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 13, Выпуск 1, 2019)

Оглавление | Аннотации | Об авторах

Библиография

ИНТЕРПОЛЯЦИОННОЕ АНАЛИТИЧЕСКОЕ МОДЕЛИРОВАНИЕ РАСПРЕДЕЛЕНИЙ В СЛОЖНЫХ СТОХАСТИЧЕСКИХ СИСТЕМАХ

  • 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. Теория стохастических систем. - М.: Логос, 2000; 2004. 1000 с.
  2. Мальчиков С. В. Приближенный метод определения законов распределения фазовых координат автоматических систем //Автоматика и телемеханика, 1970. №5. С. 43-50.
  3. Казаков И. Е., Мальчиков С. В. Анализ стохастических систем в пространстве состояний. - М.: Наука, 1983. 348с.
  4. Котельников В. А. Теория потенциальной помехо-устойчивости. - М.: Госэнергоиздат, 1956. 412 с.
  5. Синицын И.Н. Метод интерполяционного аналити-ческого моделирования одномерных распределений в стохастических системах // Информатика и её при-менения, 2018. Т. 12. Вып. 1. С. 56-62.
  6. Справочник по теории вероятностей и математической статистике / Под ред. В. С. Королюка, Н. И. Пор- тенко, А. В. Скорохода, А. Ф. Турбина. - М.: Наука, 1985. 640 с.
  7. Евланов Л. Г., Константинов В. М. Системы со случай-ными параметрами. - М.: Наука, 1976. 585 с.
  8. Корн Г., Корн Т. Справочник по математике (для науч-ных работников и инженеров) / Пер с англ. - М.: Нау-ка, 1974. 832 с. (Korn G., Korn T. Mathematical handbook for scientists and engineers. - New York - San Francisco - Toronto - London - Sydney: McGrawHill Book Co., 1968. 1147 p.)

УПРАВЛЕНИЕ ВЫХОДОМ СТОХАСТИЧЕСКОЙ ДИФФЕРЕНЦИАЛЬНОЙ СИСТЕМЫ ПО КВАДРАТИЧНОМУ КРИТЕРИЮ. II. ЧИСЛЕННОЕ РЕШЕНИЕ УРАВНЕНИЙ ДИНАМИЧЕСКОГО ПРОГРАММИРОВАНИЯ

  • А. В. Босов  Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, AVBosov@ipijran.ru
  • А. И. Стефанович  Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, AStefanovich@frccsc.ru

Литература

  1. Босов А. В., Стефанович А. И. Управление выходом стохастической дифференциальной системы по квадратичному критерию. I. Оптимальное решение методом динамического программирования // Ин-форматика и её применения, 2018. Т. 12. Вып. 3. С. 99-106. doi: 10.14357/19922264180314.
  2. Флеминг У., Ришел Р. Оптимальное управление детерминированными и стохастическими системами / Пер. с англ. - М.: Мир, 1978. 316 с. (Fleming W.H., Rishel R. W. Deterministic and stochastic optimal control. -New York, NY, USA: Springer-Verlag, 1975.222p.)
  3. Bohacek S., Rozovskii B. A diffusion model of roundtrip time // Comput. Stat. Data An., 2004. Vol. 45. Iss. 1. P. 25-50. doi: 10.1016/S0167-9473(03)00114-2.
  4. Cox J. C., Ingersoll J. E., Ross S. A. A theory of the term structure of interest rates // Econometrica, 1985. Vol. 53. Iss. 2. P. 385-407. doi: 10.2307/1911242.
  5. Bohacek S. A stochastic model of TCP and fair video transmission// Proc. IEEE INFOCOM, 2003. P. 1134-1144. doi: 10.1109/INFCOM.2003.1208950.
  6. Саульев В. К. Интегрирование уравнений параболического типа методом сеток. - М.: Физматлит, 1960. 324 с.
  7. Борисов А. В., Миллер Г. Б. Анализ и фильтрация специальных марковских процессов в дискретном времени. II. Оптимальная фильтрация // Автоматика и телемеханика, 2005. №7. С. 112-125. doi: 10.1007/s10513-005-0153-7.
  8. Борисов А. В., Миллер Б. М., Семенихин К. В. Фильтра-ция марковского скачкообразного процесса по на-блюдениям мультивариантного точечного процес- са//Автоматика и телемеханика, 2015. № 2. С. 34-60. doi: 10.1134/S0005117915020034.
  9. Borisov A., Bosov A., MillerG. Modeling and monitoring of RTP link on the receiver side // Internet of things, smart spaces, and next generation networks and systems / Eds. S. I. Balandin, S. D. Andreev, Y. Koucheryavy. - Lecture notes in computer science ser. - Springer, 2015. Vol. 9247. P. 229-241. doi: 10.1007/978-3-319-23126-6_21.
  10. Борисов А. В. Применение методов оптимальной фильтрации для оперативного оценивания состояний сетей массового обслуживания // Автоматика и телемеханика, 2016. №2. С. 115-141. doi: 10.1134/S0005117916020053

ОБ ОДНОМ КЛАССЕ ЗАДАЧ ФИЛЬТРАЦИИ НА МНОГООБРАЗИЯХ

  • К. А. Рыбаков  Московский авиационный институт (национальный исследовательский университет), rkoffice@maii.ru

