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

Институт проблем информатики Российской Академии наук



«Информатика и ее применения» (Том 11, Выпуск 1, 2017)

Оглавление | Аннотации | Об авторах

Библиография

АНАЛИТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ШИРОКОПОЛОСНЫХ ПРОЦЕССОВ В СТОХАСТИЧЕСКИХ СИСТЕМАХ, НЕ РАЗРЕШЕННЫХ ОТНОСИТЕЛЬНО ПРОИЗВОДНЫХ

  • И. Н. Синицын   Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, sinitsin@dol.ru

Литература

  1. Пугачёв В. С., Синицын И. Н. Стохастические дифференциальные системы. Анализ и фильтрация. - М.: Наука, 1990. 632 с. (Pugachev V. S., Sinitsyn I. N. Stochas-tic differential systems. Analysis and filtering. - Chich-ester-New York, NY, USA: Jonh Wiley, 1987. 549 p.)
  2. Пугачёв В. С., Синицын И. Н. Теория стохастических систем. - М.: Логос, 2000; 2004. 1000 с.
  3. Синицын И.Н. Канонические представления случайных функций и их применение в задачах компьютерной поддержки научных исследований. - М.: ТОРУС ПРЕСС, 2009. 768 с.
  4. Синицын И.Н., Синицын В. И. Лекции по нормальной и эллипсоидальной аппроксимации распределений в стохастических системах. - М.: ТОРУС ПРЕСС, 2013. 488 с.
  5. Синицын И.Н. Параметрическое статистическое и аналитическое моделирование распределений в нелинейных стохастических системах на многообразиях// Ин-форматика и её применения, 2013. Т. 7. Вып. 2. С. 4-16.
  6. Синицын И.Н., Синицын В. И. Аналитическое моделирование нормальных процессов в стохастических системах со сложными нелинейностями // Информатика и её применения, 2014. Т. 8. Вып. 3. С. 2-4.
  7. Синицын И. Н., Синицын В. И., Сергеев И. В., Корепа- нов Э. Р., Белоусов В. В., Шоргин В. С. Математическое обеспечение аналитического моделирования стоха-стических систем со сложными нелинейностями // Системы и средства информатики, 2014. Т. 24. №3. С. 4-29.
  8. Справочник по специальным функциям / Под ред. М. Абрамовича, И. Стигана. - М.: Наука, 1979. 832 с.
  9. Попов Б.А.,Теслер Г.С. Вычисление функций на ЭВМ: Справочник. - Киев: Наукова думка, 1984. 599 с.

КЛАССИФИКАЦИЯ ПО НЕПРЕРЫВНЫМ НАБЛЮДЕНИЯМ С МУЛЬТИПЛИКАТИВНЫМИ ШУМАМИ I: ФОРМУЛЫ БАЙЕСОВСКОЙ ОЦЕНКИ

  • А. В. Борисов   Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, aborisov@frccsc.ru

Литература

  1. Bar-Shalom Y, Li X., Kirubarajan T. Estimation with ap-plications to tracking and navigation: Theory, algorithms and software. - New York, NY, USA: John Wiley, 2004. 548 p.
  2. Liu S., Basar T, Srikant R. TCP-Illinois: A loss- and delay-based congestion control algorithm for high-speed networks // Perform. Evaluation, 2008. Vol. 65. No. 6. P. 417-440.
  3. Ait-Sahalia Y., Jacod J. High-frequency financial econometrics. - Princeton, NJ, USA: Princeton University Press, 2014. 688 p.
  4. Whitt W. Stochastic-process limits: An introduction to stochastic-process limits and their application to queues. - New York, NY, USA: Springer, 2002. 602 p.
  5. Elliott R. J, Malcolm W. P., Tsoi A. H. Robust parameter estimation for asset price models with Markov modulated volatilities // J. Econ. Dyn. Control, 2003. Vol. 27. No. 8. P. 1391-1409.
  6. Rajasekaran P., Satyanarayana N., Srinath M. Optimum linear estimation of stochastic signals in the presence of multiplicative noise//IEEE Trans. Aero. Elec. Sys., 1971. Vol. 7. No. 5. P. 462-468.
  7. McLane P. J. Optimal linear filtering for linear systems with state-dependent noise//Int. J. Control, 1969. Vol. 10. No. 1. P. 41-51.
  8. Crisan D., Kouritzin M., Xiong J? Nonlinear filtering with signal dependent observation noise // Electron. J. Probab., 2009. Vol. 14. P. 1863-1883.
  9. Cvitanic J., Rozovskii B., Zaliapin I. Numerical estimation of volatility values from discretely observed diffusion data//J. Comput. Financ., 2006. Vol. 9. No. 4. P 1-36.
  10. Panda M., Vu H.L., Mandjes M., Pokhrel S.R. Performance analysis of TCP NewReno over a cellular last-mile: Buffer and channel losses // IEEE Trans. Mobile Comput., 2015. Vol. 14. No. 8. P 1629-1643.
  11. Липцер Р.Ш., Ширяев А.Н. Теория мартингалов. - М.: Наука, 1986. 512 c.
  12. Стоянов Й. Контрпримеры в теории вероятностей / Пер. с англ. - М.: МЦНМО, 2014. 296 с. (Stoyanov J. Counterexamples in probability. - New York, NY, USA: John Wiley, 1987. 313 p.)
  13. Takeuchi Y, Akashi H. Least-squares state estimation of systems with state-dependent observation noise // Auto- matica, 1985. Vol. 21. No. 3. P. 303-313.
  14. Joannides M., LeGland F. Nonlinear filtering with con-tinuous time perfect observations and noninformative quadratic variation // 36th IEEE Conference on Decision and Control Proceedings. - New York, NY, USA: IEEE, 1997. P. 1645-1650.
  15. Липцер Р.Ш., Ширяев А.Н. Статистика случайных процессов. - М.: Наука, 1974. 512 с.
  16. Магнус Я. Р., Нейдеккер X. Матричное дифференциальное исчисление с приложениями к статистике и эконометрике / Пер. с англ. - М.: Физматлит, 2002. 496 c. (Magnus J., Neudecker H. Matrix differential calculus with applications in statistics and econometrics. - New York, NY, USA: John Wiley, 1988. 424 p.)

