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 12, Выпуск 2, 2018)

Оглавление | Аннотации | Об авторах

Библиография

ОБ УСТОЙЧИВОСТИ КОНФИГУРАЦИОННЫХ ГРАФОВ В СЛУЧАЙНОЙ СРЕДЕ

  • М. М. Лери  Институт прикладных математических исследований КарНЦ РАН, ФИЦ "Карельский научный центр РАН", leri@krc.karelia.ru
  • Ю. Л. Павлов  Институтприкладныхматематическихисследований КарНЦ РАН, ФИЦ "Карельскийнаучныйцентр РАН", pavlov@krc.karelia.ru

Литература

  1. DurrettR. Random graph dynamics. - Cambridge: Cambridge University Press, 2007. 221 p.
  2. Hofstad R. Random graphs and complex networks. - Cambridge: Cambridge University Press, 2017. Vol. 1. 337 p.
  3. Cohen R., ErezK., Ben-Avraham D., Havlin S. Resilience of the Internet to random breakdowns // Phys. Rev. Lett., 2000. Vol. 85. P. 4626-4628.
  4. Bollobas B., Riordan O. Robustness and vulnerability of scale-free random graphs // Internet Math., 2004. Vol. 1. No. 1. P. 1-35.
  5. Faloutsos C, Faloutsos P., Faloutsos M. On power-law re-lationships of the internet topology// Comp. Comm. R., 1999. Vol. 29. P. 251-262.
  6. Reittu H., Norros I. On the power-law random graph model of massive data networks // Perform. Evaluation, 2004. Vol. 55. P. 3-23.
  7. Bollobas B. A. A probabilistic proof of an asymptotic for-mula for the number of labelled regular graphs // Eur. J. Combust., 1980. Vol. 1. P. 311-316.
  8. Leri M., Pavlov Yu. Power-law random graphs' robustness: Link saving and forest fire model//Austrian J. Stat., 2014. Vol. 43. No. 4. P. 229-236.
  9. Leri M., Pavlov Y. Forest fire models on configuration random graphs//Fundam. Inform., 2016. Vol. 145. Iss. 3. P. 313-322.
  10. Biaconi G., Barabasi A.-L. Bose-Einstein condensation in complex networks // Phys. Rev. Lett., 2001. Vol. 86. Iss. 24. P. 5632-5635.
  11. Pavlov Y. On random graphs in random environment // Computer data analysis and modeling: Theoretical and applied stochastics: 11th Conference (International) Pro-ceedings. - Minsk, 2016. P 177-180.
  12. Afanasyev V. I., Boinghoff C, Kersting G., Vatutin V.A. Limit theorems for weekly branching processes in random environment // J. Theor. Probab., 2012. Vol. 25. No. 3. P. 703-732.
  13. Leri M, Pavlov Y. On robustness of configuration graphs in random environment // 4th Russian Finnish Symposium on Descrete Mathematics Proceedings / Eds. J. Karhumaki, A. Saarela. - TUCS lecture notes ser. - Turku, Finland: Turku Centre for Computer Science, 2017. Vol. 26. P 112-115.
  14. Лери М. М. Пожар на конфигурационном графе со случайными переходами огня по ребрам // Информатика и её применения, 2015. Т 9. Вып. 3. С. 67-73.
  15. Drossel B., Schwabl F. Self-organized critical forest-fire model// Phys. Rev Lett., 1992. Vol. 69. P. 1629-1632.
  16. Bertoin J. Fires on trees // Ann. I. H. Poincare Pr., 2012. Vol. 48. No. 4. P 909-921.
  17. Arinaminparty N., Kapadia S., May R. Size and complexity in model financial systems // P. Natl. Acad. Sci. USA, 2012. Vol. 109. No. 45. P. 18338-18343.

НЕСМЕЩЕННАЯ ОЦЕНКА РИСКА СТАБИЛИЗИРОВАННОЙ ЖЕСТКОЙ ПОРОГОВОЙ ОБРАБОТКИ В МОДЕЛИ С ДОЛГОСРОЧНОЙ ЗАВИСИМОСТЬЮ

  • О. В. Шестаков  Московский государственный университет им. М. В. Ломоносова, кафедра математической статистики факультета вычисли-тельной математики и кибернетики; Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, oshestakov@cs.msu.su

Литература

  1. MallatS. A wavelet tour of signal processing. - New York, NY, USA: Academic Press, 1999. 857 p.
  2. Donoho D., Johnstone I. M. Adapting to unknown smooth-ness via wavelet shrinkage // J. Am. Stat. Assoc., 1995. Vol. 90. P. 1200-1224.
  3. Маркин А. В. Предельное распределение оценки риска при пороговой обработке вейвлет-коэффициентов // Информатика и её применения, 2009. Т. 3. Вып. 4. С. 57-63.
  4. Маркин А. В., Шестаков О. В. О состоятельности оценки риска при пороговой обработке вейвлет-коэффициентов // Вестн. Моск. ун-та. Сер. 15: Вычисл. матем. и киберн., 2010. № 1. C. 26-34.
  5. Шестаков О. В. Асимптотическая нормальность оценки риска пороговой обработки вейвлет-коэффициентов при выборе адаптивного порога // Докл. РАН, 2012. Т. 445. № 5. С. 513-515.
  6. Ерошенко А. А., Шестаков О. В. Асимптотические свойства оценки риска при пороговой обработке вейвлет-коэффициентов в модели с коррелированным шумом // Информатика и её применения, 2014. Т. 8. Вып. 1. С. 36-44.
  7. Шестаков О. В. Сходимость почти всюду оценки риска пороговой обработки вейвлет-коэффициентов в модели с коррелированным шумом // Вестн. Моск. ун-та. Сер. 15: Вычисл. матем. и киберн., 2016. №3. C. 19-22.
  8. Huang H.-C., Lee T.C.M. Stabilized thresholding with generalized sure for image denoising // IEEE 17th Confer-ence (International) on Image Processing Proceedings. - IEEE, 2010. P 1881-1884.
  9. Johnstone I. M., Silverman B. W. Wavelet threshold estimates for data with correlated noise//J. Roy. Stat. Soc. B, 1997. Vol. 59. P. 319-351.
  10. Taqqu M. S. Weak convergence to fractional Brownian motion and to the Rosenblatt process // Z. Wahrschein- lichkeit., 1975. Vol. 31. P 287-302.
  11. Johnstone I. M. Wavelet shrinkage for correlated data and inverse problems adaptivity results // Stat. Sinica, 1999. Vol. 9. P. 51-83.
  12. Donoho D., Johnstone I. M. Ideal spatial adaptation via wavelet shrinkage // Biometrika, 1994. Vol. 81. No.3. P. 425-455.
  13. Ерошенко А. А. Статистические свойства оценок сигналов и изображений при пороговой обработке коэффициентов в вейвлет-разложениях. Дис.. . . канд. физ.-мат. наук. - М.: МГУ, 2015. 82 с.
  14. Bradley R. C. Basic properties of strong mixing conditions. A survey and some open questions // Probab. Surveys, 2005. Vol. 2. P. 107-144.
  15. Peligrad M. On the asymptotic normality of sequences of weak dependent random variables // J. Theor. Probab., 1996. Vol. 9. No. 3.P 703-715.