Литература

  1. Синицын И.Н. Ортогональные субоптимальные фильтры для нелинейных стохастических систем на многообразиях // Информатика и её применения, 2016. Т. 10. Вып. 1. С. 34-44.
  2. Синицын И.Н. Нормальные и ортогональные субоптимальные фильтры для нелинейных стохастических систем на многообразиях // Системы и средства информатики, 2016. Т. 26. № 1. С. 199-226.
  3. Синицын И.Н., Синицын В. И., Корепанов Э.Р. Эллипсоидальные субоптимальные фильтры для нелинейных стохастических систем на многообразиях // Системы и средства информатики, 2016. Т. 26. №2. С. 79-97.
  4. Синицын И. Н, Синицын В. И., Корепанов Э. Р. Модифицированные эллипсоидальные условно-оптимальные фильтры для нелинейных стохастических систем на многообразиях // Информатика и её при-менения, 2017. Т. 11. Вып. 2. С. 101-111.
  5. Синицын И. Н, Синицын В. И., Сергеев И. В., Корепанов Э. Р. Методы эллипсоидальной фильтрации процессов в нелинейных стохастических системах на многообразиях // Автоматика и телемеханика, 2018. № 1. С. 147-161.
  6. Дубко В. А. Вопросы теории и применения стохасти-ческих дифференциальных уравнений. - Владивосток: ДВО АН СССР, 1989. 185 с.
  7. Дубко В. А. Стохастические дифференциальные уравнения. Избранные разделы. - Киев: Логос, 2012. 68 с.
  8. Карачанская Е. В. Случайные процессы с инвариантами. - Хабаровск: ТОГУ, 2014. 148 с.
  9. Карачанская Е. В. Интегральные инварианты стохастических систем и программное управление с веро-ятностью 1. - Хабаровск: ТОГУ, 2015. 148 с.
  10. Аверина Т. А. Аналитические и численные решения трех систем стохастических дифференциальных уравнений с инвариантами // Аналитические и численные методы моделирования естественнонаучных и социальных проблем: Тр. XII Междунар. научн.-технич. конф. - Пенза: ПГУ, 2017. С. 3-8.
  11. 0ksendal B., Sulem A. Applied stochastic control of jump diffusions. - Berlin: Springer, 2005. 214 p.
  12. Синицын И. Н. Фильтры Калмана и Пугачева. - М.: Логос, 2007. 776 с.
  13. Bain A., Crisan D. Fundamentals of stochastic filtering. - New York, NY, USA: Springer, 2009. 394 p.
  14. Рыбаков К. А. Статистические методы анализа и фильтрации в непрерывных стохастических системах. - М.: МАИ, 2017. 176 с.
  15. Averina T.A., Karachanskaya E. V., Rybakov K. A. Statis-tical analysis of diffusion systems with invariants // Russ. J. Numer. Anal. M., 2018. Vol. 33. Iss. 1. P. 1-13.

О ЧИСЛЕ МАКСИМАЛЬНЫХ НЕЗАВИСИМЫХ ЭЛЕМЕНТОВ ЧАСТИЧНЫХ ПОРЯДКОВ (СЛУЧАЙ ЦЕПЕЙ)

  • Е. В. Дюкова  Федеральный исследовательский центр "Информатика и управление " Российской академии наук; Московский государственный университет им. М. В. Ломоносова, edjukova@mail.ru
  • Г. О. Масляков  Московский государственный университет им. М. В. Ломоносова, gleb-mas@mail.ru
  • П. А. Прокофьев  Институт машиноведения им. А. А. Благонравова Российской академии наук, p_prok@mail.ru

Литература

  1. Johnson D. S., Yannakakis M., Papadimitriou C. H. On general all maximal independent sets // Inform. Process. Lett., 1988. Vol. 27. Iss. 3.P. 119-123.
  2. Fredman M., Khachiyan L. On the complexity of dualization of monotone disjunctive normal forms //J. Algorithm., 1996. Vol. 21. P. 618-628.
  3. Boros E, Elbassioni K., Gurvich V., Khachiyan L., Makino K. Dual-bounded generating problems: All minimal integer solutions for a monotone system of linear inequalities // SIAM J. Comput., 2002. Vol. 31. Iss. 5. Р. 1624-1643.
  4. Elbassioni K. Algorithms for dualization over products of partially ordered sets // SIAM J. Discrete Math., 2009. Vol. 23. Iss. 1. P. 487-510.
  5. Дюкова Е. В. Об асимптотически оптимальном алгоритме построения тупиковых тестов // Докл. Акад. наук СССР, 1977. Т. 233. № 4. С. 527-530.
  6. Дюкова Е.В., Прокофьев П. А. Об асимптотически оптимальных алгоритмах дуализации // Ж. вычисл. матем. матем. физ., 2015. Т. 55. № 5. С. 895-910.
  7. Носков В. Н., Слепян В. А. О числе тупиковых тестов для одного класса таблиц // Кибернетика, 1972. № 1. С. 60-65.
  8. Дюкова Е.В., Масляков Г. О., Прокофьев П. А. О дуализации над произведением частичных порядков // Машинное обучение и анализ данных, 2017. Т. 3. № 4. С. 239-249.
  9. Дюкова Е. В. О сложности реализации некоторых процедур распознавания//Ж. вычисл. матем. матем. физ., 1987. Т. 27. №1. С. 114-127.

АНАЛИЗ УЯЗВИМОСТИ МНОГОПОЛЮСНЫХ СЕТЕЙ ПРИ СТРУКТУРНЫХ ПОВРЕЖДЕНИЯХ

  • Ю. Е. Малашенко  Федеральный исследовательский центр "Информатика и управление" Российской академии наук, malash09@ccas.ru
  • И. А. Назарова  Федеральный исследовательский центр "Информатика и управление" Российской академии наук, irma-nazar@yandex.ru
  • Н. М. Новикова  Федеральный исследовательский центр "Информатика и управление" Российской академии наук, n_novikova@umail.ru

Литература

  1. Малашенко Ю. Е., Назарова И. А., Новикова Н. М. Метод анализа функциональной уязвимости потоковых сетевых систем // Информатика и её применения, 2017. Т. 11. Вып. 4. С. 47-54.
  2. Малашенко Ю. Е., Назарова И. А., Новикова Н. М. Диаграммы уязвимости потоковых сетевых систем // Ин- форматикаиеё применения, 2018. Т. 12. Вып. 1. С. 1118.
  3. Гермейер Ю. Б. Введение в теорию исследования операций. - М.: Наука, 1971. 384 с.
  4. Малашенко Ю. Е., Назарова И. А., Новикова Н. М. Анализ разрезных повреждений в многополюсных сетях // Информатика и её применения, 2018. Т. 12. Вып. 3. С. 35-41.
  5. Йенсен П., Барнес Д. Потоковое программирование / Пер. с англ. - М.: Радио и связь, 1984. 392 с. (Jensen P. A., Barnes J. W Network flow programming. - New York, NY, USA: Wiley, 1980. 408 p.)
  6. Назарова И. А., Малашенко Ю.Е., Новикова Н. М. Управление топливно-энергетической системой при крупномасштабных повреждениях. III. Критические и стационарные режимы // Изв. РАН. Теория и системы управления, 2018. №4. С. 107-121.
  7. Козлов М. В., Малашенко Ю.Е., Назарова И. А. и др. Управление топливно-энергетической системой при крупномасштабных повреждениях. I. Сетевая модель и программная реализация // Изв. РАН. Теория и системы управления, 2017. № 6. С. 50-73.
  8. Кочкаров А. А., Салпагаров М. Б., Эльканова Л. М. Дис-кретная модель структурного разрушения сложных систем // Проблемы управления, 2007. Вып. 5. С. 2126.
  9. Кузнецов О. П., Жилякова Л. Ю. Двусторонние ресурсные сети - новая потоковая модель //Докл. Академии наук, 2010. Т. 433. Вып. 5. С. 609-612.