ОБРАТИМОЕ СЖАТИЕ ДАННЫХ ПОСРЕДСТВОМ УНИВЕРСАЛЬНОГО АРИФМЕТИЧЕСКОГО КОДИРОВАНИЯ

  • А. И. Стефанович   Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, astefanovich@ipiran.ru
  • Д. В. Сушко   Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, dsushko@ipiran.ru

Литература

  1. Сушко Д. В., Штарьков Ю.М. О сжатии томографических данных // Информационные процессы, 2008. Т. 8. № 4. С. 240-255.
  2. Witten I. H, Neal R. M, Cleary J. G. Arithmetic coding for data compression // Commun. ACM, 1987. Vol. 30. No. 6. P. 520-540.
  3. Сушко Д. В. Выбор состояний источника при сжатии томограмм //Информационные процессы, 2010. Т. 10. № 3. С. 237-244.
  4. Sushko D. V. Choice of source states for compression of tomograms // J. Commun. Technol. El., 2011. Vol. 56. No. 6. P. 716-721.
  5. Сушко Д. В., Штарьков Ю. М. Вейвлет-преобразования и сжатие компьютерных томограмм // Информационные процессы, 2009. Т. 9. №2. С. 105-115.
  6. Добеши И. Десять лекций по вейвлетам / Пер. с англ. - Ижевск: Регулярная и хаотическая динамика, 2001. 464 с. (Daubechies I. Ten lectures on wavelets. - CBMS- NSF regional conference ser. in applied mathematics. - SIAM, 1992. Vol. 61. 377 p.)
  7. Le Gall D., Tabatabai A. Sub-band coding of digital images using symmetric short kernel filters and arithmetic coding techniques // IEEE Conference (International) on Acoustics, Speech, and Signal Processing Proceedings, 1988. P. 761-764.
  8. Sweldens W. The lifting scheme: Acustom-design construction of biorthogonal wavelets // Appl. Comput. Harmon. Anal., 1996. Vol. 3. No. 2. P. 186-200.

ВЕРОЯТНОСТНЫЕ МОДЕЛИ ОЦЕНКИ УСТОЙЧИВОСТИ ПРОГРАММ К КРАТКОВРЕМЕННЫМ АППАРАТНЫМ СБОЯМ

  • С. Л. Френкель   Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, fsergei51@gmail.com
  • В. Н. Захаров   Федеральный исследовательский центр "Информатика и управление" Российской академии наук, VZakharov@ipiran.ru
  • Б. М. Басок   Московский технологический университет (МИРЭА), VM_E@mail.ru

