Вы здесь ▸ Экспертиза ▸
Мои публикации
Здесь собраны все мои публикации. Точнее, большинство из них. Статьи в журналах и сборниках конференций, доклады, презентации, отчеты, авторские свидетельства.
1.
Иванов В.К., Мескин П.И.
2020, (Свидетельство о государственной регистрации программы для ЭВМ №2020663082 «Программа для решения задачи вычисления индекса инновационности объекта с учетом его новизны, востребованности и имплементируемости» : дата государственной регистрации в Реестре программ для ЭВМ 22 октября 2020 г. / авторы: В.К. Иванов, П.И. Мескин).
Аннотация | Ссылки | BibTeX | Метки: data centre, innovation, innovation index, востребованность, имплементируемость, индекс, инновационность, новизна
@patent{19_26dfeafe-4bc8-4d20-b25c-bfe7daff22ca,
title = {Свидетельство о государственной регистрации программы для ЭВМ №2020663082 «Программа для решения задачи вычисления индекса инновационности объекта с учетом его новизны, востребованности и имплементируемости»},
author = {Иванов В.К. and Мескин П.И.},
url = {https://disk.yandex.ru/i/LH9PP9cMURhMzQ},
year = {2020},
date = {2020-10-21},
urldate = {2025-04-30},
abstract = {<p>Программа предназначена для вычисления индекса инновационности объекта, который является аддитивным оценочным критерием, задаваемым взвешенной суммой нормируемых значений индикаторов новизны, востребованности и имплементируемости объекта. Значения индикаторов вычисляются с использованием информации об объекте и частоте ее использования из доступных гетерогенных хранилищ данных. Вычисления производятся на основе лингвистической модели объекта - множества архетипов, определяющих структуру, условия применения и результаты функционирования объекта. Программа обеспечивает создание и хранение лингвистической модели, генерацию и выполнение поисковых запросов, подготовку исходных данных и вычисление индекса инновационности, сохранение и обновление результатов вычислений.</p><p>Язык: Python, C#</p><p>ОС: Microsoft Windows</p><p>Объём программы: 200 Kб</p><p> </p>},
note = {Свидетельство о государственной регистрации программы для ЭВМ №2020663082 «Программа для решения задачи вычисления индекса инновационности объекта с учетом его новизны, востребованности и имплементируемости» : дата государственной регистрации в Реестре программ для ЭВМ 22 октября 2020 г. / авторы: В.К. Иванов, П.И. Мескин},
keywords = {data centre, innovation, innovation index, востребованность, имплементируемость, индекс, инновационность, новизна},
pubstate = {published},
tppubtype = {patent}
}
<p>Программа предназначена для вычисления индекса инновационности объекта, который является аддитивным оценочным критерием, задаваемым взвешенной суммой нормируемых значений индикаторов новизны, востребованности и имплементируемости объекта. Значения индикаторов вычисляются с использованием информации об объекте и частоте ее использования из доступных гетерогенных хранилищ данных. Вычисления производятся на основе лингвистической модели объекта - множества архетипов, определяющих структуру, условия применения и результаты функционирования объекта. Программа обеспечивает создание и хранение лингвистической модели, генерацию и выполнение поисковых запросов, подготовку исходных данных и вычисление индекса инновационности, сохранение и обновление результатов вычислений.</p><p>Язык: Python, C#</p><p>ОС: Microsoft Windows</p><p>Объём программы: 200 Kб</p><p> </p>
2.
Иванов В.К.
Проект организации хранилища данных на основе эволюционной модели отбора целевой информации Статья в сборнике
Источник: Энергетика, информатика, инновации - 2017 (электроэнергетика, электротехника и теплоэнергетика, математическое моделирование и информационные технологии в производстве): сборник трудов VII Междунар. научно-техн. конф., 23-24 ноября 2017 г., г. Смоленск, С. 272-276, Смоленск, 2017, ISBN: 9785918123601.