КЛАССИФИКАЦИЯ ФИЗИЧЕСКОЙ АКТИВНОСТИ ЧЕЛОВЕКА С ПОМОЩЬЮ ЛОКАЛЬНЫХ АППРОКСИМИРУЮЩИХ МОДЕЛЕЙ

  • Д. А. Аникеев   Московский физико-технический институт, dmitriy.anikeyev@phystech.edu
  • Г. О. Пенкин  Московский физико-технический институт, penkin.gr@gmail.com
  • В. В. Стрижов  Московский физико-технический институт; Вычислительный центр им. А. А. Дородницына Федерального исследовательского центра "Информатика и управление" Российской академии наук, strijov@ccas.ru

Литература

  1. Farmer J. D., Sidorowich J. J. Predicting chaotic time se-ries// Phys. Rev. Lett., 1987. Vol. 59. No. 8. P 845-848.
  2. Карасиков М. Е., Стрижов В. В. Классификация временных рядов в пространстве параметров порожда-ющих моделей // Информатика и её применения, 2008. T. 10. Вып. 4. С. 121-131.
  3. Мясников Л. Л., Мясникова Е. Н. Автоматическое распознавание звуковых образов. - Л.: Энергия, 1970. 183 с.
  4. Kwapisz J. R., Weiss G. M, Moore S. A. Activity recognition using cell phone accelerometers // ACM SigKDD Explorations Newsletter, 2011. Vol. 12. No. 2. P. 72-82.
  5. Кузнецов М. П., Ивкин Н. П. Алгоритм классификации временных рядов акселерометра по комбинированному признаковому описанию // Машинное обучение и анализ данных, 2015. Т. 1. № 11. С. 1471-1483.
  6. Tsay R. S. Analysis of financial time series. - Hoboken, NJ, USA: Wiley, 2006. 712 p.
  7. Fu C. A review on time series data mining // Eng. Appl. Artif. Intel., 2011. Vol. 24. P. 164-181.
  8. Esling P., Agon C. Time series data mining // ACM Com- put. Surv., 2012. Vol. 45. No. 1. P 1-34.
  9. Coull B.A., Staundenmayer J. Self modeling regression for multivariate curve data // Stat. Sinica, 2004. Vol. 14. P 695-711.
  10. Weber G. - W., Batmaz I., Koksal G., et al. CMARS: A new contribution to nonparametric regression with multivaria- tive adaptive regression splines supported by continuous optimisation // Inverse Probl. Sci. En., 2012. Vol. 20. No. 3. P 371-400. doi: 10.1080/17415977.2011.624770.
  11. Истомин И.А., Котляров О.Л., Лоскутов А. Ю. К проблеме обработки временных рядов: расширение возможностей метода локальной аппроксимации по-средством сингулярного спектрального анализа // Теоретическая и математическая физика, 2005. Т. 142. № 1. С. 148-160.
  12. Dette H., Melas V. B., Pepelyshev A. Optimal design for smoothing splines // Ann. I. Stat. Math., 2007. Vol. 63. No. 5. P. 981-1003.
  13. Целых В. Р. Многомерные адаптивные регрессионные сплайны // Машинное обучение и анализ данных, 2012. Т. 1. № 3. С. 272-278.
  14. Gholizadel S., Salajegheh E. Optimal design of structures subjected to time history loading by swarm intelligence and an advanced metamodels // Comput. Method. Appl. M., 2009. Vol. 198. P. 2936-2949.
  15. Vasko K., Toivonen H. Estimating the number of segments in time series data using permutation tests // Conference (International) on Data Mining Proceedings. - IEEE, 2006. P. 466-473.
  16. Motrenko A. P., Strijov V. V. Extracting fundamental pe-riods to segment biomedical signals // IEEE J. Biomed. Health, 2015. Vol. 20. No. 6. P 1466-1476.

ОБРАЩЕНИЕ ОДНОРОДНЫХ ОПЕРАТОРОВ С ПОМОЩЬЮ СТАБИЛИЗИРОВАННОЙ ЖЕСТКОЙ ПОРОГОВОЙ ОБРАБОТКИ ПРИ НЕИЗВЕСТНОЙ ДИСПЕРСИИ ШУМА

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

Литература

  1. 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.
  2. Shestakov O. V. Nonlinear regularization of inverse problems for linear homogeneous transforms by the stabilized hard thresholding // J. Math. Sci., 2018. Vol. 234. No. 6. P. 780-785.
  3. Кудрявцев А. А., Шестаков О. В. Асимптотика оценки риска при вейглет-вейвлет разложении наблюдаемого сигнала // T-Comm - телекоммуникации и транспорт, 2011. №2. С. 54-57.
  4. Кудрявцев А. А., Шестаков О. В. Асимптотическое распределение оценки риска пороговой обработки вейглет-коэффициентов сигнала при неизвестном уровне шума // T-Comm - телекоммуникации и транспорт, 2011. №5. С. 24-30.
  5. Abramovich F., Silverman B. W. Wavelet decomposition approaches to statistical inverse problems // Biometrika, 1998. Vol. 85. No. 1. P. 115-129.
  6. Mallat S. A Wavelet tour of signal processing. -New York, NY, USA: Academic Press, 1999. 857 p.
  7. Lee N. Wavelet-vaguelette decompositions and homoge-nous equations. - West Lafayette, IN, USA: Purdue University, 1997. PhD Thesis. 103 p.
  8. Breiman L. Heuristics of instability and stabilization in model selection // Ann. Stat., 1996. Vol. 24. No. 6. P. 2350-2383.
  9. Jansen M. Noise reduction by wavelet thresholding. - Lecture notes in statistics ser. - New York, NY, USA: Springer Verlag, 2001. Vol. 161. 196 p.
  10. Шестаков О. В. О скорости сходимости оценки риска пороговой обработки вейвлет-коэффициентов к нор-мальному закону при использовании робастных оценок дисперсии // Информатика и её применения, 2012. Т. 6. Вып. 2. С. 122-128.
  11. Serfling R. Approximation theorems of mathematical statistics. - New York, NY, USA: John Wiley & Sons, 1980. 371 p.
  12. Serfling R., Mazumder S. Exponential probability inequal-ity and convergence results for the median absolute devi-ation and its modifications // Stat. Probabil. Lett., 2009. Vol. 79. No. 16. P. 1767-1773.

