Анализ методов интеграции для разработки информационно-аналитических систем по свойствам неорганических соединений

В. А. Дударев; Темкин И. О.; Корнюшко В. Ф.

doi:10.15827/0236-235X.130.283-296

Публикации

?

Анализ методов интеграции для разработки информационно-аналитических систем по свойствам неорганических соединений

Программные продукты и системы. 2020. Т. 33. № 2. С. 283–296.

Дударев В. А., Темкин И. О., Корнюшко В. Ф.

В статье рассматривается применение системного анализа для формализации информационных процессов, протекающих в интегрируемых информационных системах (ИС) и разработки системы рекомендаций для выбора одного из методов интеграции при решении практических задач консолидации ИС. Анализ начинается с выделения базовых информационных процессов, протекающих в локальных ИС и продолжается наблюдением за их трансформацией в интегрированных системах, построенных с использованием трех методов консолидации: интеграции корпоративных приложений (Enterprise Application Integration, EAI), интеграции корпоративной информации (Enterprise Information Integration, EII) и программного обеспечения для извлечения, преобразования и загрузки данных (Extract, Transform, Load – ETL), основанного на технологии хранилищ данных. Осуществлен синтез обобщенной схемы методов интеграции гетерогенных информационных систем и на ее основе осуществлено сравнение методов с использованием десяти критериев. По итогам сравнения предложены рекомендации по выбору предпочтительного метода интеграции гетерогенных ИС. Отмечается возможность совместного использования методов ETL и EII для достижения оптимальной скорости работы источника интегрированных данных. Учитывая, что ни один из методов не покрывает всех потребностей, возникающих при консолидации ИС, и предложена методология их совместного использования для наиболее тесной интеграции ИС. Кратко рассматриваются результаты практического применения разработанной методологии интеграции для консолидации ИС в области неорганического материаловедения, разработанных в России и за рубежом: описывается набор разработанных Web-сервисов, являющихся основным техническим средством, обеспечивающим взаимодействие распределенных кроссплатформенных ИС по свойствам неорганических веществ для консолидации данных и пользовательский интерфейс единой точки входа www.imet-db.ru, позволяющий любому пользователю осуществляться поиск и просмотр информации по свойствам веществ, содержащихся в интегрируемых ИС.

Научное направление: Компьютерные науки Химия

Приоритетные направления: компьютерно-математическое

Язык: русский

Полный текст

DOI

Текст на другом сайте

Ключевые слова: информационные процессы интеграция приложений интеграция данных сравнение методов интеграции критерии выбора метода интеграции

Zα and Zβ Localize ADAR1 to Flipons That Modulate Innate Immunity, Alternative Splicing, and Nonsynonymous RNA Editing

Herbert A., Cherednichenko O., Lybrand T. и др., International Journal of Molecular Sciences 2025 Vol. 26 No. 6 Article 2422

Добавлено: 22 июня 2026 г.

Международная конференция «Математические идеи академика П.Л. Чебышёва, их приложения в естественных науках и технологи- ях искусственного интеллекта», приуроченная к 205-й годовщине со дня его рождения» : Материалы конференции. / (Обнинск, 14–16 мая 2026 г.): Материалы конференции. Под ред. акад. В.Б. Бетелина. — Калуга: Калужский печатный двор, 2026. — 232 с.

Калужский печатный двор, 2026.

Сборник трудов конференции "Математические идеи академика П.Л. Чебышёва, их приложения в естественных науках и технологиях искусственного интеллекта» ...

Добавлено: 20 июня 2026 г.

ИНТЕГРАЦИЯ ТЕХНОЛОГИИ ГЕНЕРАТИВНОГО ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ОБРАЗОВАТЕЛЬНЫЙ ВИДЕОКОНТЕНТ

Стогниева О. Н., Чеснокова Н. Е., Отечественная и зарубежная педагогика 2026 Т. 1 № 3 (115) С. 123–131

Внедрение генеративных инструментов искусственного интеллекта в образовательную практику актуализирует проблему педагогически обоснованного использования данных технологий при создании образовательного видеоконтента, который всё чаще применяется в языковом и профессионально-ориентированном обучении. Цель статьи — провести сравнительный анализ образовательного видеоконтента, созданного с применением генеративных ИИ-инструментов, с позиций теории когнитивной нагрузки и принципов педагогического дизайна, а также выявить дидактические условия повышения ...

Добавлено: 20 июня 2026 г.

Benchmarking DNA large language models on quadruplexes

Cherednichenko O., Herbert A., Попцова М. С., Computational and Structural Biotechnology Journal 2025 Vol. 27 P. 992–1000

Добавлено: 19 июня 2026 г.

Kolmogorov–Arnold networks for genomic tasks

Попцова М. С., Briefings in Bioinformatics 2025 Vol. 26 No. 2 P. 1–11

Добавлено: 19 июня 2026 г.

Графовые паттерны в несогласованных декларативных моделях процессов

Анненков А. Н., Нестеров Р. А., Моделирование и анализ информационных систем 2026 Т. 33 № 2 С. 176–205

Декларативные модели процессов широко используются в process mining для гибкого описания поведения процессов с помощью наборов ограничений. Однако модели, автоматически извлекаемые из журналов событий, могут содержать несогласованные ограничения, что затрудняет их интерпретацию и делает их непригодными для исполнения, проверки соответствия или дальнейшего анализа. Существующие методы анализа согласованности либо опираются на автоматные конструкции с высокой асимптотической сложностью ...

