Качество регрессионной модели в значительной степени определяется опытом специалистов, выполняющих сбор и исследование данных, в частности: надежными результатами наблюдений, наиболее близко определенными формами связей между переменными и верно подобранными методами оценки регрессии. Однако даже при наличии этих составляющих нельзя гарантировать оптимальный характер итоговой математической зависимости, потому как объем необходимых расчетов и проверок для поиска решения задачи оптимизации выходного уравнения часто оказывается существенно больше, чем можно выполнить вручную. В статье рассмотрены некоторые этапы подхода к процессу математического моделирования объекта методами регрессионного анализа данных, выделены проблемные места. В качестве варианта решения предлагается реализация алгоритмического программного комплекса, специализированного под описанный процесс моделирования. Проведен краткий обзор аналогов. Выводы сопровождаются графическим представлением функциональных требований к целевой программной реализации. Проектирование выполнено на концептуальном уровне.
Идентификаторы и классификаторы
Введение. С развитием цифровых технологий растет объем обрабатываемой информации, поэтому с каждым годом за анализом данных укрепляются позиции актуальной научной и прикладной сферы деятельности. В подтверждение ключевой важности этого направления растет спрос на более точные и совершенные инструменты аналитики. Существующие программные продукты применяются для решения разносторонних задач: в работе [1] продемонстрирован анализ данных о дефектах технологического процесса с применением пакета Stadia; в статье [2], используя модули пакета Statistica, рассматривается решение задачи интеллектуального анализа данных.
Список литературы
1. Букша Д. Р. Применение статистического пакета STADIA для анализа данных / Научно-технические достижения студентов, аспирантов, молодых ученых строительно-архитектурной отрасли: Сборник научных трудов VIII Республиканской конференции молодых ученых, аспирантов, студентов. В 3-х томах, Макеевка, 22 апреля 2022 года. Том 1. - Макеевка: Донбасская национальная академия строительства и архитектуры, 2022. - С. 23-28. EDN: FXJKUJ
Buksha D. R. Application of the STADIA statistical package for data analysis / Scientific and technical achievements of students, postgraduates, young scientists of the construction and ar-chitectural industry: A collection of scientific papers of the VIII Republican Conference of young Scientists, postgraduates, students. In 3 volumes, Makeyevka, April 22, 2022. Volume 1. - Make-yevka: Donbass National Academy of Construction and Architecture, 2022. - pp. 23-28.
2. Гаврилко К. А. Реализация методов интеллектуального анализа данных на основе модулей интегрированной статистической системы statistic // Научно-технические достижения студентов, аспирантов, молодых ученых строительно-архитектурной отрасли: Сборник научных трудов VI Республиканской конференции молодых учёных, аспирантов, студентов. В 3-х томах, Макеевка, 17 апреля 2020 года. Том 1. - Макеевка: Донбасская национальная академия строительства и архитектуры, 2020. - С. 16-20.
Gavrilko K. A. Implementation of data mining methods based on modules of the in-tegrated statistical system statistical // Scientific and technical achievements of students, post-graduates, young scientists of the construction and architectural industry: Collection of scien-tific papers of the VI Republican Conference of Young scientists, postgraduates, students. In 3 volumes, Makeyevka, April 17, 2020. Volume 1. - Makeyevka: Donbass National Academy of Construction and Architecture, 2020. - pp. 16-20.
3. Болотина Н. В., Швалева А. В. Построение регрессионных моделей зависимости механических свойств от химического состава с помощью программного обеспечения Mathcad, Stadia // Наука и производство Урала. - 2015. - № 11. - С. 221-224. EDN: UCPCRN
Bolotina N. V., Shvaleva A.V. Construction of regression models of the dependence of mechanical properties on chemical composition using Mathcad, Stadia software // Science and production of the Urals. - 2015. - No. 11. - pp. 221-224.