Литература

  1. Li X., Adve S. V., Bose P., Rivers J. A. Softarch: An architecture level tool for modeling and analyzing soft errors // Conference (International) on Dependable Systems and Networks (DSN) Proceedings. - Yokohama, Japan, 2005. P. 496-505.
  2. Darbar A., Al-Hashimi B., Harrod P., Bradley D. A new approach for transient fault injection using symbolic simulation // 14th IEEE On-Line Testing Symposium (In-ternational) Proceedings, 2008. P. 93-98.
  3. Frenkel S., Pechinkin A. Estimation of self-healing time for digital systems under transient faults // Информатика и её применения, 2010. Т 4. Вып. 3. С. 2-8.
  4. Френкель С. Л., Захаров В.Н., Ушаков В. Г. Вероятностная верификация при проектировании вычислительных систем // Инструменты и методы анализа программ (TMPA-2014): Мат-лы междунар. науч.- практич. конф. - Кострома: КГТУ, 2014. С. 148-155.
  5. Li X., Yeung D. Application-level correctness and its impact on fault tolerance // 16th Symposium (International) on High-Performance Computer Architecture. - Banga-lore, India, 2010. P 220-225.
  6. Шалыто А.А., Туккель Н.И. SWITCH-технология - автоматный подход к созданию программного обес-печения "реактивных" систем // Программирование, 2001. №5. С. 45-62.
  7. Baranov S., Frenkel S., Zakharov V. Semiformal verification for pipelined digital designs based on Algorithmic State Machines // Информатика и её применения, 2010. Т 4. Вып. 3. C. 49-60.
  8. Baranov S. ASMs in high level synthesis of EDA tool Abelite // DESDes'09 IFAC Workshop (International) Proceedings. - Valensia, Spain, 2009. P. 195-200.
  9. Lala P. K., Kumar B. K. On self-healing digital system design // J. Microelectronics, 2006. Vol. 37. P. 353-362.
  10. Френкель C. Л, Либуркин Д. Л. Программа оценки времени самовосстановления цифровой системы после сбоя по ее высокоуровневой модели. Свидетельство о государственной регистрации программы для ЭВМ №2013661815 от 16.12.2013.

О НЕКОТОРЫХ МАТЕМАТИЧЕСКИХ И ПРОГРАММНЫХ МЕТОДАХ ПОСТРОЕНИЯ СТРУКТУРНЫХ МОДЕЛЕЙ ИНФОРМАЦИОННЫХ ПОТОКОВ

  • А. К. Горшенин   Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, agorshenin@frccsc.ru