МИНИМИЗАЦИЯ ОШИБОК ВЫЧИСЛЕНИЯ ВЕЙВЛЕТ-КОЭФФИЦИЕНТОВ ПРИ РЕШЕНИИ ОБРАТНЫХ ЗАДАЧ

  • А. А. Кудрявцев  Московский государственный университет им. М. В. Ломоносова, факультет вычислительной математики и кибернетики, nubigena@mail.ru
  • О. В. Шестаков  Московский государственный университет им. М. В. Ломоносова, кафедра математической статистики факультета вычисли-тельной математики и кибернетики; Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, oshestakov@cs.msu.su

Литература

  1. Donoho D. Nonlinear solution of linear inverse problems by wavelet-vaguelette decomposition // Appl. Comput. Harmon. A., 1995. Vol. 2. P. 101-126.
  2. Abramovich F., Silverman B. W. Wavelet decomposition approaches to statistical inverse problems // Biometrika, 1998. Vol. 85. No. 1. P. 115-129.
  3. Lee N. Wavelet-vaguelette decompositions and homogenous equations. - West Lafayette, IN, USA: Purdue University, 1997. PhD Thesis. 103 p.
  4. MallatS. A wavelet tour of signal processing. - New York, NY, USA: Academic Press, 1999. 857 p.
  5. Sadasivan J., Mukherjee S., Seelamantula C. S. An optimum shrinkage estimatorbased on minimum-probability- of-error criterion and application to signal denoising // 39th IEEE Conference (International) on Acoustics, Speech and Signal Processing Proceedings. - Piscataway, NJ, USA: IEEE, 2014. P. 4249-4253.
  6. Donoho D., Johnstone I.M. Minimax estimation via wavelet shrinkage // Ann. Stat., 1998. Vol. 26. No. 3. P. 879-921.
  7. Jansen M. Noise reduction by wavelet thresholding. - Lecture notes in statistics ser. - New York, NY, USA: Springer Verlag, 2001. Vol. 161. 217 p.
  8. Donoho D., Johnstone I. Adapting to unknown smoothness via wavelet shrinkage // J. Am. Stat. Assoc., 1995. Vol. 90. P. 1200-1224.
  9. Маркин А. В., Шестаков О. В. О состоятельности оценки риска при пороговой обработке вейвлет-коэффициентов // Вестн. Моск. ун-та. Сер. 15: Вычисл. матем. и киберн., 2010. № 1. C. 26-34.
  10. Шестаков О. В. Асимптотическая нормальность оценки риска пороговой обработки вейвлет-коэффициентов при выборе адаптивного порога // Докл. РАН, 2012. Т. 445. № 5. С. 513-515.
  11. Кудрявцев А. А., Шестаков О. В. Асимптотическое поведение порога, минимизирующего усредненную вероятность ошибки вычисления вейвлет-коэффициентов//Докл. РАН, 2016. Т. 468. №5. С. 487-491.
  12. Кудрявцев А. А., Шестаков О. В. Асимптотически оптимальная пороговая обработка вейвлет-коэффи-циентов в моделях с негауссовым распределением шума//Докл. РАН, 2016. Т. 471. № 1. С. 11-15.

ДОСТАТОЧНЫЕ УСЛОВИЯ ЭРГОДИЧНОСТИ ПРИОРИТЕТНЫХ СИСТЕМ МАССОВОГО ОБСЛУЖИВАНИЯ

  • А. В. Мистрюков  Факультет вычислительной математики и кибернетики Московского государственного университета им. М. В. Ломоносова, unf0 8 @rambler.ru
  • В. Г. Ушаков  Факультет вычислительной математики и кибернетики Московского государственного университета им. М. В. Ломоносова; Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, vgushakov@mail.ru

Литература

  1. Walters P. An introduction to ergodic theory. - New York, NY, USA: Springer-Verlag, 1982. 259 p.
  2. Боровков А. А. Эргодичность и устойчивость случайных процессов. - М.: Эдиториал УРСС, 1999. 450 с.
  3. Гнеденко Б. В., Даниелян Э.А., Димитров Б.Н., Климов Г. П., Матвеев В. Ф. Приоритетные системы обслуживания. - М.: Изд-во Московского ун-та, 1973. 448 с.
  4. Meyn S., Tweedie R. Markov chains and stochastic stability. - New York, NY, USA: Springer Verlag, 1993. 562 p.
  5. Asmussen S. Subexponential asymptotics forstochastic pro-cesses: Extremal behavior, stationary distributions and first passage probabilities // Ann. Appl. Probab., 1998. Vol. 8. P. 354-374.
  6. Cohen J. W. The single server queue. - Amsterdam: North- Holland Publishing Co., 1982. 694 p.
  7. Asmussen S. Applied probability and queues. - New York, NY, USA: Springer-Verlag, 2003. 439 p.
  8. Матвеев В. Ф, Ушаков В. Г. Системы массового обслуживания. - М.: Изд-во Московского ун-та, 1984. 240 с.

