SCI Библиотека

Работа посвящена решению задачи сегментации текстовых изображений, целью которой является выделение на изображении документа текстовых блоков, соответствующих колонкам, заголовкам, колонтитулам и т. д. Проводится обзор существующих методов сегментации изображений, в том числе предназначенных и для поиска и выделения на изображениях текстовых блоков. Анализируются как классические методы, так и методы, основанные на использовании искусственных нейронных сетей. Для решения поставленной задачи предлагается подход на основе свёрточных нейронных сетей и модели U-Net. Описывается метод автоматической генерации обучающих примеров для обучения нейронной сети. Рассматривается процессы настройки модели, её обучения и тестирования. Приводятся результаты численного исследования обученных моделей на реальных данных.

Настоящая работа посвящена разработке и анализу нейросетевых подходов и методов к решению задачи распознавания рукописных документов. Для решения данной задачи в работе предлагается использовать модели глубоких нейронных сетей. Рассматриваются вопросы конфигурации и обучения рассматриваемых моделей, также описываются и анализируются возможные их усовершенствования. Приводятся результаты численного исследования всех предложенных подходов и сравнение их эффективности в решении поставленной задачи.

В статье проанализированы различные LMS-системы и их подход к проведению дистанционных занятий, сформированы требования к разрабатываемому модулю видеоконференций. Проанализированы различные архитектуры видеоконференций. Предложено архитектурное решение, которое впоследствии было реализовано и внедрено в Lmsdot. В рамках работы была изменена клиентская часть, создан сигнальный сервер, внедрён Pusher сервер, добавлен медиасервер mediasoup и использован его API для организации сигнального сервера. Проведено тестирование модуля видеоконференций. Модуль встроен в систему Lmsdot и показал стабильную и качественную работу

В работе проанализированы популярные платформы, позволяющие решать алгоритмические задачи. Выбраны технологии реализации модуля и изучена структура приложения «Lmsdot». Созданы диаграмма последовательности и диаграмма классов модуля. Спроектирована база данных. Модуль решения алгоритмических задач реализован с помощью фреймворков Elysia. js и Next. js. Произведена интеграция модуля с уже существующими серверами и базой данных в приложении «Lmsdot». Проведено тестирование модуля и представлены рекомендации для дальнейшего масштабирования и улучшения работы модуля.

В статье исследованы функционал и применяемые технологии в современных системах тестирования; проанализированы системы тестирования оценки знаний Moodle, Mirapolis LMS, Teachbase, и WebTutor; сформулированы требования к системе тестирования, различные сценарии взаимодействия и дизайн системы, описаны основные модули системы.

Данная работа посвящена разработке и реализации веб-приложения облачного хранилища файлов. Целью являлось создание удобного и функционального инструмента для хранения и управления файлами в облаке. В работе проводится анализ существующих облачных хранилищ, выявляются их основные особенности и недостатки. На основе этого анализа определяются требования к разрабатываемому приложению, проектируется архитектура приложения, выбор технологий и инструментов разработки. В ходе реализации уделяется особое внимание аспектам масштабируемости и отказоустойчивости системы. В результате создается полнофункциональное веб-приложение, позволяющее пользователям загружать, хранить и организовывать файлы в облаке.

В работе рассмотрена правовая точка зрения на использование бесплатных аудиофайлов, рассмотрены популярные инструменты, позволяющие формировать домашнюю аудиотеку. Проработаны варианты использования, спроектирована схема данных. Разработана серверная часть приложения с интерфейсом REST API для взаимодействия с клиентскими приложениями, а также проведено тестирование.

В данной работе представлена разработка и внедрение системы мониторинга для рекомендательной системы, интегрированной в единую цифровую платформу «Работа в России». Система использует современные методы анализа данных и модели больших языковых моделей (LLM), а также методы A/B тестирования для оптимизации и улучшения функционирования рекомендательных систем. Разработка включает проектирование клиентской и серверной частей приложения, определение функционально-технических требований и проведение тестирования.

В статье рассматривается применение искусственного интеллекта (ИИ) для оптимизации распределения ресурсов и нагрузки в цепях поставок. В работе проведен анализ существующих методов, сфокусированных на задачах оптимизации, основной акцент сделан на алгоритмах искусственного интеллекта. Были описаны и проанализированы генетические алгоритмы, муравьиные алгоритмы и алгоритмы имитации отжига. Результаты анализа показали, что генетические алгоритмы обладают способностью находить глобальные оптимальные решения, однако их использование требует больших вычислительных ресурсов и времени. Муравьиные алгоритмы, в свою очередь, эффективно решают задачу нахождения локальных оптимумов, при этом обладая низкой вычислительной сложностью. Алгоритмы имитации отжига позволяют быстро находить решения, однако они сопровождаются вероятностью попадания в локальные минимумы. Данная статья показывает, насколько применение алгоритмов искусственного интеллекта позволяет улучшить решение задач оптимизации в цепях поставок.

Данная статья посвящена проблеме оптимизации управления складскими операциями с использованием системы поддержки принятия решений на основе искусственного интеллекта. Складские операции являются важной составляющей логистической цепи снабжения, и эффективное управление ими может привести к значительному повышению производительности и снижению издержек. В работе представлен анализ, в рамках которого рассматривается применение искусственного интеллекта для оптимизации процессов управления складскими операциями. Предложено использовать систему поддержки принятия решений, основанную на методах искусственного интеллекта, таких как машинное обучение, алгоритмы оптимизации и экспертные системы.