Литература

  1. Королев В. Ю. Вероятностно-статистические методы декомпозиции волатильности хаотических процессов. - М.: Изд-во Моск. ун-та, 2011. 512 с.
  2. Королев В. Ю., Горшенин А. К., Гулев С. К., Беляев К. П. Статистическое моделирование турбулентных потоков тепла между океаном и атмосферой с помощью метода скользящего разделения конечных нормальных смесей // Информатика и её применения, 2015. Т. 9. Вып. 4. C. 3-13.
  3. Gorshenin A.K., Korolev V. Yu. A methodology for the identification of extremal loading in data flows in infor-mation systems // Comm. Com. Inf. Sc., 2016. Vol. 638. P. 94-103.
  4. Gorshenin A. K., Korolev V. Yu. A noising method for the identification of the stochastic structure of information flows// Comm. Com. Inf. Sc., 2016. Vol. 678. P. 1-11.
  5. Горшенин А. К., Кузьмин В. Ю. Применение архитектуры CUDA при реализации сеточных алгоритмов для метода скользящего разделения смесей // Системы и средства информатики, 2016. Т. 26. Вып. 4. С. 60-73.
  6. Горшенин А. К. Концепция онлайн-комплекса для стохастического моделирования реальных процессов // Информатика и её применения, 2016. Т. 10. Вып. 1. C. 72-81.
  7. Gorshenin A., Frenkel S., Korolev V. On a stochastic approach to a code performance estimation // AIP Conference Proceedings, 2016. Vol. 1738. 220010. 4 p.
  8. Gorshenin A., Kuzmin V. Online system for the construction of structural models of information flows // 7th Congress (International) on Ultra Modern Telecommunications and Control Systems and Workshops (ICUMT) Proceedings. - Piscataway, NJ, USA: IEEE, 2015. P. 216219.
  9. Gorshenin A., Kuzmin V. On an interface of the online system for a stochastic analysis of the varied information flows // AIP Conference Proceedings, 2016. Vol. 1738. 220009. 4 p.
  10. Korolev V. Yu., Gorshenin A. K., Gulev S. K., Belyaev K. P. Statistical modeling of air-sea turbulent heat fluxes by finite mixtures of Gaussian distributions // Comm. Com. Inf. Sc., 2015. Vol. 564. P. 152-162.
  11. Горшенин А. К. Программный модуль анализа ста-тистических характеристик осадков. Свидетельство о государственной регистрации программы для ЭВМ № 2016618864 от 09.08.2016.
  12. Горшенин А. К., Королев В. Ю. Программный модуль предсказания осадков на основе исторических паттернов. Свидетельство о государственной регистрации программы для ЭВМ№ 2016618887 от 09.08.2016.
  13. Leadbetter M.R. On a basis for "Peaks over Threshold" modeling// Stat. Probabil. Lett., 1991. Vol. 12. No.4. P 357-362.
  14. Gnedenko B. V., Korolev V. Yu. Random summation: Limit theorems and applications. - Boca Raton, FL, USA: CRC Press, 1996. 288 p.
  15. Balkema A., de Haan L. Residual life time at great age // Ann. Probab., 1974. Vol. 2. No. 5. P. 792-804.
  16. Pickands J., III. Statistical inference using extreme order statistics//Ann. Stat., 1975. Vol. 3. No. 1. P. 119-131.
  17. Brey J.J., Prados A. Stochastic resonance in a one- dimension Ising model // Phys. Lett. A, 1996. Vol. 216. P. 240-246.
  18. Kosko B., Mitaim S. Stochastic resonance in noisy threshold neurons // Neural Networks, 2003. Vol. 16. No. 5. P. 755-761.
  19. Osoba O., Mitaim S., Kosko B. The noisy Expectation- Maximization algorithm // Fluct. Noise Lett., 2013. Vol. 12. No.3. 1350012. 30 p.
  20. Ушаков В. Г., Ушаков Н. Г. Об усреднении округленных данных // Информатика и её применения, 2015. Т. 9. Вып. 4. С. 106-109.
  21. Kuzmin V.Yu., Gorshenin A.K., Ostroumov D.S., Uglit- skaya M. G. Application of GPU and parallel programming on grid methods // AIP Conference Proceedings, 2015. Vol. 1648. 250006. 4 p.
  22. Gorshenin A., Korolev V., Kuzmin V., Zeifman A. Coordinate-wise versions of the grid method for the anal-ysis of intensities of non-stationary information flows by moving separation of mixtures of gamma-distribution // 27th European Conference on Modelling and Simulation Proceedings. - Dudweiler, Germany: Digitaldruck Pirrot GmbH, 2013. P. 565-568.
  23. Горшенин А. К. Устойчивость масштабных смесей нормальных законов относительно смешивающего распределения // Системы и средства информатики, 2012. Т. 22. № 1. С. 136-148.
  24. Горшенин А. К. Об устойчивости сдвиговых смесей нормальных законов по отношению к изменениям смешивающего распределения // Информатика и её применения, 2012. Т. 6. Вып. 2. С. 22-28.
  25. Королев В., Корчагин А., Горшенин А. Некоторые свойства дисперсионно-сдвиговых смесей нормальных законов // Статистические методы оценивания и проверки гипотез, 2015. Вып. 26. С. 134-153.
  26. Gorshenin A. K. On implementation of EM-type algorithms in the stochastic models for a matrix computing on GPU // AIP Conference Proceedings, 2015. Vol. 1648. 250008. 4 p.
  27. 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. No. 6. P. 2022-2047.
  28. Горшенин А. К., Кагерманов Ш. Ш. Модуль графической идентификации пользователей веб-сервиса. Свидетельство о государственной регистрации про-граммы для ЭВМ № 2016661021 от 28.09.2016.
  29. Batanov G. M., Gorshenin A. K., Korolev V. Yu., Malakhov D. V., Skvortsova N. N. The evolution of probability characteristics of low-frequency plasma turbulence // Math. Models Computer Simulations, 2012. Vol. 4. Iss. 1. P. 10-25.

МНОГОУРОВНЕВЫЕ МОДЕЛИ РЕШЕНИЯ МНОГОКЛАССОВЫХ ЗАДАЧ РАСПОЗНАВАНИЯ

  • А. A. Докукин   Федеральный исследовательский центр "Информатика и управление" Российской академии наук, dalex@ccas.ru
  • В. В. Рязанов  Московский физико-технический институт (государственный университет), vasyarv@mail.ru
  • О. В. Шут   Белорусский государственный университет, olgashut@tut.by