ВЕРОЯТНОСТНАЯ МОДЕЛЬ ВЛИЯНИЯ КНИГИ ЗАКАЗОВ НА ПРОЦЕСС ЦЕНЫ

  • Е. В. Быковец  Московский государственный университет им. М. В. Ломоносова, факультет вычислительной математики и кибернетики, eugene.bykovets@stud.cs.msu.su
  • В. В. Лаврентьев  Московский государственный университет им. М. В. Ломоносова, факультет вычислительной математики и кибернетики, lavrent@cs.msu.ru
  • Л. В. Назаров  Московский государственный университет им. М. В. Ломоносова, факультет вычислительной математики и кибернетики, nazarov@cs.msu.ru

Литература

  1. Kukanov A. Stochastic models oflimit order markets. - Columbia University, 2013. Ph.D. Thesis. 131 p.
  2. Лаврентьев В. В., Назаров Л. В. Процесс движения цены, порожденный непрерывной моделью книги заказов // Вестн. Тверского государственного ун-та. Сер. Прикладная математика, 2015. № 4. С. 55-63.
  3. Korolev V. Yu., ChertokA. V., Korchagin A. Yu, ZeifmanA. I. Modeling high-frequency order flow imbalance by functional limit theorems for two-sided risk processes // Appl. Math. Comput., 2015. Vol. 253. P 224-241.
  4. Сивухин Д. В. Общий курс физики. - В 5 т. - Т. 1. Механика. - 4-е изд. - М.: МФТИ, 2005. 560 с.
  5. Кащеев Д. Е. Моделирование динамики финансовых временных рядов и оценивание производных ценных бумаг: Дис. . . . канд. физ.-мат. наук. - Тверь: ТвГУ, 2001. 191 c.
  6. Биллингсли П. Сходимость вероятностных мер / Пер. с англ. - М.: Наука, 1977. 353 с. (Billingsley P. Convergence of probability measures. - New York, NY, USA: John Wiley & Sons, Inc., 1977. 277 p.)
  7. Korolev V. Yu., Chertok A. V., Korchagin A. Yu, Kosso- va E. V., Zeifman A. I. A note on functional limit theorems for compound Cox processes // J. Math. Sci., 2016. Vol. 218. No. 2. P 182-194.
  8. Balasanov Y, DoynikovA., Lavrent'ev V., Nazarov L. Es-timating risk of dynamic trading strategies from high fre-quency data flow // Advances in data mining: Applications and theoretical aspects / Ed. P. Perner. - Lecture notes in computer science ser. - Springer, 2015. Vol. 9165. P 153-165

МАКСИМАЛЬНЫЕ ВЕТВЯЩИЕСЯ ПРОЦЕССЫ В СЛУЧАЙНОЙ СРЕДЕ

  • А. В. Лебедев  Московский государственный университет им. М. В. Ломоносова, кафедра теории вероятностей механико-математического факультета, avlebed@уandex.ru

Литература

  1. Харрис T. Теория ветвящихся случайных процессов / Пер. с англ. - М.: Мир, 1966. 356 c. (Harris T. The theory of branching processes. - Berlin: Springer-Verlag, 1963. 230 p.)
  2. Lamperti J. Maximal branching processes and long-range percolation//J. Appl. Probab., 1970. Vol. 7. No. 1. P 89- 96.
  3. Lamperti J. Remarks on maximal branching processes // Теория вероятностей и ее применения, 1972. T 17. №1.С. 46-54.
  4. Vatutin V.A., Zubkov A.M. Branching processes. II // J. Sov. Math., 1993. Vol. 67. No. 6. P 3407-3485.
  5. Лебедев А. В. Максимальные ветвящиеся процессы с неотрицательными значениями // Теория вероятностей и ее применения, 2005. T. 50. № 3. С. 564-570.
  6. Лебедев А. В. Максимальные ветвящиеся процессы // Современные проблемы математики и механики, 2009. T 4. № 1. С. 93-106.
  7. Лебедев А. В. Максимальные ветвящиеся процессы с несколькими типами частиц // Вестн. Моск. ун-та. Сер. 1: Математика. Механика, 2012. № 3. С. 8-13.
  8. Лебедев А. В. Неклассические задачи стохастической теории экстремумов: Дис.. . . докт. физ.-мат. наук. - М.: МГУ, 2016.
  9. Aydogmus O., Ghosh A. P., Ghosh S., Roitershtein A. floured maximal branching process // Теория вероятностей и ее применения, 2014. Т. 59. № 4. С. 790-800.
  10. Browne S., Coffman E. G., Gilbert E. N., Wright P. E. Gated, exhaustive, parallel service // Probab. Eng. Inform. Sc., 1992. Vol. 2. No. 2. P. 217-239.
  11. Browne S., Coffman E. G., Gilbert E. N, Wright P. E. The gated infinite-server queue: Uniform service times // SIAM J. Appl. Math., 1992. Vol. 52. No. 6. P 1751-1762.
  12. Tan X., Knessl Ch. Heavy traffic asymptotics for a gated, infinite-server queue with uniform service times // SIAM J. Appl. Math., 1994. Vol. 54. No. 6. P 1768-1779.
  13. Pinotsi D., Zazanis M.A. Stability conditions for gated M|G|to queues // Probab. Eng. Inform. Sc., 2004. Vol. 18. No. 1. P. 103-110.
  14. Лебедев А. В. Вентильная бесконечнолинейная система с неограниченными временами обслуживания и большой загрузкой // Проблемы передачи информации, 2003. T 39. № 3. С. 87-94.
  15. Лебедев А. В. Вентильная бесконечнолинейная система с большой загрузкой и степенным хвостом // Проблемы передачи информации, 2004. T. 40. № 3. С. 62-68.
  16. Горбунова А. В., Зарядов И. С., Матюшенков С. И., Са- муйлов К.Е., Шоргин С. Я. Аппроксимация времени отклика системы облачных вычислений // Информатика и её применения, 2015. Т. 9. Вып. 3. С. 32-38.
  17. Jifina M. Stochastic branching processes with continuous state space // ^ech. Math. J., 1958. Vol. 8. No. 2. P. 292-313.
  18. Боровков А. А. Эргодичность и устойчивость случайных процессов. - М.: УРСС, 1999. 440 c.
  19. Esary J., Prochan F., Walkup D. Association of random variables with applications // Ann. Math. Stat., 1967. Vol. 38. No. 5. P 1466-1474.
  20. Булинский А. В., Шашкин А. П. Предельные теоремы для ассоциированных случайных полей и родственных систем. - М.: Физматлит, 2008. 480 c.
  21. Bhattacharya R.N., Lee С. Ergodicity of nonlinear first order autoregressive models // J. Theor. Probab., 1995. Vol. 8. No. 1.P 207-219.