4. Яковлев В. Б. Линейное и нелинейное оценивание параметров регрессии в Microsoft Excel // Вестник МГПУ. Серия: Информатика и информатизация образования. - 2019. - № 2(48). - С. 58-71. EDN: PTUVJW
Yakovlev V. B. Linear and nonlinear estimation of regression parameters in Mi-crosoft Excel // Bulletin of the Moscow State Pedagogical University. Series: Informatics and Informatization of education. - 2019. - № 2(48). - Pp. 58-71.
5. Лебедева О. А., Зарядов И. С. Обзор инструментов для регрессионного анализа в R: от фундаментальных методов до нейронных сетей // Information and Telecommunication Technologies and Mathematical Modeling of High-Tech Systems: Материалы XIV международной научной конференции, Москва, 8-12 апреля 2024 года. - Москва: Российский университет дружбы народов, 2024. EDN: XWBOEG
Lebedeva O. A., Zaryadov I. S. Overview of tools for regression analysis in R: from fundamental methods to neural networks // Information and Telecommunication Technologies and Mathematical Modeling of High-Tech Systems: Proceedings of the XIV International Scientific Conference, Moscow, April 8-12, 2024. - Moscow: Russian University of Peoples' Friendship, 2024.
6. Тусков А. А. Применение Gretl для построения многофакторной модели // Модели, системы, сети в экономике, технике, природе и обществе. - 2011. - № 1(1). - С. 154-159. EDN: RPCQRR
Tuskov A. A. Application of Gretl for building a multifactorial model // Models, sys-tems, networks in economics, technology, nature and society. - 2011. - № 1(1). - Pp. 154-159.
7. Кузьмин Е. С., Зайцев О. В., Кузьмина Е. В. Комплекс программ для проведения статистических расчетов Statistic 2.1 // Математическая морфология: электронный математический и медико-биологический журнал. - 1997. - Т. 2, № 1. - С. 96-98. EDN: ADBYXX
Kuzmin E. S., Zaitsev O. V., Kuzmina E. V. A set of programs for statistical calcula-tions Statistical 2.1 // Mathematical morphology: electronic mathematical and biomedical jour-nal. - 1997. - Vol. 2, No. 1. - pp. 96-98.
8. Базилевский М. П., Носков С. И. Анализ специализированного программного обеспечения для автоматизации “конкурса” регрессионных моделей // Информационные технологии и проблемы математического моделирования сложных систем. - 2010. - № 8. - С. 50-56. EDN: VMLBXL
Bazilevsky M. P., Noskov S. I. Analysis specialized software for automation of the "competition" of regression models // Information technologies and problems of mathematical modeling of complex systems. - 2010. - No. 8. - pp. 50-56. EDN: VMLBXL
9. Носков С.И. Технология моделирования объектов с нестабильным функционированием и неопределенностью в данных. - Иркутск: Облинформпечать, 1996. - 320 с. EDN: EJYBWL
Noskov S.I. Technology of modeling objects with unstable functioning and uncer-tainty in data. Irkutsk: Oblinformpechat, 1996. 320 p.
10. Пашков Д. В., Носков С. И. Реализация конкурса регрессионных моделей эффективности интеллектуальной деятельности // Электронный сетевой политематический журнал “Научные труды КубГТУ”. - 2022. - № 6. - С. 40-51. EDN: ALIZFL
Pashkov D. V., Noskov S. I. Implementation of the competition of regression models of intellectual activity effectiveness // Electronic network polythematic journal "Scientific works of KubSTU". - 2022. - No. 6. - pp. 40-51. EDN: ALIZFL
11. Хубаев Г. Н., Денисенко В. А., Коротин Д. В. Метод всех возможных регрессий: программная реализация в системе MS Excel // Информационные системы, экономика, управление трудом и производством: Ученые записки. Том Выпуск 16. - Ростов-на-Дону: Ростовский государственный экономический университет “РИНХ”, 2014. - С. 126-129. EDN: VGUUBB
Khubaev G. N., Denisenko V. A., Korotin D. V. The method of all possible regres-sions: software implementation in the MS Excel system // Information systems, economics, la-bor and production management: Scientific notes. Volume Issue 16. - Rostov-on-Don: Ros-tov State University of Economics "RINH", 2014. - pp. 126-129.