Литература

  1. Журавлёв Ю. И. Корректные алгебры над множеством некорректных (эвристических) алгоритмов I // Ки-бернетика, 1977. №4. С. 14-21.
  2. Журавлёв Ю. И. Корректные алгебры над множеством некорректных (эвристических) алгоритмов II // Ки-бернетика, 1977. № 6. С. 21-27.
  3. Cortes C., Vapnik V. Support-vector networks // Mach. Learn., 1995. Vol. 20. No. 3. P. 273-297.
  4. Кузнецов В. А., Сенько О. В., Кузнецова А. В., Семенова Л. П., Алещенко А. В., Гладышева Т. Б., ИвшинаА. В. Распознавание нечетких систем по методу стати-стически взвешенных синдромов и его применение для иммуногематологической характеристики нормы и хронической патологии // Хим. физика, 1996. Т. 15. № 1. С. 81-100.
  5. Knerr S., Personnaz L, Dreyfus G. Single-layer learning revisited: A stepwise procedure for building and training neural network // Neurocomputing: Algorithms, archi-tectures and applications / Eds. F. F Soulie, J. Herault. - NATO ASI subser. F. - Berlin-Heidelberg: Springer- Verlag, 1990. Vol. 68. P. 41-50.
  6. Dietterich T. G., Bakiri G. Solving multiclass learning prob-lems via error-correcting output codes // J. Artif. Intell. Res., 1995. No. 2. P. 263-286.
  7. Allwein E., Shapire R, Singer Y. Reducing multi-class to binary: A unifying approach for margin classifiers // J. Mach. Learn. Res., 2000. Vol. 1. No. 1. P. 113-141.
  8. Дьяконов А. Г. Алгебра над алгоритмами вычисления оценок: минимальная степень корректного алгоритма // Ж. вычисл. матем. и матем. физ., 2005. Т. 45. №6. С. 1134-1145.
  9. Докукин А. А. О построении в алгебраическом замыкании одного алгоритма распознавания//Ж. вычисл. матем. и матем. физ., 2001. Т. 41. № 12. С. 1811-1815.
  10. Dokukin A., Ryazanov V., Shut O. Multilevel models for solution of multiclass recognition problems // Pattern Recognition Image Anal., 2016. Vol. 26. No. 3. P. 461473.
  11. Джарратано Дж., Райли Г. Экспертные системы: принципы разработки и программирование / Пер. с англ. - М.: Вильямс, 2007. 1152 с. (Giarratano J. C., Riley G. D. Expert systems: Principles and programming. - Boston, MA, USA: PWS Publ. Co., 2004. 856 p.)
  12. Краснопрошин В. В., Образцов В. А. Распознавание с обучением как задача выбора // Цифровая обработка изображений, 1998. С. 80-94.
  13. Абламейко С. В., Краснопрошин В. В., Образцов В. А. Модели и технологии распознавания образов с приложением в интеллектуальном анализе данных // Вестник БГУ. Сер. 1: Физика. Математика. Инфор-матика, 2011. № 3. С. 62-72.
  14. Кофман А. Введение в теорию нечетких множеств / Пер. с англ. - М.: Радио и связь, 1982. 432 с. (Kaufman A. Introduction to the theory of fuzzy subsets. - New York, NY, USA: Academic Press, 1975. 432 p.)
  15. Lee R. C. T. Fuzzy logic and the resolution principle // J. ACM, 1972. Vol. 19. No. 1. P. 109-119.
  16. Lichman M. UCI machine learning repository. - Irvine, CA, USA: University of California, School of Information and Computer Science, 2013. http://archive. ics.uci.edu/ml.
  17. Pedregosa F., Varoquaux G., Gramfort A., Michel V., Thiri- on B., Grisel O, Blondel M., Prettenhofer P., Weiss R., Dubourg V., Vanderplas J., Passos A., Cournapeau D., Brucher M, Perrot M, Duchesnay E. Scikit-learn: Machine learning in Python // J. Mach. Learn. Res., 2011. Vol. 12. P 2825-2830.

АЛГОРИТМ ПРЕОБРАЗОВАНИЯ ОДНОГО ГРАФА В ДРУГОЙ С МИНИМАЛЬНОЙ ЦЕНОЙ

  • К. Ю. Горбунов  Институт проблем передачи информации им. А. А. Харкевича Российской академии наук, gorbunov@iitp.ru
  • В. А. Любецкий   Институт проблем передачи информации им. А. А. Харкевича Российской академии наук; механико-математический факультет Московского государственного университета им. М. В. Ломоносова, lyubetsk@iitp.ru