ОБ УНИМОДАЛЬНОСТИ ФУНКЦИИ ДОХОДА СИСТЕМЫ МАССОВОГО ОБСЛУЖИВАНИЯ ТИПА G|M|s С УПРАВЛЯЕМОЙ ОЧЕРЕДЬЮ

  • Я. М. Агаларов  Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, agglar@yandex.ru
  • В. Г. Ушаков  Факультет вычислительной математики и кибернетики Московского государственного университета имени М. В. Ломоносова; Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, vgushakov@mail.ru

Литература

  1. Welzl M. Network congestion control: Managing internet traffic. - New York, NY, USA: Wiley, 2005. 282 p.
  2. Жерновый Ю. В. Решение задач оптимального синтеза для некоторых марковских моделей обслуживания // Информационные процессы, 2010. Т. 10. № 3. C. 257-274.
  3. Коновалов М. Г. Об одной задаче оптимального управления нагрузкой на сервер // Информатика и её при-менения, 2013. Т. 7. Вып. 4. С. 34-43.
  4. Агаларов Я. М. Пороговая стратегия ограничения доступа к ресурсам в системе массового обслуживания M|D|1 с функцией штрафов за несвоевременное об-служивание заявок // Информатика и её применения, 2015. Т. 9. Вып. 3. С. 55-64.
  5. Гришунина Ю. Б. Оптимальное управление очередью в системе M | G| 1 |то с возможностью ограничения при-ема заявок // Автоматика и телемеханика, 2015. № 3. С. 79-93.
  6. Агаларов Я. М. Максимизация среднего стационарного дохода системы массового обслуживания типа M|G|1 // Информатика и её применения, 2017. Т. 11. Вып. 2. С. 25-32.
  7. Агаларов Я. М., Шоргин В. С. Об одной задаче максимизации дохода системы массового обслуживания типа G|M|1 с пороговым управлением очередью // Информатика и её применения, 2017. Т. 11. Вып. 4. С. 55-64.
  8. Karlin S. A first course in stochastic processes. - New York-London: Academic Press, 1968. 502 p.
  9. Бочаров П. П., Печинкин А. В. Теория массового обслуживания. - М.: РУДН, 1995. 529 с.

АПРИОРНЫЕ ФРЕШЕ И МАСШТАБИРОВАННОЕ ОБРАТНОЕ ХИ-РАСПРЕДЕЛЕНИЕ В БАЙЕСОВСКИХ МОДЕЛЯХ БАЛАНСА

  • А. А. Кудрявцев  Московский государственный университет им. М. В. Ломоносова, факультет вычислительной математики и кибернетики, nubigena@mail.ru
  • С. И. Палионная  Московский государственный университет им. М. В. Ломоносова, факультет вычислительной математики и кибернетики, sofiapalionnaya@gmail.com
  • В. С. Шоргин   Институт проблем информатики Федерального исследовательского центра "Информатика и управление " Российской академии наук, VShorgjn@ipiran.ru

Литература

  1. Кудрявцев А. А. Байесовские модели баланса//Информатика и её применения, 2018. Т. 12. Вып. 3. С. 18-27.
  2. Кудрявцев А. А., Титова А. И. Гамма-экспоненциальная функция в байесовских моделях массового обслуживания // Информатика и её применения, 2017. Т. 11. Вып. 4. С. 104-108.
  3. Frechet M. Sur la loi de probabilite de l'ecart maximum // Ann. Soc. Polonaise Math., 1927. Vol. 6. P 93-116.
  4. Burr I. W. Cumulative frequency functions // Ann. Math. Stat., 1942. Vol. 13. No. 2. P. 215-232.
  5. Dagum C. A new model of personal income-distribution- specification and estimation // Econ. Appl., 1977. Vol. 30. No. 3. P. 413-437.
  6. Кудрявцев А. А., Палионная С. И., Шоргин В. С. Априорное обратное гамма-распределение в байесовских моделях массового обслуживания // Системы и средства информатики, 2018. Т. 28. № 4. С. 52-58.

ПОЛИНОМИАЛЬНЫЕ АЛГОРИТМЫ ВЫЧИСЛЕНИЯ ЛОКАЛЬНЫХ АФФИННОСТЕЙ КВАДРАТИЧНЫХ БУЛЕВЫХ ФУНКЦИЙ

  • О. А. Логачев  Московский государственный университет им. М. В. Ломоносова; Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, logol@iisi.msu.ru
  • А. А. Сукаев   Московский государственный университет им. М. В. Ломоносова, asukaev@gmail.com
  • С. Н. Федоров  Московский государственный университет им. М. В. Ломоносова, s.n.feodorov@yandex.ru

Литература

  1. Гэри М., Джонсон Д. Вычислительные машины и труднорешаемые задачи / Пер. с англ. - М.: Мир, 1982. 416 с. (Garey M.R., Johnson D.S. Computers and in-tractability: A guide to the theory of NP-completeness. - San Francisco, CA, USA: W. H. Freeman and Co., 1979. 348 p.).
  2. Горшков С. П., Тарасов А. В. Сложность решения систем булевых уравнений. - М.: Курс, 2017. 192 с.
  3. Смирнов В. Г. Некоторые классы эффективно решаемых систем булевых уравнений // Труды по дискретной математике, 2000. Т. 3. С. 269-282.
  4. Bard G. V. Algebraic cryptanalysis. - Springer, 2009. 389 p.
  5. Bard G., Courtois N., Jefferson C. Efficient methods for conversion and solution of sparse systems of low- degree multivariate polynomials over GF(2) via SAT- solvers // Cryptology ePrint Archive. Report 2007/024. http://eprint.iacr.org/2007/024.pdf.
  6. Логачев О. А., Сальников А. А., Смышляев С. В., Ященко В. В. Булевы функции в теории кодирования и криптологии. - М.: ЛЕНАНД, 2015. 576 с.
  7. Мак-Вильямс Ф.Дж., Слоэн Н.Дж.А. Теория кодов, исправляющих ошибки / Пер. с англ. - М.: Связь, 1979. 743 с. (MacWilliams F. J., SloaneN. J.A. The theory of error-correcting codes. - North-Holland mathematical library ser. - North-Holland Publishing Co., 1977. 774 p.)
  8. Logachev O.A., Yashchenko V. V., Denisenko M. P. Local affinity of Boolean mappings // Boolean functions in cryptology and information security: Proceedings of the NATO Advanced Study Institute. - IOS Press, 2008. P. 148-172.
  9. Горшков С. П. Применение теории NP-полных задач для оценки сложности решения систем булевыхурав- нений // Обозрение прикладной и промышленной математики, 1995. Т. 2. Вып. 3. С. 325-398.
  10. Dickson L. E. Linear groups: With an exposition of the Galois field theory. - Leipzig: B. G. Teubner, 1901. 322 p.