12. Носков С. И., Базилевский М. П. Программный комплекс автоматизации процесса построения регрессионных моделей // Международный журнал прикладных и фундаментальных исследований. - 2010. - № 1. - С. 93-94. EDN: LDNXJP
Noskov S. I., Bazilevsky M. P. Software package for automating the process of con-structing regression models // International Journal of Applied and Fundamental Research. - 2010. - No. 1. - pp. 93-94. EDN: LDNXJP
13. Базилевский М. П. Программно-математическое обеспечение автоматизации многокритериального выбора регрессионных моделей: специальность 05.13.18 “Математическое моделирование, численные методы и комплексы программ”: диссертация на соискание ученой степени кандидата технических наук. - Иркутск, 2012. - 153 с. EDN: QGAPRF
Bazilevsky M. P. Software and mathematical support for automation of multi-criteria selection of regression models: specialty 05.13.18 "Mathematical modeling, numerical meth-ods and software packages": dissertation for the degree of Candidate of technical Sciences. - Irkutsk, 2012. - 153 p. EDN: QGAPRF
14. Утакаева И. Х. Применение пакета статистического анализа Python для анализа данных автомобильного рынка // Вестник Алтайской академии экономики и права. - 2019. - № 2-2. - С. 346-351. EDN: YZCQHR
Utakaeva I. H. Application of the Python statistical analysis package for analyzing automotive market data // Bulletin of the Altai Academy of Economics and Law. - 2019. - No. 2-2. - pp. 346-351. EDN: YZCQHR
15. Черман А. Н., Чубенко Д. О., Филонова Е. С. Анализ языков программирования PYTHON, RUBY, SCALA для обработки больших данных на примерах алгоритмов сортировки // Наука и современность: Материалы Всероссийской научно-практической конференции студентов и молодых ученых, Таганрог, 10 ноября 2023 года. - Таганрог: ДиректСайнс, 2023. - С. 131-134. EDN: PZDXDI
Cherman A. N., Chubenko D. O., Filonova E. S. Analysis of programming languages PYTHON, RUBY, SCALA for big data processing using examples of sorting algorithms // Science and modernity: Materials of the All-Russian Scientific and Practical Conference of Students and Young Scientists, Taganrog, November 10, 2023. - Taganrog: Direct Science, 2023. - pp. 131-134. EDN: PZDXDI
16. Захаренков А. О., Евдокимова Г. С. Сравнительный анализ языков Ruby, R и Python в вопросах анализа данных на примере задачи кластеризации // Системы компьютерной математики и их приложения. - 2020. - № 21. - С. 38-44. EDN: NLIESP
Zakharenkov A. O., Evdokimova G. S. Comparative analysis of Ruby, R and Python languages in data analysis using the clustering problem as an example // Computer mathemat-ics systems and their applications. - 2020. - No. 21. - pp. 38-44.
17. Багдади М. А., Мархабаев Б. А., Мысева Е. Р. Обзор возможностей и сравнение языков программирования Python и R в области анализа данных // Инновационные механизмы управления цифровой и региональной экономикой: Материалы V Международной студенческой научной конференции, Москва, 15-16 июня 2023 года. - Москва: Национальный исследовательский ядерный университет “МИФИ”, 2023. - С. 282-294. EDN: BCXOVZ
Baghdadi M. A., Marhabaev B. A., Myseva E. R. Overview of the possibilities and comparison of Python and R programming languages in the field of data analysis // Innovative mechanisms of digital and regional economy management: Proceedings of the V International Student Scientific Conference, Moscow, June 15-16, 2023. - Moscow: National Research Nuclear University "MEPhI", 2023. - pp. 282-294.