Литература

  1. Горбунов К. Ю., Любецкий В. А. Линейный алгоритм кратчайшей перестройки графов при разных ценах операций // Информационные процессы, 2016. Т. 16. №2. C. 223-236.
  2. Горбунов К. Ю., Любецкий В. А. Линейный алгоритм минимальной перестройки структур // Проблемы пе-редачи информации, 2017 (в печати). Т. 53. Вып. 1.
  3. Lyubetsky V.A., Gershgorin R.A., Seliverstov A.V., Gorbunov K. Yu. Algorithms for reconstruction of chromosomal structures // BMC Bioinformatics, 2016. Vol. 17. P. 40.1-40.23.
  4. Da Silva P. H., Machado R., Dantas S., and Braga M. D. V. DCJ-indel and DCJ-substitution distances with distinct operation costs // Algorithm. Mol. Biol., 2013. Vol. 8. P. 21.1-21.15.
  5. Compeau P. E. C. A generalized cost model for DCJ-indel sorting//Algorithms in bioinformatics/Eds. D. G. Brown, B. Morgenstern. - Lecture notes in computer science ser. - Springer, 2014. Vol. 8701. P. 38-51.
  6. Горбунов К.Ю., Гершгорин Р. А., Любецкий В. А. Пере-стройка и реконструкция хромосомных структур // Молекулярная биология, 2015. Т. 49. № 3. С. 372-383.
  7. Горбунов К.Ю., Любецкий В. А. Модифицированный алгоритм преобразования хромосомных структур: условия абсолютной точности // Современные инфор-мационные технологии и ИТ-образование, 2016. Т. 12. №1.С. 162-172.
  8. Compeau P. E. C. DCJ-indel sorting revisited // Algorithm. Mol. Biol., 2013. Vol. 8. P. 6.1-6.9.

ИНДИВИДУАЛИЗАЦИЯ ПРОЦЕССА ОБУЧЕНИЯ В РЕЖИМЕ ВЕБ-КОНФЕРЕНЦИИ НА ОСНОВЕ ИЕРАРХИЧЕСКОЙ НЕЧЕТКОЙ ЭКСПЕРТНОЙ СИСТЕМЫ

  • А. С. Алексейчук   Московский авиационный институт (национальный исследовательский университет), alexejchuk@gmail.com
  • А. В. Пантелеев   Московский авиационный институт (национальный исследовательский университет), avpanteleev@inbox.ru

Литература

  1. Passino K.M., Yurkovich S. Fuzzy control. - Addison Wesley Longman, 1998. 502 p.
  2. Гоппов С. И. Разработка нечеткой модели общего рейтинга студента на основе иерархической базы // Сту-денческий научный форум: Мат-лы III конф. - СПб: СПбГЭУ, 2011. С. 1-6.
  3. Берёза А. Н., Ершова Е.А. Поддержка принятия решения при планировании набора абитуриентов в вузе на основе нечетких моделей // Известия Южного федерального университета. Технические науки, 2011. № 7. С. 131-136.
  4. Saleh I., Kim S. A fuzzy system for evaluating students' learning achievement // Expert Syst. Appl., 2009. Vol. 36. P. 6236-6243.
  5. Stathacopoulou R., Magoulas G. D., Grigoriadou M, Samarakou M. Neuro-fuzzy knowledge processing in intelligent learning environments for improved student diagnosis // Inform. Sciences, 2005. Vol. 170. P. 273-307.
  6. Igel Ch., Husken M. Empirical evaluation of the improved Rprop learning algorithms // Neurocomputing, 2003. Vol. 50. P. 105-123.
  7. Mamdani E. H. Application of fuzzy logic to approximate reasoning using linguistic synthesis // Fuzzy Set. Syst., 1977. Vol. 26. P. 1182-1191.
  8. Алексейчук А. С. Программная система для обучения студентов экономических специальностей в режиме веб-конференции // Научный альманах. Вып. 21: Инновации в экономике и менеджменте в аэрокосмической промышленности: Мат-лы XII конф. молодых ученых и студентов. - М.: Доброе слово, 2016. С. 190198.

НАДКОРПУСНАЯ БАЗА ДАННЫХ КОННЕКТОРОВ: ПОСТРОЕНИЕ СИСТЕМЫ ТЕРМИНОВ

  • Анна А. Зализняк  Институт языкознания Российской академии наук; Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, anna.zalizniak@gmail.com
  • И. М. Зацман   Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, izatsman@yandex.ru
  • О. Ю. Инькова  Женевскийуниверситет, Olga.Inkova@unige.ch