Аннотация | Ссылки | BibTeX | Метки: data centre, innovation index, база данных, генетический алгоритм, инновация, интеллектуальный агент, тематический поиск, хранилище данных, эволюционный алгоритм
@inproceedings{nokey,
title = {Проект организации хранилища данных на основе эволюционной модели отбора целевой информации},
author = {Иванов В.К.},
url = {https://disk.yandex.ru/i/Hiwg1TLeiOEFTw},
isbn = {9785918123601},
year = {2017},
date = {2017-11-24},
urldate = {2017-11-24},
booktitle = {Энергетика, информатика, инновации - 2017 (электроэнергетика, электротехника и теплоэнергетика, математическое моделирование и информационные технологии в производстве): сборник трудов VII Междунар. научно-техн. конф., 23-24 ноября 2017 г., г. Смоленск},
volume = {1},
pages = {272-276},
publisher = {Смоленск},
abstract = {В статье рассматриваются особенности реализации технологии организации хранилища данных на основе эволюционной модели отбора целевой информации. Сформулированы цели и задачи выполняемых проектных работ, определены их актуальность и область применения. Приведены сведения об используемых подходах к решению задач, а также сведения о других проектах и исследованиях по данной тематике.},
keywords = {data centre, innovation index, база данных, генетический алгоритм, инновация, интеллектуальный агент, тематический поиск, хранилище данных, эволюционный алгоритм},
pubstate = {published},
tppubtype = {inproceedings}
}
В статье рассматриваются особенности реализации технологии организации хранилища данных на основе эволюционной модели отбора целевой информации. Сформулированы цели и задачи выполняемых проектных работ, определены их актуальность и область применения. Приведены сведения об используемых подходах к решению задач, а также сведения о других проектах и исследованиях по данной тематике.
3.
Иванов В.К.
Особенности кодирования запросов при использовании генетического алгоритма в эволюционной модели тематического поиска Статья в сборнике
Источник: Энергетика, информатика, инновации - 2017 (электроэнергетика, электротехника и теплоэнергетика, математическое моделирование и информационные технологии в производстве): сборник трудов VII Междунар. научно-техн. конф., 23-24 ноября 2017 г., г. Смоленск, С. 277-281, Смоленск, 2017, ISBN: 9785918123601.
Аннотация | Ссылки | BibTeX | Метки: data centre, innovation index, генетический алгоритм, генотип, кодирование, кроссинговер, поисковый запрос, схема, тематический поиск, теорема Холланда, фитнес-функция
@inproceedings{nokey,
title = {Особенности кодирования запросов при использовании генетического алгоритма в эволюционной модели тематического поиска},
author = {Иванов В.К.},
url = {https://disk.yandex.ru/i/n6EvZQ8rG8PIyQ},
isbn = {9785918123601},
year = {2017},
date = {2017-11-24},
urldate = {2022-09-25},
booktitle = {Энергетика, информатика, инновации - 2017 (электроэнергетика, электротехника и теплоэнергетика, математическое моделирование и информационные технологии в производстве): сборник трудов VII Междунар. научно-техн. конф., 23-24 ноября 2017 г., г. Смоленск},
volume = {1},
pages = {277-281},
publisher = {Смоленск},
abstract = {В статье рассматривается постановка задачи и дается обоснование способа кодирования генотипа для генетического алгоритма, разработанного как компонент технологии выполнения документного тематического поиска инноваций. Отмечены условия корректной проверки выполнения теоремы Холланда для алгоритма, использующего предложенный подход. Приведены результаты некоторых сравнительных оценок.},
keywords = {data centre, innovation index, генетический алгоритм, генотип, кодирование, кроссинговер, поисковый запрос, схема, тематический поиск, теорема Холланда, фитнес-функция},
pubstate = {published},
tppubtype = {inproceedings}
}
В статье рассматривается постановка задачи и дается обоснование способа кодирования генотипа для генетического алгоритма, разработанного как компонент технологии выполнения документного тематического поиска инноваций. Отмечены условия корректной проверки выполнения теоремы Холланда для алгоритма, использующего предложенный подход. Приведены результаты некоторых сравнительных оценок.