18. Ивин В. В. Применение языка R и среды RStudio для статистического анализа данных // Педагогический опыт: от теории к практике: Сборник материалов VI Международной научно-практической конференции, Чебоксары, 06 августа 2018 года / Редколлегия: О.Н. Широков [и др.]. - Чебоксары: Общество с ограниченной ответственностью “Центр научного сотрудничества “Интерактив плюс”, 2018. - С. 47-53. EDN: XWDEVN
Ivin V. V. Application of the R language and the RStudio environment for statistical analysis of data // Pedagogical experience: from theory to practice: Collection of materials of the VI International Scientific and Practical Conference, Cheboksary, August 06, 2018 / Edi-torial Board: O.N. Shirokov [et al.]. - Cheboksary: Society Limited Liability Company "Cen-ter for Scientific Cooperation "Interactive Plus", 2018. - pp. 47-53.
19. Базилевский М. П., Носков С. И. Анализ систем программирования для решения вычислительной задачи проведения “конкурса” регрессионных моделей // Информационные технологии и проблемы математического моделирования сложных систем. - 2011. - № 9. - С. 47-51. EDN: VHDTMH
Bazilevsky M. P., Noskov S. I. Analysis of programming systems for solving the computational problem of conducting a "competition" of regression models // Information technologies and problems of mathematical modeling of complex systems. - 2011. - No. 9. - pp. 47-51. EDN: VHDTMH
20. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Исследование зависимостей. - М.: Финансы и статистика, 1985. - 488 с.
Ayvazyan S.A., Enyukov I.S., Meshalkin L.D. Applied statistics: A study of de-pendencies. - M.: Finance and Statistics, 1985. - 488 p.
21. Базилевский М. П., Носков С. И. Статистический анализ критериальных матриц при организации “конкурса” регрессионных моделей // Информационные технологии и математическое моделирование в управлении сложными системами. - 2019. - № 1(2). - С. 13-26. EDN: TNFWXB
Bazilevsky M. P., Noskov S. I. Statistical analysis of criterion matrices in the organi-zation of the "competition" of regression models // Information technologies and mathematical modeling in the management of complex systems. - 2019. - № 1(2). - Pp. 13-26. EDN: TNFWXB
22. Голованчиков А. Б., Доан М. К., Петрухин А. В., Меренцов Н. А. Сравнение точности аппроксимации экспериментальных данных методом наименьших относительных квадратов с методом наименьших квадратов // Моделирование, оптимизация и информационные технологии. - 2020. - Т. 8, № 1(28). EDN: VYVVNM
Golovanchikov A. B., Doan M. K., Petrukhin A.V., Merentsov N. A. Comparison of the accuracy of approximation of experimental data by the method of least relative squares with the method of least squares // Modeling, optimization and information technologies. - 2020. - Vol. 8, No. 1(28).
23. Носков С. И., Перфильева К. С., Хоняков А. А., Торопов В. Д. Возможная альтернативность подходов к регрессионному моделированию объектов // Вестник транспорта Поволжья. - 2021. - № 6(90). - С. 68-70.