ИЕРАРХИЧЕСКИЙ МЕТОД ПОРОЖДЕНИЯ МЕТАДАННЫХ ДЛЯ УПРАВЛЕНИЯ СЕТЕВЫМИ СОЕДИНЕНИЯМИ

  • А. А. Грушо  Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, grusho@yandex.ru
  • Е. Е. Тимонина  Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, eltimon@yandex.ru
  • С. Я. Шоргин  Институт проблем информатики Федерального исследовательского центра "Информатика и управление " Российской академии наук, sshorgin@ipiran.ru

Литература

  1. Грушо А., Забежайло М., Зацаринный А. Контроль и управление информационными потоками в облачной среде // Информатика и её применения, 2015. Т. 9. Вып. 4. С. 95-101.
  2. Grusho A.A., Timonina E.E., Shorgin S. Ya. Modelling for ensuring information security of the distributed information systems // 31th European inference on Modelling and Simulation Proceedings. - Dudweiler, Germany: Digital- druck Pirrot GmbHP, 2017. P. 656-660. http:// www.scs- europe.net/dlib/2017/ecms2017acceptedpapers/0656- probstat_ECMS2017_0026.pdf.
  3. Grusho A, Grusho N, Zabezhailo M, Zatsarinny A., Timonina E. Information security of SDN on the basis of meta data // Computer network security / Eds. J. Rak, J. Bay, I. V. Kotenko, et al. - Lecture notes in computer science ser. - Springer, 2017. Vol. 10446. P. 339- 347. https: //link.springer.com/chapter/10.1007/978-3- 319-65127-9_27.
  4. Grusho A., Timonina E, Shorgin S. Security models based on stochastic meta data // Analytical and computational methods in theory probability / Eds. V. Rykov, N. Singpurwalla, A. Zubkov. - Lecture notes in computer science ser. - Springer, 2017. Vol. 10684. P. 388- 400. https: //link.springer.com/chapter/10.1007/978-3- 319-71504-9_32.
  5. Трута А. А., Применко Э.А., Тимонина Е. Е. Теоретические основы компьютерной безопасности. - М.: Академия, 2009. 272 с.
  6. Grusho A.A., Abaev P.O., Shorgin S.Ya., Timoni- na E. E. Graphs for information security control in software defined networks // AIP Conf. Proc., 2017. Vol. 1863. P. 090002-1-090002-4. http://aip.scitation. org/doi/pdf/10.1063/1.4992267.
  7. Нильсон Н. Искусственный интеллект. Методы поиска решений / Пер. с англ. - М.: Мир, 1973. 272 с. (Nilsson N. J. Problem-solving methods in artificial intelligence. - New York, NY, USA: McGraw-Hill Publ. Co., 1971. 255 p.)

МОДЕЛИ УПРАВЛЕНИЯ РИСКОМ В ГАУССОВСКИХ СТОХАСТИЧЕСКИХ СИСТЕМАХ

  • А. Н. Тырсин  Уральский федеральный университет имени первого Президента России Б. Н. Ельцина; Институт экономики Уральского отделения Российской академии наук, at2001@yandex.ru
  • А. А. Сурина  Южно-Уральский государственный университет (национальный исследовательский университет), dallila87@maii.ru

Литература

  1. Гор А. Земля на чаше весов. В поисках новой общей цели // Новая постиндустриальная волна на Западе: Антология / Пер. с англ. - М.: Academia, 1999. С. 557-571. (Gore A. Earth in the balance. Forging a new common purpose. - London: Earthscan Publications Ltd., 1992.)
  2. Воробьев Ю.Л., Малинецкий Г. Г., Махутов Н.А. Управление риском и устойчивое развитие: Человеческое измерение // Известия вузов. Прикладная нелинейная динамика, 2000. Т. 8. № 6. С. 12-26.
  3. Порфирьев Б. Н. Снижение природных рисков эко-номического развития России: роль государства // Актуальные проблемы гражданской защиты: Мат-лы 11-й Междунар. науч.-практич. конф. по проблемам защиты населения и территорий от чрезвычайных ситуаций. - Н. Новгород: Вектор-ТиС, 2006. С. 44-50. gov.mari.ru/debzn/omgo/46.djvu.
  4. Порфирьев Б. Н. Управление в чрезвычайных ситуациях. Итоги науки и техники. Проблемы безопасности: чрезвычайные ситуации. Т. 1. - М.: ВИНИТИ, 1991. 204 с.
  5. Вишняков Я. Д., Радаев Н. Н. Общая теория рисков. - 2-е изд., испр. - М.: Академия, 2008. 368 с.
  6. Акимов В. А., Лесных В. В., Радаев Н. Н. Риски в природе, техносфере, обществе и экономике. - М.: Деловой экспресс, 2004. 352 с.
  7. Соложенцев Е.Д. Сценарное логико-вероятностное управление риском в бизнесе и технике. - 2-е изд. - СПб.: Бизнес-пресса, 2006. 560 с.
  8. Рябинин И. А. Надежность и безопасность структурно-сложных систем. - СПб.: Политехника, 2000. 248 с.
  9. Тырсин А. Н. О моделировании риска в системах кри-тичных инфраструктур // Экономические и технические аспекты безопасности строительных критичных инфраструктур: Тезисы Междунар. конф. - Екатеринбург: УрФУ, 2015. С. 205-208. http://elar.urfu. ru/bitstream/10995/33468/l/safety_2015.pdf.
  10. Тырсин А.Н., Сурина А. А. Моделирование риска в многомерных стохастических системах // Вестн. Томского государственного университета. Управление, вычислительная техника и информатика, 2017. № 2(39). С. 65-72.
  11. Гнеденко Б. В. Курс теории вероятностей. - 8-е изд., испр. и доп. - М.: Едиториал УРСС, 2005. 448 с.
  12. Pena D., Rodriguez J. Descriptive measures of multivariate scatter and linear dependence // J. Multivariate Anal., 2003. Vol. 85. P. 361-374.
  13. Кирьянов Б. Ф., Токмачёв М. С. Математические модели в здравоохранении. - Великий Новгород: НовГУ им. Ярослава Мудрого, 2009. 279 с.
  14. Цинкер М.Ю., Кирьяков Д. А., Камалтдинов М. Р. Применение комплексного индекса нарушения здоровья населения для оценки популяционного здоровья в Пермском крае // Известия Самарского научного центра РАН, 2013. Т. 15. № 3(6). С. 1988-1992.
  15. Профилактика хронических неинфекционных заболеваний. Рекомендации. - М., 2013. 128 с. http:// www.webmed.irkutsk.ru/doc/pdf/prevent.pdf.
  16. Тырсин А. Н., Калев О. Ф., Яшин Д. А., Лебедева О. В. Оценка состояния здоровья популяции на основе эн-тропийного моделирования // Математическая биология и биоинформатика, 2015. Т. 10. Вып. 1. С. 206219. doi: 10.17537/2015.10.206.
  17. Михайлов Г. А., Войтишек А. В. Численное статистическое моделирование. Методы Монте-Карло. - М.: Академия, 2006. 368 с.
  18. Пантелеев А. В., Летова Т. А. Методы оптимизации в примерах и задачах. - 3-е изд., стер. -М.: Высшая школа, 2008. 544 с.