Литература

  1. Баранов А. Н., Плунгян В. А., Рахилина Е. В. Путеводитель по дискурсивным словам русского языка. - М.: Помовсий и Партнеры, 1993. 207 с.
  2. Дискурсивные слова русского языка. Опыт контекстно-семантического описания / Под ред. К. Киселевой, Д. Пайллард. - М.: Метатекст, 1998. 446 с.
  3. Инькова-Манзотти О. Ю. Коннекторы противопоставления во французском и русском языках. Сопоставительное исследование. - М.: Информэлектро, 2001. 434 с.
  4. Зализняк Анна А. База данных межъязыковых эквиваленций как инструмент лингвистического анализа // Компьютерная лингвистика и интеллектуальные тех-нологии: По мат-лам ежегодной Междунар. конф. "Диалог" (2016). - М.: РГГУ, 2016. С. 763-775.
  5. Кружков М. Г. Информационные ресурсы контрастивных лингвистических исследований: электронные корпуса текстов // Системы и средства информатики, 2015. Т. 25. №2. С. 140-159.
  6. Зализняк Анна А., Зацман И. М., Инькова О. Ю., Кружков М. Г. Надкорпусные базы данных как лингвистический ресурс // Корпусная лингвистика-2015: Труды 7-й Междунар. конф. - СПб.: СПбГУ, 2015. С. 211218.
  7. Добровольский Д. О., Кретов А. А., Шаров С. А. Корпус параллельных текстов: архитектура и возможности использования // Национальный корпус русского языка: 2003-2005. - М.: Индрик, 2005. С. 263-296.
  8. Loiseau S., Sitchinava D. V., Zalizniak Anna A., Zats- man I. M. Information technologies for creating the database of equivalent verbal forms in the Russian-French multivariant parallel corpus // Информатика и её применения, 2013. Т. 7. Вып. 2. С. 100-109.
  9. Сичинава Д. В. Использование параллельного корпуса для количественного изучения лингвоспецифичной лексики // Язык, литература, культура: актуальные проблемы изучения и преподавания. - М.: МАКС ПРЕСС, 2014. Вып. 10. С. 37-44.
  10. Зацман И. М., Инькова О. Ю., Кружков М. Г., Попкова Н. А. Представление кроссязыковых знаний о коннекторах в надкорпусных базах данных // Информатика и её применения, 2016. Т. 10. Вып. 1. С. 106-118.
  11. Prasad R., Dinesh N., Lee A., Miltsakaki E, Robaldo L., JoshiA., Webber B. The Penn Discourse TreeBank 2.0 // 6th Conference (International) on Language Resources and Evaluation (LREC) Proceedings. - Paris: European Language Resources Association (ELRA), 2008. P. 2961-2968.
  12. Learning machine translation / Eds. C. Goutte, N. Can- cedda, M. Dymetan, G. Foster. - London: MIT Press, 2009. 316 p.
  13. Lo C., Wu D. MEANT: An inexpensive, high-accuracy, semi-automatic metric for evaluating translation utility via semantic frames // Human Language Technologies: 49th Annual Meeting of the Association for Computational Linguistics Proceedings. - Stroudsburg: Association for Computational Linguistics, 2011. Vol. 1. P. 220-229.
  14. Zatsman I. Tracing emerging meanings by computer: Semiotic framework // 13th European Conference on Knowledge Management Proceedings. - Reading, U.K.: Academic Publishing International Ltd., 2012. Vol. 2. P. 1298-1307.
  15. Zatsman I., Buntman N., Kruzhkov M., Nuriev V., Zalizniak Anna A. Conceptual framework for development of computer technology supporting cross-linguistic knowledge discovery // 15th European Conference on Knowledge Management Proceedings. - Reading, U.K.: Academic Publishing International Ltd., 2014. Vol. 3. P. 10631071.
  16. Zatsman I., Buntman N. Outlining goals for discovering new knowledge and computerised tracing of emerging meanings discovery // 16th European Conference on Knowledge Management Proceedings. - Reading, U.K.: Academic Publishing International Ltd., 2015. P. 851860.
  17. Зацман И. М. Процессы целенаправленной генерации и развития кроссязыковых экспертных знаний: семиотические основания моделирования // Ин-форматика и её применения, 2015. Т. 9. Вып. 3. С. 106-123.
  18. Zatsman I., Buntman N, Coldefy-Faucard A., Nuriev V. WEB knowledge base for asynchronous brainstorming // 17th European Conference on Knowledge Management Proceedings. - Reading, U.K.: Academic Publishing In-ternational Ltd., 2016. P. 976-983.

ON UNIQUENESS OF CLEARING VECTORS REDUCING THE SYSTEMIC RISK

  • Kh. El Bitar   Laboratoire de Mathematiques, Universite de Franche-Comte, 16 Route de Gray, 25030 Besancon, CEDEX, France, khalilbitar _aw@hotmail.com
  • Yu. Kabanov  Laboratoire de Mathematiques, Universite de Franche-Comte, 16 Route de Gray, 25030 Besancon, CEDEX, France; 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; National Research University "MPEI," 14 Krasnokazarmennaya Str., Moscow, 111250, Russian Federation, Youri.Kabanov@univ-fcomte.fr
  • R. Mokbel   Laboratoire de Mathematiques, Universite de Franche-Comte, 16 Route de Gray, 25030 Besancon, CEDEX, France, ritamokbel@hotmail.com

