Данная статья посвящена подготовке к процессу разработки программного обеспечения построения карт эмоций для организации аффективного поиска по медиаконтенту. Приведено описание предметной области и разрабатываемого программного обеспечения для построения карт эмоций в пространстве валентности и возбуждения, для оценки медиаконтента и организации аффективного медиапоиска. Для подготовки к разработке ПО были построены модели и диаграммы методологий IDEF0, DFD и UML для описания различных аспектов ПО и приведены описания построенных моделей и диаграмм. В результате работы определены процессы, выполняемые программой, входные и выходные данные ПО, смоделированы сценарии использования.
Идентификаторы и классификаторы
- SCI
- Электроника
В наше время, где взаимодействие с компьютерами становится неотъемлемой частью нашей жизни, эффективный поиск медиаконтента, который соответствует эмоциональным потребностям пользователей, играет важную роль в развитии различных медиахостингов. Аффективный поиск, ориентированный на удовлетворение эмоциональных потребностей, призван сделать взаимодействие с техникой более удобным и приятным, предоставляя возможность наслаждаться контентом, соответствующим нашим настроениям [1].
Список литературы
- Богданова Д. Р., Мавлютова Р. Р. Анализ эффективности рекламной кампании на основе учета эмоционального отклика аудитории с применением аффективных вычислений // Системная инженерия и информационные технологии. 2023. Т. 5. № 2(11). С. 11–17. EDN BBXINF. [[ Bogdanova D. R, Mavlyutova R. R. Performance analysis of an advertising campaign based on taking into account the emotional response of the audience using affective computing // System Engineering and Informatiom Technologies. Vol 5, No 2(11), 2023, pp. 11-17. EDN BBXINF. (In Russian). ]]
- Bogdanova D., Yusupova N., Trevisan I., Molinari A. (2022). “Applying affective computing to marketing problems” // Gibadullin, A. (eds) Digital and Information Technologies in Economics and Management. DITEM 2021. Lecture Notes in Networks and Systems. Vol 432. Springer, Cham. https://doi.org/10.1007/978-3-030-97730-6_13.
- Богданова Д. Р. Оценка степени удовлетворенности клиентов сферы услуг на основе учета их эмоционально окрашенной информации // Системная инженерия и информационные технологии. 2021. Т. 3. № 3 (7). С. 72–81. EDN: NBWLUH. [[ Bogdanova D. R. “Assessment of the degree of customer satisfaction in the service sector based on consideration of their emotionally colored information” // System Engineering and Information Technologies. Vol. 3, No. 3 (7), 2021, pp. 72-81. EDN: NBWLUH. (In Russian). ]]
- Котельников В. А. Поддержка принятия решений при управлении услугами системы моментальных платежей с использованием интеллектуальных технологий // Системная инженерия и информационные технологии. 2023. Т. 5. № 4 (13). C. 111–122. EDN: KEDROK. [[ Kotelnikov V. A. “Decision making support in the management of instant payment system services using intelligent technologies” // System Engineering and Information Technologies. Vol. 5, No. 4 (13), 2023, pp. 111-122. (In Russian). EDN: KEDROK. ]]
- Мусина Л. М. Цифровая трансформация в образовании: влияние на образовательную среду // Экономика и управление: научно-практический журнал. 2024. № 1. С. 143–150. DOI: 10.34773/EU.2024.1.26. [[ Musina L. M. “Digital transformation in education: impact on the educational environment” // Economics and Management: Scientific and Practical Journal. 2024. No. 1, pp. 143–150. DOI: 10.34773/EU.2024.1.26. (In Russian). ]]
- Software Engineering: A Practioner’s Approach. 3 ed. by ed. R. S. Pressman. N. Y.: McGraw Hill, 1992.
- Калашян А.Н., Калянов Г.Н. Структурные модели бизнеса: DFD-технологии. М.: Финансы и статистика, 2003. [[ Kalashyan A. N., Kalyanov G. N. Strukturnye Modeli Biznesa: DFD-tekhnologii. Moscow: Finansy i statistika, 2003. (In Russian). ]]
- Booch G., Rumbaugh J., Jacobson I. Language UML. User = The Unified Modeling Language user guide. M.; St. Petersburg: DMK Press, Peter, 2004. ISBN 5-94074-260-2.
- Booch G., Jacobson, A., Rambaud J. UML. Classic CS. 2 ed. Ed. St. Petersburg: Peter, 2006. ISBN 5-469-00599-2.
- Shmuller J. Teach Yourself UML 2 for 24 Hours. Practical Guide Complete Starter Kit. Moscw: Williams, 2005. ISBN 0-672-32640-X.
- Сазонова Е. Ю., Сметанина О. Н., Журавлева К. И., Юлаев Р. С. Интеллектуальная СППР при управлении психофизическим состоянием человека // Системная инженерия и информационные технологии. 2023. Т. 5. № 6 (15). С. 38-49. EDN JFLRCX. [[Sazonova E.Y., Smetanina O. N., Zhuravleva K. I., Yulaev R. S. Intellectual DSS in the management of a person’s psychophysical state// System engineering and information technology Vol. 5, No. 6 (15), 2023, pp. 38-49. EDN: JFLRCX. (In Russian).]]