АЛГОРИТМ ВИЗУАЛИЗАЦИИ ПЛОСКОГО ЯДРА ВЕРОЯТНОСТНОЙ МЕРЫ

  • С. Н. Васильева  Московский авиационный институт (национальный исследовательский университет), sofla_mai@maiI.ru
  • Ю. С. Кан  Московский авиационный институт (национальный исследовательский университет), yu_kan@mail.ru

Литература

  1. Кибзун А. И., Кан Ю. С. Задачи стохастического про-граммирования с вероятностными критериями. - М.: Физматлит, 2009. 372 с.
  2. Малышев В. В., Кибзун А. И. Анализ и синтез высо-коточного управления летательными аппаратами. - М.: Машиностроение, 1987. 303 с.
  3. Кан Ю. С., Русяев А. В. Задача квантильной минимизации с билинейной функцией потерь //Автоматика и телемеханика, 1998. №7. С. 67-75.
  4. Кан Ю. С., Суринов Р. Т. О неравенстве треугольника для критерия VaR // Моделирование и анализ безопасности и риска в сложных системах: Тр. Междунар. научной школы МАБР-2004. - СПб.: СПбГУАП, 2004. С. 243-248.
  5. Kibzun A. I., Kurbakovskiy V. Yu. Guaranteeing approach to solving quantile optimization problem // Ann. Oper. Res., 1991. Vol. 30. P. 81-93.
  6. Кибзун А. И., Курбаковский В. Ю. Численные алгоритмы квантильной оптимизации и их применение к решению задач с вероятностными ограничениями // Изв. РАН, Техническая кибернетика, 1992. № 1. С. 75-81.
  7. Van Moeseke P. Stochastic linear programming // Yale Econ. Essays, 1965. Vol. 5. P. 197-253.
  8. Васильева С. Н., Кан Ю. С. Метод решения задачи квантильной оптимизации с билинейной функцией потерь // Автоматика и телемеханика, 2015. № 9. С. 83-101.
  9. Васильева С. Н., Кан Ю. С. Метод линеаризации для решения задачи квантильной оптимизации с функцией потерь, зависящей от вектора малых случайных параметров //Автоматика и телемеханика, 2017. № 7. С. 95-109.
  10. Bahadur R. R. A note on quantiles in large samples // Ann. Math. Stat., 1996. Vol. 37. P 577-580.

МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ОПТИМАЛЬНОЙ ТРИАНГУЛЯЦИИ

  • А. А. Батенков  Орловский филиал Федерального исследовательского центра "Информатика и управление" Российской академии наук, batenkov1957@mail.ru
  • Ю. А. Маньяков  Орловский филиал Федерального исследовательского центра "Информатика и управление" Российской академии наук, mamakov_yuri@mail.ru
  • А. В. Гасилов  Орловский филиал Федерального исследовательского центра "Информатика и управление" Российской академии наук, gasilov.av@yandex.ru
  • О. А. Яковлев  Орловский филиал Федерального исследовательского центра "Информатика и управление" Российской академии наук, maucra@gmail.com