ОПТИМИЗАЦИЯ ГИПЕРПАРАМЕТРОВ НЕЙРОННЫХ СЕТЕЙ С ИСПОЛЬЗОВАНИЕМ ВЫСОКОПРОИЗВОДИТЕЛЬНЫХ ВЫЧИСЛЕНИЙ ДЛЯ ПРЕДСКАЗАНИЯ ОСАДКОВ

  • А. К. Горшенин  Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук; факультет вычислительной математики и кибернетики Московского государственного университета им. М. В. Ломоносова, agorshenin@frccsc.ru
  • В. Ю. Кузьмин   ООО "Вай2Гео", shadesilent@yandex.ru

Литература

  1. Xie J., Yang C., Zhou B., Huang Q. High-performance computing for the simulation of dust storms // Comput. Environ. Urban, 2010. Vol. 34. P. 278-290.
  2. Lee C.A., Gasster S. D, Plaza A., Chang C.-I., Huang B. Recent developments in high performance computing for remote sensing: A review//IEEE J. Sel. Top. Appl., 2011. Vol. 4. Iss. 3. P. 508-527.
  3. Xue Y, Palmer-Brown D., Guo H. The use of high- performance and high-throughput computing for the fertilization of Digital Earth and global change studies // Int. J. Digit. Earth, 2011. Vol. 4. Iss. 3. P. 185-210.
  4. Lu F., Song J., Cao X., Zhu X. CPU/GPU computing for long-wave radiation physics on large GPU clusters // Comput. Geosci., 2012. Vol. 41. P. 47-55.
  5. Oubeidillah A. A., Kao S.-C., Ashfaq M, Naz B. S., Tootle G. A large-scale, high-resolution hydrological model parameter data set for climate change impact assessment forthe conterminous US // Hydrol. Earth Syst. Sc., 2014. Vol. 18. Iss. 1. P. 67-84.
  6. Thompson G, Politovich M. K., Rasmussen R. M. A numerical weather model's ability to predict characteristics of aircraft icing environments // Weather Forecast., 2017. Vol. 32. Iss. 1. P. 207-221.
  7. Hu X., Song L. Hydrodynamic modeling of flash flood in mountain watersheds based on high-performance GPU computing // Nat. Hazards, 2018. Vol. 91. Iss. 2. P. 567-586.
  8. Reguly I. Z., Giles D, Gopinathan D., Quivy L, Beck J. H., Giles M. B., Guillas S., Dias F. The VOLNA-OP2 tsunami code (version 1.5) // Geosci. Model Dev., 2018. Vol. 11. Iss. 11. P. 4621-4635.
  9. Zheng M, Tang W, Zhao X. Hyperparameter optimization of neural network-driven spatial models accelerated using cyber-enabled high-performance computing // Int. J. Geogr. Inf. Sci., 2019. Vol. 33. Iss. 2. P. 314-345.
  10. Gorshenin A. K., Kuzmin V. Yu. Improved architecture of feedforward neural networks to increase accuracy of pre-dictions for moments of finite normal mixtures // Pattern Recognition Image Anal., 2019. Vol. 29. No. 1. P. 68-77.
  11. Bergstra J., Bengio Y. Random search for hyper-parameter optimization // J. Mach. Learn. Res., 2012. Vol. 13. P. 281-305.
  12. Gorshenin A. K., Kuzmin V. Yu. Neural network forecasting of precipitation volumes using patterns // Pattern Recog-nition Image Anal., 2018. Vol. 28. No. 3. P. 450-461.
  13. Glorot X., Bordes A., Bengio Y. Deep sparse rectifier neural networks // J. Mach. Learn. Res., 2011. Vol. 15. P. 315-323.
  14. Tikhonov A. N, Leonov A. S., Yagola A. G. Nonlinear illposed problems. - Heidelberg: Springer, 1998. 386 p.
  15. Srivastava N., Hinton G., Krizhevsky A., Sutskever I., Salakhutdinov R. Dropout: A simple way to prevent neural networks from overfitting // J. Mach. Learn. Res., 2014. Vol. 15. P. 1929-1958.
  16. Rojas-Dominguez A., Padierna L. C, Valadez J. M. C., Puga-Soberanes H. J., Fraire H. J. Optimal hyperparameter tuning of SVM classifiers with application to medical diagnosis // IEEE Access, 2018. Vol. 6. P. 71647176.
  17. Uppu S., Krishna A. A deep hybrid model to detect multi-locus interacting SNPs in the presence of noise // Int. J. Med. Inform., 2018. Vol. 119. P. 134-151.
  18. Xia Y., Liu C, Li Y., Liu N. A boosted decision tree approach using Bayesian hyper-parameter optimization for credit scoring // Expert Syst. Appl., 2017. Vol. 78. P. 225-241.
  19. Greff K, Srivastava R. K., Koutnik J., Steunebrink B. R., Schmidhuber J. LSTM: A search space Odyssey // IEEE T. Neur. Net. Lear., 2017. Vol. 28. Iss. 10. P. 2222-2232.
  20. Kingma D., Ba J. Adam: A method for stochastic opti-mization // 3rd Conference (International) for Learning Representations. - San Diego, CA, USA, 2015. arXiv:1412.6980. 13 p.
  21. Zeiler M. D. ADADELTA: An adaptive learning rate method. arXiv:1212.5701, 2012. 6 p.
  22. Buduma N. Fundamentals of deep learning: Designing next-generation machine intelligence algorithms. - Sebastopol, CA, USA: O'Reilly Media, 2017. 295 p.
  23. Горшенин А. К. Анализ вероятностно-статистических характеристик осадков на основе паттернов // Ин-форматика и её применения, 2017. Т. 11. Вып. 4. C. 38-46.