4.
Иванов В.К., Виноградова Н.В.
Современные методы автоматизированного извлечения ключевых слов из текста Статья в журнале
Источник: Информационные ресурсы России, № 4, С. 13-18, 2016, ISSN: 0204-3653.
Аннотация | Ссылки | BibTeX | Метки: data centre, keyword, method, relevance, search, selection, semantics, spectral, statistical, text, word-combination, выделение, гибридный, ключевое слово, лингвистика, метод, поиск, релевантность, семантика, словосочетание, спектральный, статистический, текст
@article{nokey,
title = {Современные методы автоматизированного извлечения ключевых слов из текста},
author = {Иванов В.К. and Виноградова Н.В.},
editor = {ключевое слово, метод, выделение, текст, семантика, гибридный, лингвистика, словосочетание, спектральный, статистический, поиск, релевантность, keyword, method, selection, text, semantics, hybrid, linguistics, word-combination, spectral, statistical, search, relevance, data centre},
url = {https://disk.yandex.ru/i/Zi2TSkY7hI89uA},
issn = {0204-3653},
year = {2016},
date = {2016-12-31},
urldate = {2016-12-31},
journal = {Информационные ресурсы России},
number = {4},
pages = {13-18},
publisher = {Москва},
abstract = {Cтатья посвящена актуальной на сегодняшний день проблеме – методам автоматизированного извлечения ключевых слов из текста. В статье представлен аналитический обзор материалов по этой тематике. Особенностью обзора является широкое использование для анализа работ российских авторов, изданных за последнее время, что должно показать текущий уровень отечественных исследований и помочь определить потенциальные точки их дальнейшего развития. В статье классифицированы основные методы автоматизированного извлечения ключевых слов, выделены их особенности, определены применимость, описаны достоинства и недостатки. Дается систематизированный обзор исследований и разработок, основанных на лингвистических, статистических, спектральных и гибридных методах. Статья может быть полезна разработчикам информационно-поисковых систем, специалистам в области оптимизации поисковых процедур, исследователям технологий информационного поиска, патентоведам, работникам библиотечной сферы.
Vinogradova N.V., Ivanov V.K. Modern methods of automated extraction of keywords from text
The article is devoted to the up to date problem, namely the methods of automated extraction of keywords from a text. The article presents the analytical review on the problem. The speciality of a review is a wide range of works by Russian authors published lately that can indicate the current level of home investigations and help to define the further development potentials. The authors made an effort to classify the basic methods of the automated extraction of keywords, to emphasize their features, to define their potential for use, to specify strengths and shortcomings. The systemization review of the R&D based on linguistic, statistical, spectral and hybrid methods is conducted. The article may be beneficial to the information storage and retrieval system developers, experts in search procedure optimization, explorers of information search technologies, patent specialists, workers of libraries.},
keywords = {data centre, keyword, method, relevance, search, selection, semantics, spectral, statistical, text, word-combination, выделение, гибридный, ключевое слово, лингвистика, метод, поиск, релевантность, семантика, словосочетание, спектральный, статистический, текст},
pubstate = {published},
tppubtype = {article}
}
Cтатья посвящена актуальной на сегодняшний день проблеме – методам автоматизированного извлечения ключевых слов из текста. В статье представлен аналитический обзор материалов по этой тематике. Особенностью обзора является широкое использование для анализа работ российских авторов, изданных за последнее время, что должно показать текущий уровень отечественных исследований и помочь определить потенциальные точки их дальнейшего развития. В статье классифицированы основные методы автоматизированного извлечения ключевых слов, выделены их особенности, определены применимость, описаны достоинства и недостатки. Дается систематизированный обзор исследований и разработок, основанных на лингвистических, статистических, спектральных и гибридных методах. Статья может быть полезна разработчикам информационно-поисковых систем, специалистам в области оптимизации поисковых процедур, исследователям технологий информационного поиска, патентоведам, работникам библиотечной сферы.
