РАЗРАБОТКА МАТЕМАТИЧЕСКОЙ МОДЕЛИ КЛАССИФИКАЦИИ ЭКСПЕРТНЫХ ЗНАНИЙ ПО АСТРОНОМИЧЕСКИМ НАБЛЮДЕНИЯМ

Горбунов Александр Андреевич; Исаев Евгений Анатольевич; Самодуров Владимир Алексеевич

Глава

РАЗРАБОТКА МАТЕМАТИЧЕСКОЙ МОДЕЛИ КЛАССИФИКАЦИИ ЭКСПЕРТНЫХ ЗНАНИЙ ПО АСТРОНОМИЧЕСКИМ НАБЛЮДЕНИЯМ

С. 351-352.

Горбунов А. А., Исаев Е. А., Самодуров В. А.

В процессе астрономических наблюдений собираются огромные объемы данных. БСА (Большая Сканирующая Антенна) ФИАН, используемая при исследовании импульсных явлений, ежедневно регистрирует 87.5 Гбайт данных (32 Тб в год). При классификации эксперты используют явные и неявные знания. К явным можно отнести знания, которыми обладает каждый эксперт по соответствующей специальности (в данном докладе рассматриваются эксперты, обладающие знаниями в области астрономии). Существуют также и неявные знания, которые используют эксперты в процессе классификации астрономических данных - знания, основанные на предыдущем опыте эксперта. Экспертами классифицированы 83096 индивидуальных наблюдений [1,2,3] (на отрезке исследования июль 2012 - октябрь 2013). Разрабатываемая математическая модель должна помочь разделить имеющуюся выборку на классы наблюдений, полученные с использованием явных знаний (классы общих наблюдений) и неявных знаний (классы индивидуальных экспертных наблюдений). В перспективе данная математическая модель будет использована для улучшения работы автоматизированных классификаторов, что позволит повысить качество мониторинга и потоковой идентификации динамических космических объектов.

Язык: русский

Ð¢ÐµÐºÑÑ Ð½Ð° Ð´ÑÑÐ³Ð¾Ð¼ ÑÐ°Ð¹ÑÐµ

Ключевые слова: астрономические наблюдения большие данные

В книге

Современные проблемы физики и технологий. VII-я Международная молодежная научная школа-конференция, 16-21 апреля 2018 г.: Тезисы докладов. (в 3-х частях)

Ч. 2. М.: Национальный исследовательский ядерный университет МИФИ, 2018.

SURVEY ON BIG DATA ANALYTICS IN PUBLIC SECTOR OF RUSSIAN FEDERATION

Kuraeva Anna, Kazantsev N. In bk.: Procedia Computer Science. 3rd International Conference on Information Technology and Quantitative Management, ITQM 2015. Vol. Volume 55. Amsterdam: Elsevier, 2015. P. 905-911.

В докладе рассматриваются особенности развития информационно-коммуникационных технологий в государственном секторе Российской Федерации с акцентом на системы больших данных. Оцениваются факторы, оказывающие воздействие на развитие больших данных в госсекторе и рассматриваются российские и международные практики по исследуемому вопросу.

Добавлено: 27 февраля 2016

ИТ непрерывно совершенствуются и становятся все более доступными

Маляев В. Б. Аналитический банковский журнал. 2013. № 04. С. 77.

Для поиска, сбора, анлиза и переработки огромного массива данных (о своих клиентах,о тенденциях рынка и т.п.), для преобразования их в релевантную информацию требуется интеграция множества технологий на единой платформе.

Добавлено: 15 ноября 2013

Алгоритм деления по вычислительным мощностям для распределенного МД-моделирования

Воронова Л.И., Трунов А., Воронов В.И. В кн.: Строение и свойства металлических и шлаковых расплавов. Т. 4: Моделирование и расчет структуры и свойств неупорядоченных систем в конденсированном состоянии. Екатеринбург: УрО РАН, 2011. С. 50-55.

Добавлено: 15 мая 2013

Большие Данные в национальной экономике

Под науч. редакцией: Н. А. Дубова М.: ЗАО "Открытые системы", 2013.

Россия, как и весь мир, вступила в новый, постиндустриальный период развития национальной экономики, когда ключевым фактором успеха для многих ее отраслей становится возможность эффективно обрабатывать огромные массивы и потоки информации. Финансы, транспорт, связь, торговля, туризм, здравоохранение и другие области уже не могут существовать без высокоуровневой информатизации, предприятия порождают и потребляют огромные объемы данных, и их функционирование все больше зависит от эффективности систем автоматизированного сбора, хранения и анализа данных. Поиск оптимальных способов обработки огромных массивов информации приобретает важнейшее значение для развития таких перспективных направлений науки и индустрии, как биоинформатика, энергетика нового поколения, экономическое моделирование, социология и др. Сегодня уже очевидно, что Большие Данные (Big Data) — одно из ключевых направлений компьютерной науки, открывающее новые перспективы для исследований в сфере представления, анализа и извлечения полезных знаний из больших объемов данных различной природы. Получив успешный опыт проведения бизнес-форумов, посвященных проблемам промышленного применения платформ Больших Данных, издательство «Открытые системы» впервые организует конференцию, задача которой – предоставить площадку для обсуждения теоретических и прикладных аспектов научных задач обработки и анализа Больших Данных. Цель конференции "Большие данные в национальной экономике» – собрать отечественных экспертов в области анализа данных с тем, чтобы оценить общее состояние дел в этой области, выделить и консолидировать наиболее значимые работы и коллективы, способные сделать вклад в формирование нового научного направления и тем самым способствовать дальнейшему развитию национальной экономики России. Организаторы конференции также видят своей задачей популяризацию наиболее интересных научных работ и исследований, способствующих развитию направления Больших Данных и расширению практических применений методов работы с большими массивами информации. Одной из наиболее острых проблем в решении задач Больших Данных является дефицит специалистов соответствующей квалификации, поэтому особое внимание на конференции будет уделено задачам подготовки кадров (data scientist). Ключевые темы Конференции: Большие Данные как направление computer science; Оптимальные архитектуры для работы с Большими Данными; Методы обработки Больших Данных; Анализ Больших Данных – сферы практического применения; Data Scientists: кадры для работы с Большими Данными. Конференция рассчитана на представителей научного сообщества, молодых исследователей, специалистов предприятий различных отраслей, заинтересованных в том, чтобы поделиться своим опытом и лучше разобраться в задачах, которые встают сегодня в области анализа Больших Данных, и в перспективных подходах к их решению.