СИНТЕЗ ГЕОДАННЫХ В ПРОСТРАНСТВЕННЫХ ИНФРАСТРУКТУРАХ НА ОСНОВЕ СВЯЗАННЫХ ДАННЫХ

  • С. К. Дулин  Научно-исследовательский и проектно-конструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте (ОАО НИИАС); Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, skdulin@mail.ru
  • Н. Г. Дулина   Вычислительный центр им. А. А. Дородницына Федерального исследовательского центра "Информатика и управление" Российской академии наук, ngdulina@mail.ru
  • О. С. Кожунова  Институт проблем информатики Федерального исследовательского центра "Информатика и управление " Российской академии наук, kozhunovka@mail.ru

Литература

  1. OGC Engineering Reports. http://www.opengeospatial. org/standards.
  2. Ruiz J. J., Ariza F. I., Urena M.A., Blazquez E. B. Digital map conflation: A review of the process and a proposal for classification// Int. J. Geogr. Inf. Sci., 2011. Vol. 25. Iss. 9. P. 1439-1466.
  3. Schwinn A., Schelp J. Design patterns for data integration // J. Enterprise Information Management, 2005. Vol. 18. Iss. 4. P. 471-482.
  4. Lopez- Vazquez C., Callejo M. A.M. Point- and curve-based geometric conflation // Int. J. Geogr. Inf. Sci., 2013. Vol. 27. Iss. 1. P. 192-207.
  5. OGC Web Services Testbed, Phase 8 (OWS-8) Demon-strations. http://www.opengeospatial.org/pub/www/ ows8/index.html.
  6. Botts M, Percivall G., Carl Reed C., Davidson J. OGC Sensor Web Enablement (SWE): Overview and high level architecture. OGC White Paper. Document OGC 07-165r1, April 2, 2013.
  7. Pravia M. Generation of a fundamental data set for hard/soft information fusion// 11th Conference (International) on Information Fusion. - Cologne: International Society of Information Fusion, 2008. P. 134-145.
  8. OGC Fusion Standards Study: Phase 2 Engineering Report / Ed. G. Percivall. OGC Document 10-184, December 13, 2010. http://www.opengeospatial.org/ files/?artifact_id=41573.
  9. Butenuth M, von Goesseln G., Sester M. Integration of heterogeneous geospatial data in a federated database // ISPRS J. Photogramm., 2007. Vol. 62. Iss. 5. P. 328-346.
  10. Al-Bakri M., Fairbairn D. Assessing similarity matching for possible integration of feature classifications of geospa- tial data from official and informal sources // Int. J. Geogr. Inf. Sci., 2012. Vol. 26. Iss. 8. P. 1437-1456.
  11. Koukoletsos T, Haklay M., Ellul C. Assessing data com-pleteness of VGI through an automated matching pro-cedure for linear data // T. GIS, 2012. Vol. 16. Iss. 4. P. 477-498.
  12. Stankute S., Asche H. A data fusion system for spatial data mining, analysis and improvement // Computational science and its applications / Eds. B. Murgante, O. Ger- vasi, S. Misra, N. Nedjah, A. A. C. Rocha, D. Taniar, B. O. Apduhan. - Lecture notes in computer science ser. - Springer-Verlag, 2012. Vol. 7334. P. 439-449.
  13. Cholvy L. Modelling information evaluation in fusion // 10th Conference (International) on Information Fusion Proceedings. - Quebec, Canada: IEEE, 2007. CD-ROM. P. 1-6. doi: 10.1109/ICIF.2007.4408060.
  14. Bernard L., Kanellopoulos I., Annoni A., Smits P. The European Geoportal - one step towards the establish-ment of a European spatial data infrastructure // Comput. Environ. Urban, 2005. Vol. 29. Iss. 1. P. 15-31.

ЦЕЛЕНАПРАВЛЕННОЕ РАЗВИТИЕ СИСТЕМ ЛИНГВИСТИЧЕСКИХ ЗНАНИЙ: ВЫЯВЛЕНИЕ И ЗАПОЛНЕНИЕ ЛАКУН

  • И. М. Зацман  Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, izatsman@yandex.ru

Литература

  1. Дурново А. А., Зацман И. М., Лощилова Е.Ю. Кросс- лингвистическая база данных для аннотирования логико-семантических отношений в тексте // Системы и средства информатики, 2016. Т. 26. № 4. С. 124-137.
  2. Зацман И. М., Мамонова О. С., Щурова А. Ю. Обратимость и альтернативность генерализации моделей перевода коннекторов в параллельных текстах // Системы и средства информатики, 2017. Т. 27. № 2. С. 125-142.
  3. Зацман И. М., Кружков М. Г., Лощилова Е. Ю. Методы анализа частотности моделей перевода коннекторов и обратимость генерализации статистических данных // Системы и средства информатики, 2017. Т. 27. №4. С. 164-176.
  4. Kruzhkov M. G. Approaches to annotation of discourse relations in linguistic corpora // Информатика и её применения, 2017. Т. 11. Вып. 4. С. 118-125.
  5. Zatsman I., Buntman N., Kruzhkov M., Nuriev V., Zalizniak Anna A. Conceptual framework for development of computer technology supporting cross-linguistic knowl-edge discovery // 15th European Conference on Knowledge Management Proceedings. - Reading: Academic Publishing International Ltd., 2014. Vol. 3. P. 1063-1071.
  6. Zatsman I., Buntman N. Outlining goals for discovering new knowledge and computerised tracing of emerging meanings // 16th European Conference on Knowledge Management Proceedings. - Reading: Academic Publishing International Ltd., 2015. P. 851-860.
  7. Zatsman I., Buntman N., Coldefy-Faucard A., Nuriev V. WEB knowledge base for asynchronous brainstorming // 17th European Conference on Knowledge Management Proceedings. - Reading: Academic Publishing Interna-tional Ltd., 2016. Vol. 1. P. 976-983.
  8. Zatsman I. Goal-oriented creation of individual knowledge: Model and information technology // 19th European Conference on Knowledge Management Proceedings. - Reading: Academic Publishing International Ltd., 2018. Vol. 2. P. 947-956.
  9. Добровольский Д. О., Зализняк Анна А. Немецкие конструкции с модальными глаголами и их русские соответствия: проект надкорпусной базы данных // Компьютерная лингвистика и интеллектуальные тех-нологии: По мат-лам Междунар. конф. "Диалог". - М.: РГГУ, 2018. Т. 17(24). С. 172-184.
  10. Зацман И. М. Стадии целенаправленного извлечения знаний, имплицированных в параллельных текстах// Системы и средства информатики, 2018. Т. 28. №3. С. 175-188.
  11. Параллельный немецкий корпус. http://www. ruscorpora.ru/search-para-de.html.
  12. Зализняк Анна А., Зацман И. М., Инькова О. Ю. Надкорпусная база данных коннекторов: построение системы терминов // Информатика и её применения, 2017. Т. 11. Вып. 1. С. 100-106.
  13. Handbook oflinguistic annotation / Eds. N. Ide, J. Puste- jovsky. - Dordrecht, The Netherlands: Springer Science + Business Media, 2017. 1468 p.
  14. Немецко-русский словарь: актуальная лексика / Под ред. Д. О. Добровольского. - М.: Лексрус, 2019 (в пе-чати).
  15. Zufferey S., Degand L. Annotating the meaning of discourse connectives in multilingual corpora // Corpus Linguist. Ling., 2013. Vol. 13. Iss. 2. P. 399-423. doi: 10.1515/cllt-2013-0022.