Литература

  1. Гасилов А. В., Яковлев О. А. Создание реалистичных наборов данных для алгоритмов трехмерной реконструкции с помощью виртуальной съемки компьютерной модели // Системы и средства информатики, 2016. Т. 26. №2. С. 98-107.
  2. Костюк Ю. Л., Фукс А. Л. Приближенное вычисление оптимальной триангуляции // Геоинформатика: Теория и практика, 1998. Вып. 1. С. 61-66.
  3. Лисин А. В., Файзуллин Р. Т. Эвристический алгоритм поиска приближенного решения задачи Штейнера, основанный на физических аналогиях // Компьютерная оптика, 2013. Т. 37. № 4. С. 503-510.
  4. Препарата Ф., Шеймос М. Вычислительная геометрия: Введение / Пер. с англ. - М.: Мир, 1989. 478 с. (Preparata F., ShamosM. Computational geometry. An in-troduction. - New York-Berlin -Heidelberg -Tokyo: Springer-Verlag, 1985. 398 p.)
  5. Скворцов А. В., Мирза Н. С. Алгоритмы построения и анализа триангуляции. - Томск: ТГУ, 2006. 168 с.
  6. Скворцов А. В. Триангуляция Делоне и ее применение. - Томск: ТГУ, 2002. 128 с.
  7. Ивановский С. А., Симончик С. К. Алгоритмы вычислительной геометрии. Пересечение отрезков: метод заметания плоскости // Компьютерные инструменты в образовании, 2007. № 4. С. 18-33.
  8. Игошин В. И. Математическая логика и теория алгоритмов. - М.: Академия, 2008. 448 с.
  9. Волков И. К., Канатников А. Н. Интегральные преобразования и операционное исчисление. - 2-е изд. - М.: МГТУ им. Н. Э. Баумана, 2002. 228 с.
  10. Бронштейн И. Н., Семендяев К. А. Справочник по математике. - М.: Наука, 1964. 608 с.
  11. Потехина Е.А. Применение произведения Адамара в задаче перечисления упорядоченных разбиений // Наукоемкие технологии, 2012. Т. 13. № 8. С. 58-65.
  12. Гантмахер Ф.Р. Теория матриц. - 2-е изд., доп. - М.: Наука, 1966. 576 с.
  13. Химмельблау Д. Прикладное нелинейное программирование / Пер. с англ. - М.: Мир, 1975. 526 с. (Himmelblau D. M. Applied nonlinear programming. - New York, NY, USA: McGraw-HilI Book Co., 1972. 498 p.)

АВТОМАТИЧЕСКОЕ ИЗВЛЕЧЕНИЕ МЕТАДАННЫХ ИЗ НАУЧНЫХ PDF-ДОКУМЕНТОВ

  • А. В. Огальцов  Высшая школа экономики; ЗАО "Антиплагиат", ogaltsov@ap-team.ru
  • О. Ю. Бахтеев  Московский физико-технический институт; ЗАО "Антиплагиат", bahteev@ap-team.ru

Литература

  1. Bergmark D. Automatic extraction of reference linking information from online documents. - Ithaca, NY, USA: Cornell University, 2000. 20 p.
  2. Klink S., Dengel A., Kieninger T. Document structure analysis based on layout and textual features // Workshop (International) on Document Analysis Systems Proceed-ings. - Boston, MA, USA, 2000. P. 99-111.
  3. Mao S.,Kim J. W, Thoma G. R. A dynamic feature generation system for automated metadata extraction in preservation of digital materials// 1st Workshop (International) on Document Image Analysis for Libraries Proceedings. - Palo Alto, CA, USA: IEEE Computer Society, 2004. P. 225-232.
  4. Han H., Giles C. L., Manavoglu E, Zha H., Zhang Z., Fox E. A. Automatic document metadata extraction using support vector machines // 3rd ACM/IEEE-CS Joint Conference on Digital Libraries Proceedings, 2003. P. 37-48.
  5. Kovacevic A., Ivanovic D., Milosavljevic B., Konjovic Z., Surla D. Automatic extraction of metadata from scientific publications for CRIS systems // Program, 2011. Vol. 45. Iss. 4. P. 376-396.
  6. Seymore K., McCallum A., Rosenfeld R. Learning hidden Markov model structure for information extraction // AAAI 99 Workshop on Machine Learning for Information Extraction Proceedings, 1999. P 37-42.
  7. CouncillI., Giles C. L, Kan M.-Y. ParsCit: An open-source CRF reference string parsing package // 6th Conference (International) on Language Resources and Evaluation Proceedings. - Marrakech, Morocco, 2008. P. 661-667.
  8. Rangoni Y., Belaid A. Document logical structure analysis based on perceptive cycles // IAPR Workshop on Document Analysis Systems, 2006. P. 117-128.
  9. Rangoni Y., Belaid A., Vajda S. Labelling logical structures of document images using a dynamic perceptive neural network// Int. J. Doc. Anal. Recog., 2012. Vol. 15. Iss. 1. P. 45-55.
  10. Tao X., Tang Z., Xu C. Document page structure learning for fixed-layout e-books using conditional random fields // Document Recognition and Retrieval XXI: Proc. SPIE, 2014. Vol. 9021. P 1-9.
  11. Apache PDFBox. http://pdfbox.apache.org.
  12. Van der Maaten L. J. P., Hinton G. E. Visualizing high-dimensional data using t-SNE // J. Mach. Learn. Res., 2008. Vol. 9. P. 2579-2605.
  13. Breiman L. Random forests//Mach. Learn., 2001. Vol. 45. P. 5-32.

РЕШЕНИЕ ПРОБЛЕМЫ ОПТИМАЛЬНОГО УПРАВЛЕНИЯ ЗАПАСОМ НЕПРЕРЫВНОГО ПРОДУКТА ПРИ ПОСТОЯННО ПРОИСХОДЯЩЕМ ПОТРЕБЛЕНИИ В СТОХАСТИЧЕСКОЙ ПОЛУМАРКОВСКОЙ МОДЕЛИ

  • П. В. Шнурков  Национальный исследовательский университет "Высшая школа экономики", pshnurkov@hse.ru
  • А. Ю. Егоров  Национальный исследовательский университет "Высшая школа экономики", ayuegorov@hse.ru