Vinogradova N.V., Ivanov V.K. Modern methods of automated extraction of keywords from text
The article is devoted to the up to date problem, namely the methods of automated extraction of keywords from a text. The article presents the analytical review on the problem. The speciality of a review is a wide range of works by Russian authors published lately that can indicate the current level of home investigations and help to define the further development potentials. The authors made an effort to classify the basic methods of the automated extraction of keywords, to emphasize their features, to define their potential for use, to specify strengths and shortcomings. The systemization review of the R&D based on linguistic, statistical, spectral and hybrid methods is conducted. The article may be beneficial to the information storage and retrieval system developers, experts in search procedure optimization, explorers of information search technologies, patent specialists, workers of libraries.
Vinogradova N.V., Ivanov V.K. Modern methods of automated extraction of keywords from text
The article is devoted to the up to date problem, namely the methods of automated extraction of keywords from a text. The article presents the analytical review on the problem. The speciality of a review is a wide range of works by Russian authors published lately that can indicate the current level of home investigations and help to define the further development potentials. The authors made an effort to classify the basic methods of the automated extraction of keywords, to emphasize their features, to define their potential for use, to specify strengths and shortcomings. The systemization review of the R&D based on linguistic, statistical, spectral and hybrid methods is conducted. The article may be beneficial to the information storage and retrieval system developers, experts in search procedure optimization, explorers of information search technologies, patent specialists, workers of libraries.
5.
Иванов В.К.
Обоснование и постановка задачи прогнозирования результатов генетического алгоритма Статья в журнале
Источник: Инновации в науке, том 8, № 57, С. 5-13, 2016.
Аннотация | Ссылки | BibTeX | Метки: crossover, data centre, defining length, fitness function, fSimilarity, genetic algorithm, genotype, Holland’s schema theorem, innovation, order, query, representation, scheme, subject search, генетический алгоритм, генотип, кодирование, кроссинговер, определяющая длина, поисковый запрос, порядок, схема, тематический поиск, теорема Холланда, фитнес-функция
@article{nokey,
title = {Обоснование и постановка задачи прогнозирования результатов генетического алгоритма},
author = {Иванов В.К.},
url = {https://disk.yandex.ru/i/vAD-Om2u1EpS6A
https://cyberleninka.ru/article/n/obosnovanie-i-postanovka-zadachi-prognozirovaniya-rezultatov-geneticheskogo-algoritma/viewer
https://disk.yandex.ru/i/WtnfQbYbMj8-eQ},
year = {2016},
date = {2016-12-31},
urldate = {2016-12-31},
journal = {Инновации в науке},
volume = {8},
number = {57},
pages = {5-13},
publisher = {СибАК},
abstract = {В статье обосновывается и формулируется постановка задачи прогнозирования результатов генетического алгоритма, разработанного для выполнения документного тематического поиска. Утверждается необходимость и полезность проверки выполнения теоремы схем Холланда для указанного алгоритма. Отмечены условия корректной проверки, в частности требования к кодированию генотипа запросов и сглаживанию фитнес-функции. Предложен метод кодирования генотипа, который использует расстояние между векторами, представ-ляющими запросы.
