Software Journal:
Theory and Applications

Send article

Entrance Registration

Our congratulations to Aleksandr Nikolaevich Sotnikov on his birthday!

[29.07.2020]

Sotnikov Aleksandr Nikolaevich - Dr.Sc. (Physics and Mathematics), Professor, Deputy Director of the Interdepartmental Supercomputer Center of RAS, the Editor-in-Chief of the “Software Journal: Theory and Applications”, a member of the Editorial Board of journal “Software & Systems”.

We wish you the best of health, prosperity, achievement of the most cherished goals!

Thank you so much for your advertency and extremely helpful.

All ads...

Автоматизированная система формирования вариантов заданий на базе документа MS WORD

В.В. Измайлов (iz2v@tvcom.ru) Тверской государственный технический университет (профессор), Тверь, Russian Federation, ph.d;
М.В. Новоселова (novoselova.tgtu@yandex.ru) Тверской государственный технический университет, Тверь, Russian Federation, ph.d;

В статье описывается автоматизированная система формирования вариантов индивидуальных учебных заданий в виде макроса для текстового процессора Microsoft Word. Банк заданий для формирования индивидуальных вариантов может содержать графические объекты и представляет собой единый документ Word. Сформированные варианты последовательно размещаются в новом документе Word. Разработанный макрос используется для составления индивидуальных заданий, например, вариантов контрольных работ, коллоквиумов, текущего контроля освоения учебного материала студентами.


Об одном опыте применения параллельных вычислений при разработке Web-инструментария распознавания образов

В.В. Фомин (v_v_fomin@mail.ru) РГПУ им. А.И. Герцена (профессор), Санкт-Петербург, Russian Federation, ph.d;
И.В. Александров (chrono555@yandex.ru) ФГБОУ ВПО «РГПУ им. А.И. Герцена» (аспирант), Санкт-Петербург, Russian Federation;

Предлагается программное решение по увеличению качества распознавания образов и повышению эффективности инструментария машинного обучения посредством реализации Grid-технологий. Формулируются стратегические направления разработки инструментария распознавания образов в виде программной системы, основанной на принципах распределенных систем, распараллеливания и адаптивной настройки вычислительных ресурсов. Рассматривается структура организации web-инструментария распознавания образов с использованием концепции библиотеки алгоритмов. Даются алгоритмические решения распараллеливания алгоритмов обучения и распознавания на базе методов прецедентов.


Создание единой текстурированной трехмерной модели по набору видов

А.П. Кудряшов (kudryashovA@dvo.ru) Институт прикладной математики ДВО РАН (м.н.с.), Владивосток, Russian Federation, ph.d;
И.В. Соловьев (igorek.solovyev@mail.ru) Институт прикладной математики ДВО РАН (аспирант), Владивосток, Russian Federation;

Предложен подход к созданию единой трехмерной компьютерной модели, построенной с помощью усовершенствованного воксельного метода объединения триангуляционных сеток, полученных по дальностным данным с разных видов. Применяемый метод объединения также использует диффузное размытие значений весовой функции в воксельном пространстве для зашивки дыр.

Для уменьшения времени работы применяются алгоритм индексации треугольников в виде текстурной карты, а также многоядерные вычисления. Предложен алгоритм текстурирования, основанный на слиянии всех доступных текстур с учетом веса каждого отдельного пикселя в каждом треугольнике, учитывающий перекрытие и наблюдаемость этих треугольников. Вычислительные эксперименты были проведены на реальных сценах, реконструированных с помощью трехмерного сканера.


Ролевой подход к автоматическому извлечению фактов из естественно-языковых китайских текстов

И.А. Бессмертный (bia@cs.ifmo.ru) Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики (ИТМО), Санкт-Петербург, Russian Federation, профессор;
Чуцяо Юй (yuchuqiao123@gmail.com) Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики (ИТМО) (аспирант), Санкт-Петербург, Russian Federation;

В работе обсуждается проблема извлечения фактов из китайских текстов. Китайский язык достаточно сложен для машинной обработки, что обусловлено отсутствием пробелов между словами и многозначностью иероглифов, поэтому синтаксический анализ текстов невозможен без семантического анализа,
поскольку любое сочетание иероглифов может быть интерпретировано неоднозначно. Существующие статистические методы сегментации предложений на слова и синтаксического анализа не обладают достаточной полнотой и точностью, вследствие чего многофазный процесс (сегментация фраз, синтаксический анализ, извлечение фактов) приводит к накоплению ошибок.

В статье предлагается ролевой подход к выявлению членов предложения на основе служебных слов, предлогов и послелогов, а также достаточно ограниченного словаря. Эти служебные слова и символы позволяют не только сегментировать последовательности символов, но и выявлять роли слов, а значит,
и части речи в предложении. Даже такой небольшой набор слов позволяет в большинстве случаев успешно выявлять роль слов в предложении, в частности, имена собственные, существительные, глаголы, что делает возможным извлечение из текстов сущностей, а также фактов в виде субъект–предикат–объект. Проведенные на реальных текстах эксперименты показывают удовлетворительные результаты даже при ограниченном словаре. Предложенный подход демонстрирует высокую скорость, поскольку отсутствуют синтаксический разбор и сегментация фраз, использующие переборные методы.


Алгоритм оценки конкурентоспособности предприятия на основе продукционной модели

Н.А. Семенов (is@tstu.tver.ru) Тверской государственный технический университет (профессор), Тверь, Russian Federation, ph.d;
А.К. Морозов (andrey.morozofff@yandex.ru) Тверской государственный технический университет (магистрант), Тверь, Russian Federation;

Оценка конкурентоспособности предприятия дает руководству понимание того, насколько хорошо или плохо идут на нем дела. Однако до сих пор нет алгоритма оценки конкурентоспособности. В данной статье предлагается такой алгоритм. Оценка конкурентоспособности строится на основе анализа трех составляющих: финансово-хозяйственной деятельности, интеллектуального капитала, инвестиционной привлекательности. Если оценка неудовлетворительная, формируются рекомендации по ее изменению. Если рекомендации предоставляют несколько альтернативных путей развития, проводится SWOT-анализ предприятия для выбора наиболее оптимального из них.