SCI Библиотека

Совершенствование нормативных правовых актов, регулирующих рынок государственных закупок, является одним из наиболее приоритетных направлений развития экономического потенциала Российской Федерации, обусловленного необходимостью рационального использования государственных средств и исключения из закупочной деятельности мошеннических и коррупционных деяний со стороны недобросовестных участников закупок. Целью настоящего исследования является определение наиболее уязвимых статьей контрактного законодательства на этапе планирования и заключения контракта. В работе применялись методы эмпирического исследования - сравнительный анализ, систематизация и обобщение информации. В качестве базы исследования послужили выявленные нарушения контрактного законодательства уполномоченными органами в ходе контрольных мероприятий в трех субъектах Российской Федерации. Так, на основании открытых данных о результатах проверки соблюдения Закона о контрактной системе выявлены основные проблемы реализации этапов планирования государственных закупок и заключения контракта между заказчиком и поставщиком. В частности, участниками рынка государственных закупок некорректно формируются предельные цены контрактов при определении исполнителя контракта и документация по обоснованию закупок товаров, работ, услуг, прилагаемой к плану-графику, а также заключаются контракты с единственным поставщиком при отсутствии обосновании на проведение неконкурентного метода отбора.

В данной статье рассматривается понятие термина «Цифровые закупки», а также анализ состояния и перспектив развития цифровых закупок в государственном секторе РФ. Также изучается история становления цифровых закупок в России, которая состоит из несколько этапов: внедрение первых электронных торговых площадок, принятие Федерального закона «О контрактной системе в сфере закупок товаров, работ, услуг для обеспечения государственных и муниципальных нужд», создание Единой информационной системы в сфере закупок и настоящее время. В целом цифровые технологии могут способствовать повышению эффективности и прозрачности государственных закупок, сокращению издержек и повышению конкуренции. Однако для успешного внедрения цифровых технологий необходимо решить ряд проблем, связанных с подготовкой участников закупок, устареванием законодательства и защитой информации.

В статье приведено исследование актуальных проблем осуществления государственных и муниципальных закупок. Остро стоит вопрос повышения эффективности бюджетных расходов при осуществлении государственных закупок при одновременном совершенствовании качества государственных (муниципальных) услуг. Предметом исследования является определение проблем повышения эффективности осуществления государственных закупок в субъектах Российской Федерации. Целью исследования выступает формирование практических предложений по совершенствованию механизма финансового обеспечения государственных закупок. Особое внимание уделено вопросам регулирования этапа исполнения государственных и муниципальных контрактов и совершенствования нормативно-правовой базы, используемой при формировании государственных закупок. Кроме того, путем группировки выявлены основные пути решения существующих проблем и повышения эффективности государственных (муниципальных) закупок. Основные результаты сводятся к тому, что необходимо проводить комплекс мероприятий, направленных на дополнение или изменение действующего законодательства в сфере контрактной системы.

В настоящей статье рассмотрены основные предпосылки возникновения и развития общественных отношений, связанных с применением понятия «наци- ональный режим» в сфере закупок, в том числе в свете последних изменений в законодательстве Российской Федерации, регулирующем вопросы предоставления национального режима при осуществлении закупок для обеспечения государственных нужд и закупок товаров, работ, услуг отдельными видами юридических лиц.

Актуальность исследования обусловлена высокой долей расходов на государственные и муниципальные закупки в структуре ВВП России, с одной стороны, и необходимостью повысить качество мониторинга параметров конкуренции на рынке госзакупок - с другой. Имеющиеся в настоящее время на ИТ-рынке информационные системы и сервисные решения дают такую возможность, которая, по мнению автора, недостаточно использована в государственном секторе. Целью исследования является обоснование современной методологии мониторинга конкуренции на рынке государственных закупок, релевантной уровню научно-технологического развития вычислительных мощностей и инфраструктуры. Научная новизна заключается в формировании системы качественной оценки конкуренции на рынке закупок, основанной на анализе ранее незадействованных разрезов информации, позволяющих регуляторам отрасли оперативно получать сигналы о наличии картельных сговоров и иных форм нарушения конкуренции. Задача, решаемая в статье, направлена на улучшение поддержки принятия органами - регуляторами закупок управленческих решений относительно проводимой территориальной, отраслевой политики с учетом их материально-технического и кадрового обеспечения. Для реализации поставленной задачи результаты предыдущих исследований коллективов с участием автора обобщены и агрегированы в единую двухуровневую методологию, представлены в виде научно-методических рекомендаций к внедрению органами власти. На первом уровне методология может быть применена региональными уполномоченными органами в сфере закупок и не требует специального программного обеспечения, основывается на применении карты конкуренции, реализованной в Excel (может быть использована любая табличная база данных). Методы второго уровня ориентированы на применение крупными аналитическими центрами и подразделениями, основаны на высокоуровневой визуализации, наглядно «подсвечивают» рыночные аномалии. Внедрение такой методологии позволит повысить информированность органов власти о ситуации в разрезе регионов и отраслей, выявить или спрогнозировать возникновение различных аномалий, улучшить качество работы по противодействую картельным сговорам.