Vladimir Ivanov
Rationale Of The Problem With Prediction Of Genetic Algorithm Results
This article presents and explains the problem with prediction of the genetic algorithm results developed to perform a subject document search. The article alleges the necessity and usefulness of the verification Holland's scheme theorem for a specified algorithm. The correct test conditions and requirements including the query genotype representation and smoothing of the fitness function are described. The genotype representation method that uses the distance between vectors is offered.},
keywords = {crossover, data centre, defining length, fitness function, fSimilarity, genetic algorithm, genotype, Holland’s schema theorem, innovation, order, query, representation, scheme, subject search, генетический алгоритм, генотип, кодирование, кроссинговер, определяющая длина, поисковый запрос, порядок, схема, тематический поиск, теорема Холланда, фитнес-функция},
pubstate = {published},
tppubtype = {article}
}
В статье обосновывается и формулируется постановка задачи прогнозирования результатов генетического алгоритма, разработанного для выполнения документного тематического поиска. Утверждается необходимость и полезность проверки выполнения теоремы схем Холланда для указанного алгоритма. Отмечены условия корректной проверки, в частности требования к кодированию генотипа запросов и сглаживанию фитнес-функции. Предложен метод кодирования генотипа, который использует расстояние между векторами, представ-ляющими запросы.
Vladimir Ivanov
Rationale Of The Problem With Prediction Of Genetic Algorithm Results
This article presents and explains the problem with prediction of the genetic algorithm results developed to perform a subject document search. The article alleges the necessity and usefulness of the verification Holland's scheme theorem for a specified algorithm. The correct test conditions and requirements including the query genotype representation and smoothing of the fitness function are described. The genotype representation method that uses the distance between vectors is offered.
Vladimir Ivanov
Rationale Of The Problem With Prediction Of Genetic Algorithm Results
This article presents and explains the problem with prediction of the genetic algorithm results developed to perform a subject document search. The article alleges the necessity and usefulness of the verification Holland's scheme theorem for a specified algorithm. The correct test conditions and requirements including the query genotype representation and smoothing of the fitness function are described. The genotype representation method that uses the distance between vectors is offered.
6.
Ivanov V.K., Palyukh B.V., Sotnikov A.N.
Efficiency of Genetic Algorithm For Subject Search Queries Статья в журнале
Источник: Lobachevskii Journal of Mathematics, том 37, № 3, С. 244–254, 2016, ISSN: 1995-0802, (Ivanov V.K., Palyukh B.V., Sotnikov A.N. Efficiency of Genetic Algorithm For Subject Search Queries. Lobachevskii Journal of Mathematics, 2016, Vol. 37, No. 3, pp. 244–254. Pleiades Publishing, Ltd., 2016.).
Аннотация | Ссылки | BibTeX | Altmetric | Метки: convergence, data centre, fitness function, genetic algorithm, innovation index, population, ranking, relevance, search precision, search query
@article{101_b0a4bd11-a8c6-4980-875a-9f7caf882815,
title = {Efficiency of Genetic Algorithm For Subject Search Queries},
author = {Ivanov V.K. and Palyukh B.V. and Sotnikov A.N.},
url = {https://disk.yandex.ru/i/DWS1H4M7CMLXxQ},
doi = {10.1134/S1995080216030124},
issn = {1995-0802},
year = {2016},
date = {2016-09-29},
urldate = {2025-01-21},
journal = {Lobachevskii Journal of Mathematics},
volume = {37},
number = {3},
pages = {244–254},
publisher = {Pleiades Publishing, Ltd.},
abstract = {<p>The article presents and generalizes the results on some performance indicators of genetic algorithm developed by authors and applied to effective search queries and selection of relevant results after document subject search. It is shown that the developed technology expands opportunities of semantic search and increases the number of the found relevant results. In particular, we made an effort to show the ability of the developed algorithm to achieve the neighborhood of the fitness function in a finite number of steps, to provide higher precision of search in comparison with the well-known search engines of the Internet as well as to provide the acceptable semantic relevance of the found documents.</p>},
note = {Ivanov V.K., Palyukh B.V., Sotnikov A.N. Efficiency of Genetic Algorithm For Subject Search Queries. Lobachevskii Journal of Mathematics, 2016, Vol. 37, No. 3, pp. 244–254. Pleiades Publishing, Ltd., 2016.},
keywords = {convergence, data centre, fitness function, genetic algorithm, innovation index, population, ranking, relevance, search precision, search query},
pubstate = {published},
tppubtype = {article}
}
<p>The article presents and generalizes the results on some performance indicators of genetic algorithm developed by authors and applied to effective search queries and selection of relevant results after document subject search. It is shown that the developed technology expands opportunities of semantic search and increases the number of the found relevant results. In particular, we made an effort to show the ability of the developed algorithm to achieve the neighborhood of the fitness function in a finite number of steps, to provide higher precision of search in comparison with the well-known search engines of the Internet as well as to provide the acceptable semantic relevance of the found documents.</p>
7.