РЕСУРСНЫЕ СИСТЕМЫ МАССОВОГО ОБСЛУЖИВАНИЯ С ПРОИЗВОЛЬНЫМ ОБСЛУЖИВАНИЕМ

  • А. В. Горбунова  Российский университет дружбы народов, gorbunova_av@rudn.university
  • В. А. Наумов   Исследовательский институт инноваций, Хельсинки, Финляндия, valeriy.naumov@pfu.fi
  • Ю. В. Гайдамака  Российский университет дружбы народов; Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, gaydamaka_yuv@rudn.university
  • К. Е. Самуйлов  Российский университет дружбы народов; Институт проблем информатики Федерального исследовательского центра "Информатика и управление" Российской академии наук, samouylov_ke@rudn.university

Литература

  1. Горбунова А. В., Наумов В. А., Гайдамака Ю. В., Самуйлов К. Е. Ресурсные системы массового обслуживания как модели беспроводных систем связи // Информатика и её применения, 2018. Т. 12. Вып. 3. С. 48-55.
  2. Kelly F. P. Loss networks // Ann. Appl. Probab., 1991. No. 1.P 319-378.
  3. Ross K. W. Multiservice loss models for broadband telecommunication networks. - London: Springer- Verlag, 1995. 343 p.
  4. Башарин Г. П., Самуйлов К. Е, Яркина Н. В., Гудкова И. А. Новый этап развития математической теории телетрафика//Автоматика и телемеханика, 2009. № 12. С. 16-28.
  5. Ромм Э. Л., Скитович В. В. Об одном обобщении задачи Эрланга//Автоматика и телемеханика, 1971. № 6. С. 164-168.
  6. Кац Б. А. Об обслуживании сообщений случайной длины // Теория массового обслуживания: Труды 3-й Всесоюзн. школы-совещания по теории массового обслуживания. - М.: МГУ, 1976. С. 157-168.
  7. Тихоненко О. М. Распределение суммарного объема сообщений в однолинейной системе массового об-служивания с групповым поступлением //Автоматика и телемеханика, 1985. № 11. С. 78-83.
  8. Печинкин А. В., Соколов И. А., Шоргин С. Я. Ограничение на суммарный объем заявок в дискретной системе Geo|G|1|TO // Информатика и её применения, 2012. Т. 6. Вып. 3. С. 107-113.
  9. Наумов В. А., Самуйлов К. Е., Самуйлов А. К. О суммарном объеме ресурсов, занимаемых обслуживаемыми заявками // Автоматика и телемеханика, 2016. № 8. С. 105-110.
  10. Lisovskaya E., Moiseeva S., Pagano M. Infinite-server tandem queue with renewal arrivals and random capacity of customers // Comm. Com. Inf. Sc., 2017. Vol. 700. P. 201-216.
  11. Moiseev A., Moiseeva S., Lisovskaya E. Infinite-server queueing tandem with MMPP arrivals and random capacity of customers //31st European Conference on Modelling and Simulation Proceedings. - Budapest, Hungary, 2017. P. 673-679.
  12. Samouylov K., Sopin E., Vikhrova O. Analysis of queueing system with resources and signals // Comm. Com. Inf. Sc., 2017. Vol. 800. P. 358-369.
  13. Sopin E, Vikhrova O., Samouylov K. LTE network model with signals and random resource requirement // 9th Congress (International) on Ultra Modern Telecommunications and Control Systems and Workshops Proceedings. - Munich, Germany: IEEE, 2017. P. 101-106.
  14. Naumov V., Samouylov K. Analysis cf multi-resource loss system with state dependent arrival and service rates // Probab. Eng. Inform. Sc., 2017. Vol. 31. No. 4. P. 413-419.
  15. Наумов В. А., Самуйлов К. Е. Анализ сетей ресурсных систем массового обслуживания // Автоматика и те-лемеханика, 2018. № 5. С. 59-68.
  16. Тихоненко О. М., Климович К. Г. Анализ систем об-служивания требований случайной длины при огра-ниченном суммарном объеме // Проблемы передачи информации, 2001. Т. 37. Вып. 1. С. 78-88.
  17. Позняк Р. И., Ревинский В. В., Старовойтов А. М., Ти- хоненко О. М. Определение характеристик суммарного объема требований в однолинейных системах обслуживания с ограничениями // Автоматика и те-лемеханика, 1990. № 11. С. 182-186.
  18. Sengupta B. The spatial requirement of an M|G|1 queue, or: How to design for buffer space // Modelling and performance evaluation methodology / Eds. F. Baccelli, G. Fayolle. - Lecture notes in control and information sciences book ser. - Springer, 1984. Vol. 60. P. 545-562.
  19. Тихоненко О. М. Анализ системы обслуживания не-однородных требований с дисциплиной разделения процессора // Известия Национальной академии наук Беларуси. Сер. физико-математическихнаук, 2002. №2. С. 105-111.
  20. Тихоненко О. М. Система обслуживания с разделением процессора и ограниченными ресурсами // Автоматика и телемеханика, 2010. № 5. С. 84-98.
  21. Тихоненко О. М. Обобщенная задача Эрланга для систем обслуживания с ограниченным суммарным объемом // Проблемы передачи информации, 2005. Т. 41. Вып. 3. С. 64-75.
  22. Печинкин А. В. Система Mi|G|1|n с дисциплиной LIFO и ограничением на суммарный объем требова- ний//Автоматика и телемеханика, 1998. № 4. С. 106- 116.
  23. Печинкин А. В. Система MAP|G|1|n с дисциплиной LIFO с прерыванием и ограничением на суммарный объем требований // Автоматика и телемеханика, 1999. №12. С. 114-120.
  24. Касконе А., Манзо Р., Печинкин А. В., Шоргин С. Я. Система Geom |G| 1 |n с дисциплиной LIFO без преры-вания обслуживания и ограничением на суммарный объем заявок // Автоматика и телемеханика, 2011. № 1. С. 107-120.
  25. Кононов И. А., Лисовская Е. Ю. Исследование беско-нечнолинейной СМО MAP|GI|to с заявками случайного объема // Информационные технологии и ма-тематическое моделирование: Мат-лы^Междунар. конф. имени А. Ф. Терпугова. - Томск: ТГУ, 2016. Ч. 1. С. 67-71.
  26. Лисовская Е. Ю., Моисеева С. П. Асимптотический анализ немарковской бесконечнолинейной системы обслуживания требований случайного объема с вхо-дящим рекуррентным потоком // Вестник Томского государственного университета. Управление, вы-числительная техника и информатика, 2017. № 39. С. 30-38.
  27. Lisovskaya E, Moiseeva S., Pagano M, Potatueva V. Study of the MMPP|GI|to queueing system with random customers' capacities // Информатика и её применения, 2017. Т. 11. №4. С. 111-119.
  28. Наумов В. А., Самуйлов А. К. О связи ресурсных систем массового обслуживания с сетями Эрланга // Информатика и её применения, 2016. Т. 10. Вып. 3. С. 9-14.
  29. Наумов В. А., Самуйлов К. Е. О моделировании систем массового обслуживания с множественными ресурсами // Вестник РУДН. Сер. Математика, информатика, физика, 2014. № 3. С. 60-64.
  30. Naumov V., Samouylov K., Sopin E, Andreev S. Two ap-proaches to analyzing dynamic cellular networks with limited resources // 6th Congress (International) on Ultra Modern Telecommunications and Control Systems and Workshops Proceedings. - St. Petersburg: IEEE, 2014. P. 485-488.
  31. Samouylov K., Gaidamaka Yu., Sopin E. Simplified analysis of queueing systems with random requirements // Statistics and simulation / Eds. J. Pilz, D. Rasch, V. B. Melas, K. Moder. - Springer proceedings in mathematics & statistics book ser. - Springer, 2018. Vol. 231. P. 381-390.
  32. Samouylov K., Sopin E., Vikhrova O. Analyzing blocking probability in LTE wireless network via queuing system with finite amount of resources // Comm. Com. Inf. Sc., 2015. Vol. 564. P. 393-403.
  33. Вихрова О. Г., Самуйлов К. Е, Сопин Э. С., Шоргин С. Я. К анализу показателей качества обслуживания в современных беспроводных сетях // Информатика и её применения, 2015. Т. 9. Вып. 4. С. 48-55.
  34. Sopin E., Samouylov K. On the analysis of the limited re-sources queuing system under MAP arrivals // Conference (International) on Applied Mathematics, Computational Science and Systems Engineering Proceedings. - Athens, Greece: EDP Sciences, 2018. Vol. 16. Art. No. 01008. 4 p.