Добавлено: 12 мая 2014

Материалы четвертой Научно-практической конференции "Актуальные проблемы системной и программной инженерии". Сборник трудов

М.: НИУ ВШЭ, 2015.

Сборник составлен по результатам исследований ведущих ученых в области системной, программной инженерии, а также в области создания информационно-аналитических систем с применением технологии Big Data.

Конференция посвящена анализу состояния, актуальным направлениям развития, научным проблемами практическим результатам, полученным отечественными и зарубежными учеными и специалистами в программной инженерии, а также в области создания информационно-аналитических систем с применением технологии Big Data

Добавлено: 26 августа 2015

Кластеризация медицинских больших данных как инструментарий систем поддержки принятия решений в математической кардиологии с использованием облачных технологий

Шмид А. В., Новопашин М. А., Зимина Е. Ю. Системный администратор. 2018. Т. 188-189. № 07-08. С. 92-96.

Массовое использование мобильных устройств для съема электрокардиограмм (ЭКГ) приводит к количественному росту доступных для исследования ЭКГ множества пациентов. Таким образом, появляются новые возможности исследования колебательных процессов долговременной динамики индивидуального состояния сердечно-сосудистой системы (ССС) любого пациента.

В статье демонстрируются новые возможности долговременного постоянного наблюдения за состоянием ССС массы пациентов, позволяющие выявить закономерности динамики ССС, которые приводят к выдвижению гипотезы о существовании адекватной модели ССС как распределенной нелинейной автоколебательный системы класса моделей возвратов Ферми-Паста-Улама (ФПУ).

Наличие содержательной математической модели ССС возврата ФПУ, как уточнение традиционной модели изучения вариабельности сердечного ритма (ВСР), далее позволяет предложить новые вычислительные методы анализа ЭКГ и прогнозирования динамики ССС для более детальной диагностики и оценки эффективности проводимого лечения.

Добавлено: 13 сентября 2018

Сборник материалов VIII Международного научного конгресса "Роль бизнеса в трансформации общества - 2013"

М.: Экон-Информ, 2013.

8-12 апреля 2013 года в Московском финансово-промышленном университете "Синергия" состоялся VIII Международный научный конгресс "Роль бизнеса в трансформации общества - 2013". Это инновационное научное мероприятие, имеющее свою историю и традиции, даёт реальную возможность учёным и исследователям, преподавателям, аспирантам и студентам представить научной общественности свои исследовательские разработки и практико-ориентированные проекты. В программе конгресса порядка 50 конференций, секций, круглых столов и панельный дискуссий.

Добавлено: 6 сентября 2013

Triclustering in Big Data Setting

Egurnov D., Ignatov D. I., Точилкин Д. С. Lecture Notes in Computer Science. LNCS. Springer, 2020

В этой статье мы описываем версии алгоритмов трикластеризации приспособленные для эффективных вычислений в распределенных окружениях с помощью MapReduce или механизмов параллелизации современных языков программирования. Семейство алгоритмов OAC-трикластеризации демонстрирует хорошие возможности параллелизации в силу независимой обработки троек триадического формального контекста. Мы обосновываем сложность алгоритмов по времени и памяти. Мы так же сравниваем прирост производительности от использования распределённых систем и масштабирования.

Добавлено: 10 ноября 2020

Discovery of technology trends from patent data on the basis of predictive analytics

Dmitry Prokhorenkov, Petr Panfilov. In bk.: 2018 IEEE 20th Conference on Business Informatics (CBI). Vol. 2: Research-in-Progress Papers and Workshop Papers . IEEE Computer Society, 2018. P. 148-152.

Добавлено: 11 сентября 2018

Большие Данные: в чем проблема?

Поляков К. Л. Директор информационной службы. 2012. № 4. С. 36-40.

Основная сложность в области Больших Данных кроется не в масштабах затрат и усилий на работу с ними, а в том, чтобы суметь получить от этих затрат достаточно пользы. Для этого потребуются не только новые технологии, но — главное — новые подходы к формулировке и решению прикладных задач, в которых задействованы большие цифровые массивы.

Добавлено: 17 марта 2013