Ivanov V.K., Palyukh B.V., Sotnikov A.N.
Evolutionary Approach to the Intelligent Subject Search Неопубликовано
2016.
Аннотация | Ссылки | BibTeX | Метки: analysis, data centre, data warehouse, document, genetic algorithm, intelligent, search precision, semantic search, text
@unpublished{149_01f4db38-892b-4164-8092-4be66f036f0f,
title = {Evolutionary Approach to the Intelligent Subject Search},
author = {Ivanov V.K. and Palyukh B.V. and Sotnikov A.N.},
url = {https://disk.yandex.ru/i/i3z9R-TZkOauSg},
year = {2016},
date = {2016-05-31},
urldate = {2025-10-17},
booktitle = {12th Annual International Conference on Information Technology & Computer Science,
16-19 May 2016, Athens, Greece},
abstract = {<p>The authors focus on technology of building and qualification of search queries with the subsequent ranking of search results. The article presents and generalizes the experimental results on some performance indicators of genetic algorithm developed by authors and applied to effective search queries and selection of relevant results. The research covered the assessments of convergence of the genetic algorithm, search results relevance, ranking quality of the documents found in a variety of ways.</p><p></p>},
keywords = {analysis, data centre, data warehouse, document, genetic algorithm, intelligent, search precision, semantic search, text},
pubstate = {published},
tppubtype = {unpublished}
}
<p>The authors focus on technology of building and qualification of search queries with the subsequent ranking of search results. The article presents and generalizes the experimental results on some performance indicators of genetic algorithm developed by authors and applied to effective search queries and selection of relevant results. The research covered the assessments of convergence of the genetic algorithm, search results relevance, ranking quality of the documents found in a variety of ways.</p><p></p>
8.
Иванов В.К., Мальков А.А.
Метод адаптивной кластеризации текстовых документов Статья в журнале
Источник: Программные продукты, системы и алгоритмы, № 2, 2015.
Аннотация | Ссылки | BibTeX | Altmetric | Метки: data centre, документ, карта Кохонена, кластеризация, нейронная сеть, нечеткий алгоритм, поиск
@article{nokey,
title = {Метод адаптивной кластеризации текстовых документов},
author = {Иванов В.К. and Мальков А.А.},
editor = {data centre, документ, карта Кохонена, кластеризация, нейронная сеть, нечеткий алгоритм, поиск},
url = {https://disk.yandex.ru/i/kDjDIT0aue7RWA
https://swsys-web.ru/en/method-of-adaptive-clustering-text-documents.html
https://disk.yandex.ru/i/4oRqeSS2Xv3NFg},
doi = {10.15827/2311-6749.15.158},
year = {2015},
date = {2015-06-30},
urldate = {2015-06-30},
journal = {Программные продукты, системы и алгоритмы},
number = {2},
abstract = {В статье предложен метод адаптивной кластеризации текстовых документов – результатов работы поисковой системы. Реализация метода предполагает, что для настройки параметров кластеризации должна использоваться не только информацию, полученную от пользователя, но и полученную в результате поиска документов. Идея заключается в использовании нечеткого алгоритма кластеризации Гюстафсона-Кесселя. Для решения задачи определения количества кластеров при инициализацииалгоритма предлагается использовать самоорганизующиеся карты Кохонена с динамически изменяемыми размерами. Приведено описание используемых алгоритмов и положительные результаты апробации метода на модельной задаче об ирисах Фишера. Показано, что на основе предложенного решения может быть построен список рубрик, объединяющих семантически связанные источники информации.},
keywords = {data centre, документ, карта Кохонена, кластеризация, нейронная сеть, нечеткий алгоритм, поиск},
pubstate = {published},
tppubtype = {article}
}
В статье предложен метод адаптивной кластеризации текстовых документов – результатов работы поисковой системы. Реализация метода предполагает, что для настройки параметров кластеризации должна использоваться не только информацию, полученную от пользователя, но и полученную в результате поиска документов. Идея заключается в использовании нечеткого алгоритма кластеризации Гюстафсона-Кесселя. Для решения задачи определения количества кластеров при инициализацииалгоритма предлагается использовать самоорганизующиеся карты Кохонена с динамически изменяемыми размерами. Приведено описание используемых алгоритмов и положительные результаты апробации метода на модельной задаче об ирисах Фишера. Показано, что на основе предложенного решения может быть построен список рубрик, объединяющих семантически связанные источники информации.