Технологии обработки естественного языка (natural language processing – NLP) в одном из своих применений обеспечивают эффективное исследование закономерностей и тенденций в больших наборах текстовых данных. Текстовые данные по безопасности полетов, представленные в виде отчетов по расследованию авиационных происшествий, являются перспективным объектом для извлечения новой полезной информации, которую можно использовать как при управлении безопасностью полетов, так и в рамках тренажерной подготовки. В данной работе рассматриваются вопросы применения технологий NLP для исследования корпуса отчетов по безопасности полетов ПАО «Аэрофлот – российские авиалинии». Целью исследования является разработка метода выявления актуальных тем тренажерной подготовки пилотов. Представлен анализ существующих зарубежных исследований в области интеллектуального анализа текстовой информации в гражданской авиации. Выявлено, что за рубежом активно применяют технологии NLP для изучения отчетов по безопасности полетов. В статье представлена схема метода выявления актуальных тем тренажерной подготовки пилотов, основанного на кластеризации отчетов по безопасности полетов. Описаны процедуры предварительной обработки текста и построение его векторного пространства. Научной новизной подхода является то, что в отличие от предыдущих работ предлагается использовать полное векторное представление отчетов по безопасности полетов, которое строится объединением матриц тематических и семантических векторов. Проведена апробация предложенного метода. Анализируемый корпус текстов составил 1080 отчетов. В результате применения алгоритма кластеризации были идентифицированы 36 кластеров, которые затем были визуализированы с помощью алгоритма t-распределенного стохастического эмбеддинга соседей (t-distributed Stochastic Neighbor Embedding – t-SNE). Практическая значимость результатов исследования заключается в том, что подход, основанный на кластеризации отчетов, позволит проводить более глубокий анализ отчетов по безопасности полетов, что может упростить и ускорить работу как специалистов по управлению безопасностью полетов, так и инструкторов по тренажерной подготовке пилотов.

   В работе рассматриваются вопросы применения предварительно обученных нейронных сетей для решения задачи обратного поиска рентгеновских изображений запрещенных предметов и веществ. Целью работы является проведение анализа и обоснование путей повышения эффективности систем распознавания рентгеновских изображений багажа и ручной клади пассажиров. Представлен анализ существующих отечественных и зарубежных работ в области распознавания рентгеновских изображений багажа и ручной клади пассажиров. Выявлено, что, несмотря на достигнутые результаты по разработке алгоритмов распознавания запрещенных предметов и веществ, они не в полной мере справляются с таким фактором сложности, как наложение предметов. Для решения данной проблемы в работе предлагается дополнительно анализировать те рентгеновские изображения, на которых уверенность в распознавании объектов невысокая. Данный этап включает в себя следующие шаги: сегментация изображений, извлечение признаков сегментированных элементов изображений; поиск схожих изображений по базе данных; принятие решения о классе сегментированных элементов изображений. В данной статье рассматриваются три последних шага. Проанализированы варианты реализации подходов к извлечению признаков из изображений, в частности основанные на применение сверточных автоэнкодеров и предварительно обученных нейронных сетей. Выбран подход, основанный на применении предварительно обученных нейронных сетей. В работе применяется нейронная сеть архитектуры ResNet-50, предварительно обученная на коллекции ImageNet. Для применения данной модели для извлечения векторов признаков изображений, был предварительно удален последний слой классификации. Все предыдущие слои модели кодируют изображение в вектор. ResNet-50 генерирует 2048-мерный вектор признаков изображений. Для понижения размерности векторов признаков изображений используется метод главных компонент. Решение о том, является ли сегментированный элемент изображения запрещенным предметом или веществом, рассматривается как задача обратного поиска с применением алгоритма K‑ближайших соседей. Класс элемента рентгеновского изображения в данном случае – это класс, наиболее часто встречающийся среди k ближайших соседей. В целях апробации предложенного подхода был сформирован обучающий набор данных, включающий 4 635 изображений отдельных предметов и веществ, которые могут встречаться в багаже и ручной клади пассажиров. Представлен сравнительный анализ времени индексации и поиска изображений при различных алгоритмах и количестве признаков. Представлен сравнительный анализ точности модели. Сделан вывод, что наиболее приемлемым является алгоритм Brute force в сочетании с методом главных компонент.