительное исследование. — М.: Информэлектро, 2001. 434 с.
  2. Чжон Х. Х. Присоединительные скрепы в современном русском языке: синтаксис и семантика: Дис. . . . канд. филол. наук. — М.: МГУ им. М. В. Ломоносова, 2003. 190 с.
  3. Завьялов В.Н. Морфологические и синтаксические аспекты описания структуры союзов в современном русском языке: Дис. . . . д-ра филол. наук. — Влади¬восток: ДГУ, 2009. 393 с.
  4. Национальный корпус русского языка. http://www. ruscorpora.ru.
  5. Русская корпусная грамматика. http://rusgram.ru.
  6. Апресян В. Ю., Пекелис О. Е. Союз. — М., 2011. http:// rusgram.ru.
  7. Зализняк Анна А., Зацман И. М., Инькова О. Ю., Круж¬ков М. Г. Надкорпусные базы данных как лингвисти-ческий ресурс // Корпусная лингвистика-2015: Тр. междунар. конф. — СПб.: СПбГУ, 2015. С. 211-218.
  8. Зацман И. М., Инькова О. Ю., Кружков М. Г., Попко¬ва Н. А. Представление кроссязыковых знаний о кон-некторах в надкорпусных базах данных // Информа- тикаиеё применения, 2016. Т. 10. Вып. 1. С. 106-118.
  9. Инькова О. Ю., Кружков М. Г. Надкорпусные русско- французские базы данных глагольных форм и кон¬некторов // Lingue slave in confronto / Eds. O. Inkova, A. Trovesi. — Bergamo: Bergamo University Press, 2016. С. 365-392.
  10. Зализняк Анна А., Зацман И. М., Инькова О. Ю. Над- корпусная база данных коннекторов: построение системы терминов // Информатика и её примене-ния, 2017. Т. 11. Вып. 1. С. 100-108.
  11. Добровольский Д.О., Кретов A.A., Шаров С.А. Кор¬пус параллельных текстов: архитектура и возможно-сти использования // Национальный корпус русского языка: 2003-2005. — М.: Индрик, 2005. С. 263-296.
  12. Инькова О.Ю., Попкова Н.А. Структура двухмест-ных коннекторов русского языка в свете корпусных данных // Компьютерная лингвистика и интеллекту¬альные технологии: По мат-лам ежегодной Между- нар. конф. «Диалог». — М.: РГГУ, 2016. Вып. 15(22). С. 200-213.
  13. Инькова О. Ю. К проблеме описания многокомпо-нентных коннекторов русского языка: не только... но и// Вопросы языкознания, 2016. № 2. С. 37-60.
  14. Кобозева И. М. Когнитивно-семантический подход к описанию средств связи предложений (на примере коннекторов со значением непосредственного следо¬вания) // Тр. Института русского языка им. В. В. Ви¬ноградова, 2016. Т. 11. С. 118-131.
  15. Попкова Н.А., Инькова О.Ю., Зацман И. М., Круж¬ков М. Г. Методика построения моноэквиваленций в надкорпусной базе данных коннекторов // Задачи современной информатики: Тр. 2-й научной конф. — М.: ФИЦ ИУ РАН, 2015. С. 143-153.
  16. Урысон Е. В. Союзы, коннекторы и теория валентно¬стей // Компьютерная лингвистика и интеллектуаль¬ные технологии: По мат-лам ежегодной Междунар. конф. «Диалог». — М.: РГГУ, 2012. Вып. 11(18). Т. 1. С. 627-637.

INDICATOR EVALUATION OF PROCESSES OF KNOWLEDGE TRANSFER FROM SCIENCE TO TECHNOLOGY

  • I. M. Zatsman Institute of Informatics Problems, Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences, 44-2 Vavilov Str., Moscow 119333, Russian Federation
  • G. V. Lukyanov Institute of Informatics Problems, Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences, 44-2 Vavilov Str., Moscow 119333, Russian Federation
  • V. A. Minin Institute of Informatics Problems, Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences, 44-2 Vavilov Str., Moscow 119333, Russian Federation
  • V. A. Havanskov Institute of Informatics Problems, Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences, 44-2 Vavilov Str., Moscow 119333, Russian Federation
  • S. K. Shubnikov Institute of Informatics Problems, Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences, 44-2 Vavilov Str., Moscow 119333, Russian Federation

ИНДИКАТОРНОЕ ОЦЕНИВАНИЕ ПРОЦЕССОВ ПЕРЕНОСА ЗНАНИЙ ИЗ ОБЛАСТИ НАУЧНЫХ ИССЛЕДОВАНИЙ В СФЕРУ ТЕХНОЛОГИЧЕСКОГО РАЗВИТИЯ

  • И. М. Зацман Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук
  • Г. В. Лукьянов Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук
  • В. А. Минин Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук
  • В. А. Хавансков Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук
  • С. К. Шубников Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук

Литература

  1. Narin F., Noma E. Is technology becoming science? // Scientometrics, 1985. Vol. 7. No. 3-6. P. 369—381.
  2. Mansfield E. Academic research and innovation // Res. Policy, 1991. Vol. 20. No. 1. P. 1-12.
  3. Schmoch U. Tracing the knowledge transfer from science to technology as reflected in patent indicators // Sciento¬metrics, 1993. Vol. 26. No. 1. P. 193-211.
  4. Mansfield E. Academic research underlying industrial in¬novations: Sources, characteristics and financing // Rev. Econ. Statistics, 1995. Vol. 77. No. 1. P. 55-62.
  5. Narin F., OlivastroD. Linkagebetween patents and papers: An interim EPO/US comparison// Scientometrics, 1998. Vol. 41. No. 1-2. P. 51-59.
  6. Mansfield E. Academic research and industrial innova-tion: An update of empirical findings // Res. Policy, 1998. Vol. 26. No. 7-8. P. 773-776.
  7. Tijssen R. J. W, Buter R. K., Van Leeuwen Th. N. Tech-nological relevance of science: An assessment of citation linkages between patents and research papers // Sciento¬metrics, 2000. Vol. 47. No. 2. P. 389-412.
  8. Van Looy B., Zimmermann E, Veugelers R., Verbeek A., Mello J., Debackere K. Do science-technology inter-actions pay on when developing technology? An ex-ploratory investigation of 10 science-intensive technology domains // Scientometrics, 2003. Vol. 57. No. 3. P. 355¬367.
  9. European Commission. 3rd European Report on Science & Technology Indicators. Luxembourg: Office for Official Publications of the European Communities, 2003. 451 p.
  10. Зацман И. М., Шубников С. К. Принципы обработки информационных ресурсов для оценки инноваци¬онного потенциала направлений научных исследо¬ваний // Электронные библиотеки: перспективные методы и технологии, электронные коллекции: Тр. IX Всеросс. научн. конф. — Переславль: Университет города Переславля, 2007. С. 35-44.
  11. Архипова М. Ю., Зацман И. М., Шульга С. Ю. Инди-каторы патентной активности в сфере информаци¬онно-коммуникационных технологий и методика их вычисления // Экономика, статистика и информати¬ка: Вестник УМО, 2010. №4. С. 93-104.
  12. Минин В. А., Зацман И. М., Кружков М. Г., Норе- кян Т.П. Методологические основы создания ин-формационных систем для вычисления индикаторов тематических взаимосвязей науки и технологий // Информатика и её применения, 2013. Т 7. Вып. 1. С. 70-81.
  13. Минин В. А., Зацман И. М., Хавансков В. А., Шубни¬ков С. К. Архитектурные решения для систем вычис-ления индикаторов тематических взаимосвязей нау¬ки и технологий // Системы и средства информатики, 2013. Т. 23. № 2. C. 260-283.
  14. Зацман И. М., Хавансков В. А., Шубников С. К. Метод извлечения библиографической информации из пол¬нотекстовых описаний изобретений // Информатика и её применения, 2013. Т 7. Вып. 4. С. 52-65.
  15. Хавансков В. А., Шубников С. К. Поиск и рубрициро- вание ссылок на цитируемые публикации в электрон¬ных библиотеках полнотекстовых описаний изобре¬тений // Электронные библиотеки: перспективные методы и технологии, электронные коллекции: Тр. XVI Всеросс. научн. конф. — Дубна: ОИЯИ, 2014. С. 165-173.
  16. Минин В. А., Зацман И. М., Хавансков В. А., Шубни¬ков С. К. Индикаторы тематических взаимосвязей на¬уки и технологий: от текста к числам // Информатика и ёе применения, 2014. Т 8. Вып. 3. С. 114-125.
  17. Минин В. А., Зацман И. М., Хавансков В. А., Шубни¬ков С. К. Индикаторы тематических взаимосвязей науки и информационно-компьютерных технологий в начале XXI века // Информатика и её применения, 2015. Т. 9. Вып. 2. С. 111-120.
  18. Минин В. А., Зацман И. М., Хавансков В. А., Шуб¬ников С. К. Интенсивность цитирования научных публикаций в изобретениях по информационно-компьютерным технологиям, патентуемых в России отечественными и зарубежными заявителями // Ин¬форматика и её применения, 2016. Т 10. Вып. 2. С. 107-122.
  19. Зацман И. М., Кожунова О. С. Семантический сло-варь системы информационного мониторинга в сфе¬ре науки: задачи и функции // Системы и средства информатики, 2007. Т. 17. № 1. С. 124-141.
  20. Zatsman I., Kozhunova O. Evaluating for institutional academic activities: Classification scheme for R&D indi¬cators // 10th Conference (International) on Science and Technology Indicators: Book of abstracts. — Vienna: ARC GmbH, 2008. P. 428-431.
  21. Zatsman I., Kozhunova O. Evaluation system for the Russian Academy of Sciences: Objectives-resources- results approach and R&D indicators // 2009 Atlanta Conference on Science and Innovation Policy Pro¬ceedings / Eds. S. E. Cozzens, P. Catabn. http:// smartech.gatech.edu/bitstream/1853/32300/1/104- 674-1-PB.pdf.
  22. Zatsman I., Durnovo A. Incompleteness problem of indi¬cators system of research programme // 11th Conference (International) on Science and Technology Indicators: Book of abstracts. — Leiden: CWTS, 2010. P. 309-311.
  23. Зацман И. М., Дурново А. А. Моделирование процес-сов формирования экспертных знаний для монито¬ринга программно-целевой деятельности // Инфор¬матика и её применения, 2011. Т. 5. Вып. 4. С. 84-98.
  24. Стандарт ST. 14. Рекомендации по включению ссы¬лок, цитируемых в патентных документах // Спра¬вочник по информации и документации в об¬ласти промышленной собственности. — WIPO, 2016. С. 3-14-1-3-14-12. http://www.rupto.ru/docs/ interdocs/stand_wipo/03_14_01.pdf.
  25. Государственный рубрикатор научно-технической информации (ГРНТИ). http://grnti.ru.

 
© 2016 Институт проблем информатики Российской Академии наук Русский | English     Контакты