9.
Иванов В.К., Палюх Б.В., Егерева И.А.
Интеллектуальный поиск инноваций и управление эволюцией производственной системы Статья в сборнике
Источник: VIII Международная научно-практическая конференция "Интегрированные модели и мягкие вычисления в искусственном интеллекте" (Коломна, 18-20 мая 2015 г.) : сб. науч. трудов, С. 418-427, Коломна, 2015, (Иванов В.К., Палюх Б.В., Егерева И.А. Интеллектуальный поиск инноваций и управление эволюцией производственной системы : статья // VIII Международная научно-практическая конференция "Интегрированные модели и мягкие вычисления в искусственном интеллекте" (Коломна, 18-20 мая 2015 г.) : сб. науч. трудов. - Москва, 2015. - Т. 1. - С. 418-427.).
Аннотация | Ссылки | BibTeX | Метки: bif, data centre, инновации, искусственный интеллект, предприятие, тематический поиск, хранилище
@inproceedings{99_96d40ede-9e70-4b23-bf73-129975692bf0,
title = {Интеллектуальный поиск инноваций и управление эволюцией производственной системы},
author = {Иванов В.К. and Палюх Б.В. and Егерева И.А.},
url = {https://disk.yandex.ru/i/iUJzF2wq1e37jQ},
year = {2015},
date = {2015-05-28},
urldate = {2015-05-28},
booktitle = {VIII Международная научно-практическая конференция "Интегрированные модели и мягкие вычисления в искусственном интеллекте" (Коломна, 18-20 мая 2015 г.) : сб. науч. трудов},
volume = {1},
pages = {418-427},
publisher = {Коломна},
abstract = {<p>В статье излагаются ключевые элементы подхода к созданию системы интеллектуальной информационной поддержки инноваций на предприятии, основанного на интеграции механизмов поиска инновационных решений, методов управления эволюцией производственно-технологической системы с использованием созданного хранилища инновационных решений, алгоритмов согласованной оптимизации и идентификации технологических параметров. Рассмотрена возможность использования предложенного подхода применительно к базовому варианту модели функционирования производственно-технологической системы.</p>},
note = {Иванов В.К., Палюх Б.В., Егерева И.А. Интеллектуальный поиск инноваций и управление эволюцией производственной системы : статья // VIII Международная научно-практическая конференция "Интегрированные модели и мягкие вычисления в искусственном интеллекте" (Коломна, 18-20 мая 2015 г.) : сб. науч. трудов. - Москва, 2015. - Т. 1. - С. 418-427.},
keywords = {bif, data centre, инновации, искусственный интеллект, предприятие, тематический поиск, хранилище},
pubstate = {published},
tppubtype = {inproceedings}
}
<p>В статье излагаются ключевые элементы подхода к созданию системы интеллектуальной информационной поддержки инноваций на предприятии, основанного на интеграции механизмов поиска инновационных решений, методов управления эволюцией производственно-технологической системы с использованием созданного хранилища инновационных решений, алгоритмов согласованной оптимизации и идентификации технологических параметров. Рассмотрена возможность использования предложенного подхода применительно к базовому варианту модели функционирования производственно-технологической системы.</p>
10.