О ЕДИНСТВЕННОСТИ КЛИРИНГОВЫХ ВЕКТОРОВ, РЕДУЦИРУЮЩИХ СИСТЕМНЫЙ РИСК

  • Х. Эль Битар  Лаборатория математики Университета Франш-Конте, г. Безансон, Франция
  • Ю. Кабанов  Лаборатория математики Университета Франш-Конте, г. Безансон, Франция, Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, Российский университет дружбы народов, Национальный исследовательский университет "МЭИ"
  • Р. Мокбель  Лаборатория математики Университета Франш-Конте, г. Безансон, Франция

Литература

  1. EisenbergL., Noe T. H. Systemic risk in financial systems// Manag. Sci., 2001. Vol. 47. No. 2. P. 236-249.
  2. Suzuki T. Valuing corporate debt: The effect of cross- holdings of stock and debt // J. Oper. Res. Soc. Japan, 2002. Vol. 45. No. 2. P. 123-144.
  3. Tarski A. A lattice-theoretical fixpoint theorem and its applications//Pacific J. Math., 1955. Vol. 5. No. 2. P. 285-309.
  4. Cont R., Wagalath L. Fire sale forensics: Measuring en-dogenous risk//Math. Finance, 2015. Vol. 26. P. 835-866.
  5. Amini H., Filipovic D., Minca A. To fully net or not to net: Adverse effects of partial multilateral netting // Oper. Res., 2015. Vol. 62. No. 5. P. 1135-1142.
  6. Elsinger H. Financial networks, cross holdings, and limited liability. Working paper from Oesterreichische National- bank, 2009.
  7. Milgrom J., Roberts J. Comparing equilibria // Am. Econ. Rev., 1994. Vol. 84. P. 441-454.

INFORMATICS AND ITS ROLE FOR THE STUDY OF GENESIS AND PROPERTIES OF COMPLEX NATURAL SYSTEMS

  • R. B. Seyful-Mulyukov   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, rust@ipiran.ru

ИНФОРМАТИКА И ЕЕ РОЛЬ В ПОЗНАНИИ ОБРАЗОВАНИЯ И СВОЙСТВ СЛОЖНОЙ ПРИРОДНОЙ СИСТЕМЫ

  • Р. Б. Сейфуль-Мулюков   Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, rust@ipiran.ru

Литература

  1. Колин К. К. Философские проблемы информатики. - М.: БИНОМ, 2010. 259 с.
  2. Shannon C. E. A mathematical theory of communication // Bell Syst. Tech. J., 1948. Vol. 27. P. 379-423, 623-656.
  3. Урсул А. Д. Природа информации: Философский очерк. - 2-е изд. - Челябинск: ЧГАКИ, 2010. 231 с.
  4. De Broiglie L. Wave mechanics and the atomic structure of matter and radiation // J. Phys. Radium, 1927. Vol. 8. No. 5. P. 225-241.
  5. Zeilinger A. A foundation principal for quantum mechan-ics// Found. Phys., 1999. Vol. 29. No. 4. P. 631-643.
  6. Wiener N. Cybernetics, or control and communication in the animal and the machine. - 2nd rev. ed. - Cambridge: MIT Press, 1961. 232 p.
  7. Steinbuch K. Informatik // Automatische Informa- tionsverarbeitung, SEG-Nachrichten (Technische Mit- teilunger der Standard Elektrik Gruppe), 1957. No. 4. 171 p.
  8. Михайлов А. И., Черный А. И., Гиляревский Р. С. Основы информатики. - М.: Наука, 1968. 425 с.
  9. Otten K., Debons A. Towards a metascience of information: Informatology//J. Am. Soc. Inform. Sci., 1970. Vol. 21. P. 89-94.
  10. Norton M. J. Introductory concepts in information science. - 2nd ed. - ASIST monograph ser. - Information Today, 2010. 210 p.
  11. Гуревич И.М. Законы информатики - основа строения и познания сложных систем. - М.: ТОРУС ПРЕСС, 2007. 399 с.
  12. Heylighen F. ^mptex^ and self-organization // Encyclopedia of library and information sciences / Eds. M. J. Bates, M. N. Maack. - Taylor & Frances, 2008. 20 p. http://pespmc1.vub.ac.be/Papers/ELIS- complexity.pdf.
  13. Сейфуль-Мулюков Р. Б. Нефтьигаз. Глубинная природа и ее прикладное значение. - М: ТОРУС ПРЕСС, 2012.214 с.
  14. Сейфуль-Мулюков Р. Б. Нефть - углеводородные последовательности: анализ моделей генезиса и эволюции. - М.: 11 формат, 2010. 173 с.
  15. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. - М.: Мир, 1976. 176 с.