СРАВНИТЕЛЬНЫЙ АНАЛИЗ ПОКАЗАТЕЛЕЙ ЭФФЕКТИВНОСТИ МОДЕЛИ БЕСПРОВОДНОЙ СЕТИ МЕЖМАШИННОГО ВЗАИМОДЕЙСТВИЯ, РАБОТАЮЩЕЙ В РАМКАХ ДВУХ ПОЛИТИК РАЗДЕЛЕНИЯ РАДИОРЕСУРСОВ

  • Е. В. Маркова   Российский университет дружбы народов, markova_ev@rudn.university
  • А. А. Гольская  Российский университет дружбы народов, golskaya_aa@rudn.university
  • И. Л. Дзантиев  Российский университет дружбы народов, dzantiev_il@rudn.university
  • 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. Lay a A., Alonso L., Alonso-Zarate J. Is the random access channel of LTE and LTE-A suitable for M2M communications? A survey of alternatives // IEEE Commun. Surv. Tut., 2014. Vol. 16. Iss. 1. P 4-16. doi: 10.1109/ SURV.2013.111313.00244.
  2. Cisco Visual Networking Index: Forecast and trends, 2017-2022. White Papers, November 26, 2018. Document ID: 1543280537836565.
  3. Future technology trends of terrestrial IMT systems. ITU-R Reports. Report M.2320, November 2014.
  4. Aijaz A., Tshangini M, Nakhai M.R., Chu X., Aghvami A.-H. Energy-efficient uplink resource allocation in LTE networks with M2M/H2H co-existence under statistical QoS guarantees // IEEE T. Commun., 2014. Vol. 62. Iss. 7. P 2353-2365. doi: 10.1109/TC0MM.2014.2328338.
  5. Hamdoun S., Rachedi A., Ghamri-Doudane Y. A flexible M2M radio resource sharing scheme in LTE networks within an H2H/M2M coexistence scenario // Conference (International) on Communications. - IEEE, 2016. P. 1-7. doi: 10.1109/ICC.2016.7511237.
  6. Ericsson mobility report: On the pulse of the networked society. - Ericsson, June 2016.
  7. Requirements, evaluation criteria and submission templates forthe development of IMT-2020 // ITU-R Report M.2411, November 2017.
  8. 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 // Information technologies and mathematical modelling - queueing theory and applications / Eds. A. Dudin, A. Gortsev, A. Nazarov, R. Yakupov. - Communications in computer and information science ser. - Springer, 2016. Vol. 638. P. 327-340. doi: 10.1007/978-3-319- 44615-8_29.
  9. Markova E., Dzantiev I., Gudkova I., Shorgin S. Analyzing impact of path loss models on probability characteristics of wireless network with licensed shared access framework // 9th Congress (International) on Ultra Modern Telecommunications and Control Systems Proceedings. - Piscataway, NJ, USA: IEEE, 2017. P. 20-25. doi: 10.1109/ICUMT.2017.8255189.
  10. Begishev V., Kovalchukov R, Samuylov A., Ometov A., Moltchanov D., Gaidamaka Y., Andreev S. An analytical approach to SINR estimation in adjacent rectangular cells // Internet of things, smart spaces, and next generation networks and systems / Eds. S. I. Balandin, S. D. Andreev, Y. Koucheryavy. - Lecture notes in computer science ser. - Springer, 2015. Vol. 9247. P. 446-458. doi: 10.1007/978-3-319-23126-6_39.
  11. Samuylov A., Moltchanov D., Gaidamaka Y., Andreev S., Koucheryavy Y. Random triangle: Abaseline model forin- terference analysis in heterogeneous networks // IEEE T. Veh. Technol., 2016. Vol. 65. Iss. 8. P. 6778-6782. doi: 10.1109/TVT.2015.2481795.
  12. Naumov V., Samouylov K. Analysis of multi-resource loss system with state-dependent arrival and service rates // Probab. Eng. Inform. Sc., 2017. Vol. 31. Iss. 4. P. 413-419. doi: 10.1017/S0269964817000079.
  13. Markova E, Gudkova I., Ometov A., Dzantiev I., Andreev S., Koucheryavy Ye., Samouylov K. Flexible spectrum management in a smart city within licensed shared access framework// IEEE Access, 2017. Vol. 5. P. 22252-22261. doi: 10.1109/ACCESS.2017.2758840.