Добавлено: 18 июня 2026 г.

Advances in Information Retrieval: 48th European Conference on Information Retrieval, ECIR 2026, Delft, The Netherlands, March 29 – April 2, 2026, Proceedings, Part II. (LNCS, volume 16484)

Cham: Springer Publishing Company, 2026.

Добавлено: 18 июня 2026 г.

Искусственный интеллект как роза научной деятельности: исследование Тимоти Гауэрса

Поддьяков А. Н., Троицкий вариант. Наука 2026 № 12 С. 24–25

В научно-популярной заметке представлен обзор содержания поста филдсовского медалиста Тимоти Гауэрса о возможностях ИИ в математике и содержания комментариев под постом. Обзор сделан в основном чат-ботом DeepSeek. В заключение обсуждается возможность не только решения задач искусственным интеллектом, но и их постановки. ...

Добавлено: 18 июня 2026 г.

Exploring New Frontiers in Vertical Federated Learning: the Role of Saddle Point Reformulation

Beznosikov A., Kormakov G., Grigorievskiy A. и др., Journal of Optimization Theory and Applications 2026 Vol. 209 Article 18

Добавлено: 17 июня 2026 г.

Supervised Learning in Critical Phenomena—Statistical and Systematic Accuracy

Chertenkov V. I., Щур Л. Н., Lobachevskii Journal of Mathematics 2026 Vol. 47 No. 2 P. 720–727

Добавлено: 16 июня 2026 г.

Enhancing Emotion Recognition in Speech Based on Self-Supervised Learning: Cross-Attention Fusion of Acoustic and Semantic Features

Deeb B., Andrey V. Savchenko, Макаров И. А., IEEE Access 2026 Vol. 13 P. 56283–56295

Добавлено: 16 июня 2026 г.

Automated detection of wolf howls using audio spectrogram transformers

Makarov N., Савченко А. В., Zemtsova I. и др., Scientific Reports 2025 Vol. 15 Article 26641

Добавлено: 16 июня 2026 г.

Artificial intelligence framework for multi-pathology risk assessment from retinal fundus images: deep learning approach to 15-disease screening

Vasilev R., Савченко А. В., Blinov P. и др., Frontiers in Medicine 2026 Vol. 13

Добавлено: 16 июня 2026 г.

From Data to Signs: A Foundation Model for Multilingual Sign Language Recognition

Novopoltsev M., Tulenkov A., Murtazin R. и др., IEEE Access 2025 Vol. 13 P. 188170–188181

Добавлено: 16 июня 2026 г.

B3Emo: Quantifying Affect as a Double-Edged Sword in Strategic LLM Interactions

Stepin A., Mozikov M., Kabanov A. и др., IEEE Access 2026 Vol. 14 P. 48127–48144

Добавлено: 16 июня 2026 г.

ESQA: Event Sequences Question Answering

Abdullaeva I., Karpukhin I., Filatov A. и др., IEEE Access 2026 Vol. 14 P. 59390–59408

Добавлено: 16 июня 2026 г.

Proceedings of the 19th Conference of the European Chapter of the Association for Computational Linguistics (Volume 1: Long Papers)

Association for Computational Linguistics, 2026.

Добавлено: 14 июня 2026 г.

Impact of heat treatment on microstructure and mechanical properties of additively manufactured aluminum bronze

Filippova A. V., Yurchenko N. Y., Smirnov S. A. и др., Journal of Alloys and Compounds 2026 No. 1074 Article 189162

Добавлено: 12 июня 2026 г.

Proceedings of the 6th Workshop on Computational Approaches to Discourse, Context and Document-Level Inferences (CODI 2025)

Strube M., Braud C., Hardmeier C. и др., Suzhou: Association for Computational Linguistics, 2025.

Добавлено: 11 июня 2026 г.

ML-based Fast Simulation of FARICH Responses

Шипилов Ф. А., Barnyakov A., Ivanov A. и др., / Series Physics "arxiv.org". 2026.

Добавлено: 19 мая 2026 г.

Natural hazard database from Internet publications: text mining with a large language model

Деркачева А. А., Сакиркина М. А., Краев Г. Н. и др., /. 2026.

Добавлено: 28 апреля 2026 г.

Algorithmic overlaps as thermodynamic variables: from local to cluster Monte Carlo dynamics in critical phenomena

Пиле Я. Э., Deng Y., Щур Л. Н., / Series arXiv "math". 2026. No. 2604.10254.

Добавлено: 20 апреля 2026 г.

Using predefined vector systems to speed up neural network multimillion class classification

Gabdullin N., Андросов И. А., / Series Computer Science "arxiv.org". 2026.

Добавлено: 2 апреля 2026 г.

Обобщенная множественная структура информированности

Федянин Д. Н., Чхартишвили А. Г., Управление большими системами: сборник трудов 2024 № 109 С. 6–20

Предложена новая модель описания информированности агентов, обобщающая известные модели рефлексии в следующем смысле: предлагаемая модель обобщенных множественных структур информированности (ОМСИ) допускает различное количество участников в представлениях агентов о ситуации. С помощью ОМСИ как обобщения множественных структур информированности (обобщающих в свою очередь точечные структуры информированности) можно описывать ситуации, когда агенты не знают точного состояния системы и ...

Добавлено: 10 марта 2026 г.