Литература

  1. Шнурков П. В., Егоров А. Ю. Разработка и предвари-тельное исследование стохастической полумарковской модели управления запасом непрерывного продукта при постоянно происходящем потреблении // Информатика и её применения, 2018. Т. 12. Вып. 1. С. 109-117.
  2. Джевелл В. Управляемые полумарковские процессы // Кибернетический сборник. Новая серия. - М.: Мир, 1967. Вып. 4. С. 97-134.
  3. Майн Х., Осаки С. Марковские процессы принятия решений / Пер. с англ. - М.: Наука, 1977. 176 с. (MineH., Osaki S. Markovian decision processes. - New York, NY, USA: Elsevier, 1970. 142 p.).
  4. Luque-Vasquez F., Herndndez-Lerma O. Semi-Markov control models with average costs // Appl. Math., 1999. Vol. 26. No. 3. P. 315-331.
  5. Халмош П. Теория меры / Пер. с англ. - М.: Изд- во ИЛ, 1953. 282 с. (Halmos P. R. Measure theory. - Princeton, NJ, USA: Van Nostrand, 1950. 304 p.)
  6. Шнурков П. В., Егоров А. Ю. Приложение к статье "Решение проблемы оптимального управления запасом непрерывного продукта при постоянно происходящем потреблении в стохастической полумарковской модели", 2018. 21 с. http://www.ipiran.ru/publications/app_var6.docx.
  7. Шнурков П. В., Иванов А. В. Анализ дискретной полу- марковской модели управления запасом непрерывного продукта при периодическом прекращении потребления//Дискретная математика, 2014. Т. 26. № 1. С. 143-154.
  8. Шнурков П. В. О решении проблемы безусловного экстремума для дробно-линейного интегрального функционала на множестве вероятностных мер // Докл. Академии наук. Сер. Математика, 2016. Т. 470. №4. С. 387-392.
  9. Шнурков П. В., Горшенин А. К., Белоусов В. В. Анали-тическое решение задачи оптимального управления полумарковским процессом с конечным множеством состояний // Информатика и её применения, 2016. Т. 10. Вып. 4. С. 72-88.
  10. Иванов А. В. Анализ дискретной полумарковской модели управления запасом непрерывного продукта при периодическом прекращении потребления: Дис. . . . кадд. физ.-мат. наук. - М.: НИУ ВШЭ, 2014. 120 с.
  11. Gorshenin A.K., Belousov V.V., Shnourkoff P.V., Ivanov A. V. Numerical research of the optimal control problem in the semi-Markov inventory model // AIP Conf. Proc., 2015. Vol. 1648. P. 250007-1-250007-4.

ВЛИЯНИЕ ПЛОТНОСТИ СВЯЗЕЙ НА КЛАСТЕРИЗАЦИЮ И ПОРОГ ПЕРКОЛЯЦИИ ПРИ РАСПРОСТРАНЕНИИ ИНФОРМАЦИИ В СОЦИАЛЬНЫХ СЕТЯХ

  • Д. О. Жуков  Московский технологический университет (МИРЭА), zhukov_do@mirea.ru
  • Т. Ю. Хватова  Санкт-Петербургский политехнический университет Петра Великого, khvatova.ty@spbstu.ru
  • С. А. Лесько  Московский технологический университет (МИРЭА), sergey@testor.ru
  • А. Д. Зальцман  Московский технологический университет (МИРЭА), ad.zaltcman@gmail.com

Литература

  1. Винер Н. Кибернетика, или Управление и связь в животном и машине // Пер. с англ. - 2-е изд. - М.: Наука, 1983. 344 с. (Wiener N. Cybernetics: Or control and communication in the animal and the machine. - 2nd ed.-MIT Press, 1961. 212 p.)
  2. Баканова С. А., Силкина Г. Ю. Процессы распространения знаний в параметризованной сети информационных обменов // Научно-технические ведомости Санкт-Петербургского государственного политехни-ческого университета. Экономические науки, 2015. №2(216). С. 133-146.
  3. Сулимов П. А. Методы машинного обучения для предсказания распространения инфекции в сети // Вестн. НГУЭУ, 2016. № 1. С. 285-306.
  4. Торопов Б. А. Модель независимых каскадов распространения репоста в онлайновой социальной сети // Кибернетика и программирование, 2016. № 5. С. 61-67.
  5. Тарасевич Ю. Ю. Перколяции: теория, приложения, алгоритмы. - М.: Эдиториал УРСС, 2002. 112 с.
  6. Лесько С. А., Жуков Д. О., Самойло И. В. Математическое моделирование перколяционных процессов передачи данных и потери работоспособности в информационно-вычислительных сетях с 2D и 3D регулярной и случайной структурой // Качество. Ин-новации. Образование, 2013. № 6(97). С. 42-50.
  7. Лесько С. А., Жуков Д. О., Самойло И. В., Брукс Д. У. Алгоритмы построения сетей и моделирования потери их работоспособности в результате кластеризации блокированных узлов // Качество. Инновации. Образование, 2013. № 12(103). С. 82-87.
  8. Павлековская И. В. Применение метода анализа социальных сетей в моделировании процессов распространения информации и знаний в организации // Научно-техническая информация. Сер. 2: Информа-ционные процессы и системы, 2007. № 3. С. 30-36.
  9. Chen Y., Paul G., Cohen R., Yavlin S., Borgatti S. P., LiljerosF., Stanley H. E. Percolation theory and fragmen-tation measures in social networks // Physica A, 2006. Vol. 378. No. 1. P. 11-19.
  10. Kawamoto H., Takayasu H., Jensen H. J., Takayasu M. Precise calculation of a bond percolation transition and survival rates of nodes in a complex network // PLoS One, 2015. https://doi.org/10.1371/journal.pone.0119979.
  11. Barabasi A. L., Albert R. Emergence of scaling in random networks// Science, 1999. Vol. 286. P. 509-512.
  12. Albert R., Jeong H, Barabasi A. L. Error and attack tolerance of complex networks // Nature, 2000. Vol. 406. P. 378-382.
  13. Zhukov D., Lesko S. Percolation models of information dissemination in social networks // IEEE Conference (International) on Smart City/SocialCom/SustainCom together with DataCom Proceedings. - IEEE, 2015. P. 213-216.
  14. Block M., Khvatova T., Zhukov D., Lesko S. Studying the structural topology of the knowledge sharing network // 11th European Conference on Management, Leadership and Governance Proceedings. - Lisbon, Portugal: Academic Conferences and Publishing International Ltd., 2015. P. 20-27.
  15. Khvatova T., Block M., Zhukov D., Lesko S. How to measure trust: The percolation model applied to intra- organisational knowledge sharing networks // J. Knowl. Manag., 2016. Vol. 20. No. 5. P. 918-935.