- Родионова Л. Е., Антонов В. В., Баймурзина Л. И., Гидинда Г. М. Модели проектирования программных аналитических комплексов с декартово замкнутой категорией // Системная инженерия и информационные технологии. 2023. Т. 5. № 5(14). С. 3–15. EDN AQLGLE. [[Rodionova L. E., Antonov V. V., Baymurzina L. I., Gidina G. M. Models for designing software analytical complexes with a cartesian closed category// System Engineering and Information Technology. Vol. 5, No. 5. (14), 2024, pp. 3-15. EDN: AQLGLE. (In Russian). ]]
- Шалфеева Е. А. Методология производства жизнеспособных систем доверительного искусственного интеллекта // Системная инженерия и информационные технологии. 2023. Т. 5. № 4(13). С. 28–49. EDN CJTKQH. [[Shafeeva E. A. “Methodology for the production of viable trust-based artificial intelligence systems” // System Engineering and Information Technology. Vol. 5, No. 4 (13), 2023, pp. 28-49. EDN: CJTKQH. (In Russian).]]
- Жумажанова С. С., Сулавко А. Е., Ложников П. С. Распознавание психофизиологического состояния субъектов-операторов на основе анализа термографических изображений лица с применением сверточных нейронных сетей // Системная инженерия и информационные технологии. 2023. Т. 5. № 2(11). С. 41–55. EDN NNZWLV. [[ Zhumazhanova S. S., Sulavko A. E., Lozhnikov P. S. “Recognition of the psychophysiological state of operator subjects based on the analysis of thermographic facial images using convolutional neural networks” // System Engineering and Information Technology. Vol. 5, No. 2 (11), 2023, pp. 41-55. EDN: NNZWLV. (In Russian). ]]
- Самотуга А. Е. Распознавание субъектов и их психофизиологических состояний на основе параметров подписи для защиты документооборота // Системная инженерия и информационные технологии. 2023. Т. 5. № 2(11). С. 56–65. EDN JCFRBU. [[Samotuga A. E. “Recognition of subjects and their psychophysiological states based on signature parameters for document protection” // System Engineering and Information Technology. Vol. 5, No. 2 (11), 2023, pp. 56-65. EDN: JCFRBU. (In Russian).]]
Выпуск
Другие статьи выпуска
С развитием компьютерных технологий выросла потребность в интеграции корпоративных приложений и систем, наиболее удобным и простым в разработке является интеграция по API. В свою очередь, данный подход имеет большое количество реализаций, наиболее популярными способами взаимодействия систем являются REST, SOAP, GraphQL и WebSocket. В данной статье представлен краткий обзор каждого из вышеперечисленных способов, выделены основные преимущества и недостатки. Сделан вывод о том, что каждый из подходов имеет свои сильные и слабые стороны и подходит для решения конкретных задач.
В последние годы наблюдается рост научных публикаций по логированию программного обеспечения, что указывает на увеличивающийся интерес к этой теме. В частности, в областях, такие как авиация, где надежность критически важна, требования к мониторингу программ еще выше, что подчеркивает значимость работы с логами для обеспечения безопасности и стабильности программных систем. Качественное логирование обеспечивает точность, полноту и удобство логов для обнаружения и устранения ошибок, мониторинга работы программы и анализа событий. Исследования в этой области могут привести к разработке более эффективных методов логирования, улучшая процессы разработки и обслуживания программного обеспечения. В целях повышения эффективности логирования в статье предлагается новый инструмент для рефакторинга логов в исходном коде программы, основанный на их приведении к единому формату путем автоматизации методом статического анализа. Предлагаемый инструмент проходится по файлам программы и выполняет три основные задачи: находит переменные, используемые для ведения логов, добавляет аргументы в вызовы логгера и анализирует сообщения, записываемые логгером, на наличие переменных. Такой подход позволяет стандартизировать процесс логирования и улучшить информативность логов. Также в статье рассматриваются общие недостатки существующих решений, которые заключаются в том, что добавление дополнительных параметров в существующие логи не предполагает стандартизации формата, что усложняет анализ данных, поскольку различные форматы соответствуют разным типам информации и их структурам, что затрудняет выявление проблемных мест и отладку ошибок.
Раскрываются особенности диагностики сетевого оборудования провайдера на базе предиктивной аналитики с использованием искусственного интеллекта. Выявлены условия работы сетевого оборудования, способствующие диагностике оборудования. Предложена надстройка над процессом предиктивной диагностики на основе искусственного интеллекта.