Иванов В.К., Палюх Б.В.
Исследование эффективности генетического алгоритма для тематического документального поиска Статья в сборнике
Источник: Открытые семантические технологии проектирования интеллектуальных систем (OSTIS-2015) : материалы V международной научно-технической конференции (Минск, 19 – 21 февраля 2015 года), С. 471-476, Минск, 2015, (Иванов В.К., Палюх Б.В. Исследование эффективности генетического алгоритма для тематического документального поиска // Открытые семантические технологии проектирования интеллектуальных систем (OSTIS-2015) : материалы V международной научно-технической конференции (Минск, 19 – 21 февраля 2015 года) / Белорусский гос. ун-т информатики и радиоэлектроники, Гос. учреждение "Администрация Парка высоких технологий". - Минск, 2015. - С. 471-476.).
Аннотация | Ссылки | BibTeX | Метки: data centre, генетический алгоритм, запрос, ранжирование, релевантность
@inproceedings{98_d7028067-6040-45f2-a29d-734223a47793,
title = {Исследование эффективности генетического алгоритма для тематического документального поиска},
author = {Иванов В.К. and Палюх Б.В.},
url = {https://disk.yandex.ru/i/HgYrEDfwhGwc9A},
year = {2015},
date = {2015-02-26},
urldate = {2015-02-26},
booktitle = {Открытые семантические технологии проектирования интеллектуальных систем (OSTIS-2015) : материалы V международной научно-технической конференции (Минск, 19 – 21 февраля 2015 года)},
pages = {471-476},
publisher = {Минск},
abstract = {<p>В статье приведены результаты экспериментальных исследований эффективности генетического алгоритма, примененного для формирования эффективных поисковых запросов и отбора релевантных результатов при выполнении документального тематического поиска. Исследования проводились с целью сравнительного анализа семантической релевантности и качества ранжирования документов, найденных в Интернет различными способами. Показано, что разработанная технология расширяет возможности семантического поиска и увеличивает число релевантных результатов.</p>},
note = {Иванов В.К., Палюх Б.В. Исследование эффективности генетического алгоритма для тематического документального поиска // Открытые семантические технологии проектирования интеллектуальных систем (OSTIS-2015) : материалы V международной научно-технической конференции (Минск, 19 – 21 февраля 2015 года) / Белорусский гос. ун-т информатики и радиоэлектроники, Гос. учреждение "Администрация Парка высоких технологий". - Минск, 2015. - С. 471-476.},
keywords = {data centre, генетический алгоритм, запрос, ранжирование, релевантность},
pubstate = {published},
tppubtype = {inproceedings}
}
<p>В статье приведены результаты экспериментальных исследований эффективности генетического алгоритма, примененного для формирования эффективных поисковых запросов и отбора релевантных результатов при выполнении документального тематического поиска. Исследования проводились с целью сравнительного анализа семантической релевантности и качества ранжирования документов, найденных в Интернет различными способами. Показано, что разработанная технология расширяет возможности семантического поиска и увеличивает число релевантных результатов.</p>
Я подготовил довольно много печатных материалов. И, готовя к публикации очередной материал, я каждый раз помнил основное правило — публиковать результаты работы. Не писал текст для того, чтобы написать статью или отчет. Поэтому мне трудно найти свои работу, которая вызывала бы у меня чувство неловкости.
Также отмечу, что писал и сейчас пишу довольно медленно. Для серьезных статей хорошо, если получается одна страница в день. Многократно правлю текст, пытаясь предельно точно передать свою мысль. Не всегда удаётся, но стараюсь. И, как правило, начинаю с плана, в котором фиксирую предполагаемые структуру и содержание текста. Помогает.
Результаты см. выше.