ДИСКРЕТНЫЙ АНАЛИЗ В СИНТАКСИЧЕСКОМ АНАЛИЗЕ

  • Я. М. Мирзабеков  Дагестанский государственный университет, yash831@mail.ru
  • Ш. Б. Шихиев  Дагестанский государственный университет, sh_sh_b51@mail.ru

Литература

  1. Барсегян А. А., Куприянов М. С., Степаненко В. В., Холод И. И. Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP. - СПб.: БХВ- Петербург, 2008. 384 с.
  2. Шихиев Ф. Ш. Формализация и сетевая формулировка задачи синтаксического анализа. Дис. . . . канд. физ.-мат. наук. - СПб.: СпбГУ, 2006. 171 с.
  3. Рубашкин В. Ш, Чуприн Б. Ю. Распознавание количественной информации в ЕЯ-текстах // Компьютерная лингвистика и интеллектуальные технологии: Тр. Междунар. конф. "Диалог-2006". - М.: РГГУ, 2006. С. 456-467.
  4. Харари Ф. Теория графов / Пер. с англ. - М.: Еди- ториал УРСС, 2003. 296 с. (Harary F. Graph theory. - Boulder, CO, USA: Westview Press, 1994. 284 p.)

MACHINE TRANSLATION OF RUSSIAN CONNECTIVES INTO FRENCH: ERRORS AND QUALITY FAILURES

  • V. Nuriev  Institute of Linguistics of the Russian Academy of Sciences, 1 bld. 1 Bolshoy Kislovsky Lane, Moscow 125009, Russian Federation; Federal Research Center "Computer Science and Control" of the Russian Academy of Sciences, 44-2 Vavilov Str., Moscow 119333, Russian Federation, nurieff.v@gmail.com
  • N. Buntman  M. V. Lomonosov Moscow State University, GSP-1, Leninskie Gory, Moscow 119991, Russian Federation, nabunt@hotmail.com
  • O. Inkova  University of Geneva, 24 du General-Dufour Str., Geneve 4 1211, Switzerland, Olga.Inkova@unige.ch

ОШИБКИ И НЕТОЧНОСТИ МАШИННОГО ПЕРЕВОДА РУССКИХ КОННЕКТОРОВ НА ФРАНЦУЗСКИЙ ЯЗЫК

  • В. А. Нуриев  Институт языкознания Российской академии наук, Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук
  • Н. В. Бунтман Московский государственный университет им. М. В. Ломоносова
  • О. Ю. Инькова Филологический факультет Женевского университета

Литература

  1. Trujillo A. Translation engines: Techniques for machine translation. - Berlin - Heidelberg - New York: Springer, 1999. 306 p.
  2. Hutchins W.J. Early years in machine translation: Memoirs and biographies of pioneers. - Amsterdam- Philadelphia: John Benjamins, 2000. 400 p.
  3. Readings in machine translation / Eds. S. Nirenburg, H. Somers, Y. Wilks. - Cambridge-London: The MIT Press, 2003. 430 p.
  4. Wilks Y. Machine translation. Its scope and limits. - New York, NY, USA: Springer, 2009. 246 p.
  5. Learning machine translation / Eds. C. Goutte, N. Can- cedda, M. Dymetman, G. Foster. - Cambridge-London: The MIT Press, 2009. 329 p.
  6. Koehn Ph. Statistical machine translation. - New York, NY, USA: Cambridge University Press, 2010. 447 p.
  7. Du J., Way A. Neural pre-translation for hybrid machine translation // MT Summit XVI, the 16th Machine Translation Summit Proceedings / Eds. S. Kurohashi, P. Fung. - Nagoya, 2017. P. 27-40. http://aamt. info/app-def/S-102/mtsummit/2017/wp-content/ uploads/sites/2/2017/09/MTSummitXVL ResearchTrack.pdf.
  8. Hutchins W. J. Machine translation: A concise history // Transl. Stud., 2010. Vol. 13. No. 1-2. P. 29-70.
  9. Shiwen Y., Bai X. Rule-based machine translation // The Routledge encyclopedia of translation technology / Ed. Ch. Sin-wai. - Abingdon - New York: Routledge, 2015. P. 186-200.
  10. Nagao M. A framework of a mechanical translation between Japanese and English by analogy principle // Artificial and human intelligence / Eds. A. Elithorn, R. Baner- ji. - Amsterdam: Elsevier, 1984. P. 173-180.
  11. Hutchins W.J. Towards a definition of example-based machine translation // MT Summit X Second Workshop on Example-Based Machine Translation Proceedings. - Phuket, 2005. P. 63-70. http://www.mt- archive.info/MTS-2005-Hutchins.pdf.
  12. Hearne M ., Way A. Statistical machine translation: A guide for linguists and translators // Lang. Linguist. Compass, 2011. No. 5(5). P. 205-226.
  13. Costa A, Ling W., Luis T., Correia R., CoheurL. Alinguis- tically motivated taxonomy for machine translation error analysis // Machine Translation, 2015. Vol. 29. Iss. 2. P. 127-161.
  14. Vilar D., Xu J., D'Haro L., Ney H. Error analysis of statistical machine translation output // 5th Conference (International) on Language Resources and Evaluation Proceedings . - Genoa, Italy: European Language Resources Association (ELRA), 2006. http://www.lrec- conf.org/proceedings/lrec2006/pdf/413_pdf.pdf.
  15. Buntman N., Minel J.-L, Le Pesant D., Zatsman I. Typology and computer modelling of translation difficulties // Информатика и её применения, 2010. Т. 4. Вып. 3. С. 77-83.
  16. Попкова Н.А., Инькова О.Ю., Зацман И. М., Кружков М. Г. Методика построения моноэквиваленций в надкорпусной базе данных коннекторов // Задачи современной информатики: Тр. 2-й конф. - М.: ФИЦ ИУ РАН, 2015. С. 143-153.
  17. 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.
  18. Зализняк Анна А., Зацман И. М., Инькова О. Ю. Над- корпусная база данных коннекторов: построение системы терминов // Информатика и её применения, 2017. Т. 11. Вып. 1. С. 100-108.
  19. Зацман И. М., Мамонова О. С., Щурова А. Ю. Обра-тимость и альтернативность генерализации моделей перевода коннекторов в параллельных текстах // Системы и средства информатики, 2017. Т. 27. № 2. С. 125-142.
  20. In'kova Yu. O., Popkova N.A. Statistical data as information source for linguistic analysis of Russian connectors // Информатика и её применения, 2017. Т. 11. Вып. 3. С. 123-131.