Представленный обзор результатов исследования объектов критической информационной активности в планетарных наблюдениях и анализа угроз безопасности информации и уязвимостей программного обеспечения с целью повышения точности и оперативности на основе открытых баз данных и технологии интеллектуального анализа текстов (Text Mining). Для достижения этой цели в работе были поставлены следующие задачи исследования: анализ текущего состояния в области оценки процесса автоматизации и анализ угроз безопасности информации и уязвимостей программного обеспечения, объектов критической информационной активности; разработка алгоритмов автоматической классификации и минимизации текстов, содержащихся в специализированных открытых источниках в области информационной безопасности; разработка метода и алгоритма оценки и приоритизации снижения уровня защиты информации для выявленных уязвимостей промышленных автоматизированных систем управления технологиями процессами с использованием технологии семантического анализа текстов; разработка алгоритма построения графической модели реализации сценария угроз безопасности информации на основе алгоритмов векторного вложения и технологий трансформеров; разработка архитектуры и прототип программного обеспечения исследовательского программного обеспечения системы интеллектуальной поддержки принятия решений в процессе оценки угроз безопасности информации и уязвимостей программного обеспечения объектов критической информационной активности; изучить эффективность ее применения при решении практических прикладных задач.
Рассматриваются системы счисления с иррациональным основанием, представимые своим минимальным квадратичным полиномом. Используя методы прямого кодирования, можно раскладывать целые числа в конечные представления с целыми коэффициентами. Рассмотрен алгоритм кодирования любых целых чисел по иррациональной системе счисления (система счисления с основанием чисел Пизо), а также представлено множество всех квадратичных полиномов, старшие корни которых являются основанием системы счисления с конечными разложениями. Такие системы счисления дают конечные разложения целых чисел в систему счисления с плавающей точкой. Разработанный алгоритм не уступает по скорости работы с альтернативными алгоритмами разложения по целочисленным системам счисления.
В статье представлены результаты исследования, посвященного решению научно-технической проблемы повышения надежности многофакторной биометрической аутентификации и защищенности биометрических систем от компьютерных атак. Объект исследования – системы биометрической аутентификации на основе методов, моделей и алгоритмов доверенного ИИ. Предмет исследования – нейросетевые модели и алгоритмы машинного обучения на малых выборках для высоконадежной биометрической аутентификации и защиты биометрических данных от компрометации. Цель работы – повысить надежность многофакторной биометрической аутентификации на основе защищенного исполнения нейросетевых моделей доверенного ИИ и алгоритмов их автоматического синтеза и обучения на малых выборках биометрических данных. Для достижения цели были выполнены следующие задачи: 1. Разработка концепции защищенного исполнения нейросетевых алгоритмов ИИ. 2. Разработка моделей искусственных нейронов и нейросетевого преобразователя биометрия-код, потенциально устойчивых к деструктивным воздействиям, и алгоритмов их робастного автоматического обучения на малых выборках. 3. Разработка адаптивной модели ИИ и алгоритмов ее обучения, позволяющих предупредить или снизить влияние концептуального дрейфа данных в системах биометрической аутентификации. 4. Разработка методов многофакторной аутентификации на базе тайных биометрических образов с обеспечением конфиденциальности биометрических данных. 5. Разработка технологии автоматического синтеза и обучения нейросетевых моделей для высоконадежной многофакторной биометрической аутентификации.
Рассматривается реинжиниринг инфраструктуры кафедры университета, направленный на оптимальное управление ресурсами, совершенствование процессов и эффективное использование помещений. Этот подход предполагает анализ конкретных потребностей таких участников, как студенты, преподаватели и административный персонал. Путем интеграции образовательных технологий, академических информационных систем и стратегического планирования данный процесс направлен на создание среды, способствующей оптимизации образовательного процесса и научных исследований. Необходимо оптимизировать ресурсы, модернизировать процессы и технологии для эффективного удовлетворения требований в сфере высшего образования. Рассматриваются следующие вопросы: управление реинжинирингом инфраструктуры кафедры университета; технические усовершенствования на кафедре университета; реинжиниринг инфраструктуры в контексте расписания занятий; пути решения проблем, связанных с отсутствием лицензий на определенное программное обеспечение; применение методологии IDEF0 для реинжиниринга инфраструктуры кафедры.
Издательство
- Издательство
- ФГБОУ ВО УФИМСКИЙ УНИВЕРСИТЕТ НАУКИ И ТЕХНОЛОГИЙ УФИМСКИЙ УНИВЕРСИТЕТ УФИМСКИЙ УНИВЕРСИТЕТ НАУКИ И ТЕХНОЛОГИЙ УУНИТ
- Регион
- Россия, Уфа
- Почтовый адрес
- 450076, Приволжский федеральный округ, Республика Башкортостан, г. Уфа, ул. Заки Валиди, дом 32
- Юр. адрес
- 450076, Респ Башкортостан, г Уфа, Кировский р-н, ул Заки Валиди, д 32
- ФИО
- Захаров Вадим Петрович (РЕКТОР)
- E-mail адрес
- rector@uust.ru
- Контактный телефон
- +7 (347) 2299677
- Сайт
- https://uust.ru/