Noskov S. I., Perfilieva K. S., Honyakov A. A., Toropov V. D. Possible alternative approaches to regression modeling of objects // Bulletin of transport of the Volga region. - 2021. - № 6(90). - Pp. 68-70. EDN: DQMTJL
24. Носков С. И., Пашков Д. В., Улыбин Т. Т., Улыбина А. Ю. Организация конкурса регрессионных моделей выгрузки вагонов на железнодорожном транспорте // Инженерный вестник Дона. - 2023. - № 6(102). - С. 301-309. EDN: RBKTLP
Noskov S. I., Pashkov D. V., Ulybin T. T., Ulybina A. Yu. Organization of a compe-tition for regression models of unloading wagons on railway transport // Engineering Bulletin of the Don. - 2023. - № 6(102). - Pp. 301-309. EDN: RBKTLP
25. Носков С. И. Критерий “согласованность поведения” в регрессионном анализе // Современные технологии. Системный анализ. Моделирование. - 2013. - № 1(37). - С. 107-110. EDN: PXJUTX
Noskov S. I. Criterion "consistency of behavior" in regression analysis // Modern technologies. System analysis. Modeling. - 2013. - № 1(37). - Pp. 107-110. EDN: PXJUTX
26. Рычка О. В. Разработка алгоритма реализации методов повышения качества регрессионных моделей, используемых при проектировании технических систем // Информатика и кибернетика. - 2020. - № 3(21). - С. 13-19. EDN: FWCTTG
Rychka O. V. Development of an algorithm for the implementation of methods to improve the quality of regression models used in the design of technical systems // Informatics and Cybernetics. - 2020. - № 3(21). - Pp. 13-19.
27. Михайлова Т. М., Михайлов Б. А. Методы повышения качества регрессионной модели при ее использовании для прогнозирования // Ученые записки Санкт-Петербургского имени В.Б. Бобкова филиала Российской таможенной академии. - 2003. - № 1(20). - С. 168-193. EDN: SXLVZB
Mikhailova T. M., Mikhailov B. A. Methods of improving the quality of regression model when using it for forecasting // Scientific notes of the St. Petersburg branch of the Rus-sian Customs Academy named after V.B. Bobkov. - 2003. - № 1(20). - pp. 168-193.
28. Приходько Н. А., Кулаченок А. К. Моделирование в нотации IDEF0 // Моя профессиональная карьера. - 2022. - Т. 1, № 36. - С. 137-141. EDN: BYTBWG
Prikhodko N. A., Kulachenok A. K. Modeling in IDEF0 notation // My professional career. - 2022. - Vol. 1, No. 36. - pp. 137-141. EDN: BYTBWG
29. Карпычев В. Ю. Функциональное моделирование (IDEF0) как метод исследования блокчейн-технологии // Труды НГТУ им. Р.Е. Алексеева. - 2018. - № 4(123). - С. 22-32. EDN: YRRYGD
Karpychev V. Yu. Functional modeling (IDEF0) as a research method for blockchain technology // Proceedings of the R.E. Alekseev NSTU. - 2018. - № 4(123). - Pp. 22-32.
30. Suriya Dr. S., S. N. Design of UML Diagrams for WEBMED - Healthcare Service System Services // EAI Endorsed Transactions on e-Learning. - 2023. - Vol. 8, No. 1. - P. e5. EDN: PVLMLB
Suriya Dr. S., S. N. Design of UML Diagrams for WEBMED - Healthcare Service System Services // EAI Endorsed Transactions on e-Learning. - 2023. - Vol. 8, No. 1. - P. e5. EDN: PVLMLB
31. Барклаевская Н. В. Использование унифицированного языка моделирования UML в проектном подходе при обучении студентов по специальности “бизнес-информатика” // Материалы научно-методической конференции СЗИУ РАНХиГС. - 2015. - № 1. - С. 21-29. EDN: VPNAJV
Barclayevskaya N. V. The use of the unified modeling language UML in the project approach when teaching students in the specialty "business informatics" // Materials of the sci-entific and methodological conference of the SZIU RANHiGS. - 2015. - No. 1. - pp. 21-29.
Выпуск
Другие статьи выпуска
В данной статье рассматриваются вопросы обеспечения информационной безопасности в условиях дистанционного режима работы организации. Также, освещены причины возникновения потребности в дистанционном режиме работы организации, риски, связанные с использованием дистанционного режима работы организации, а также способы перехода на дистанционный режим работы организации с соблюдением требований информационной безопасности. Приведена аналитика атак на различные предприятия в отношении информационной безопасности, а также рассмотрены способы распространения вредоносного программного обеспечения на предприятиях. В заключение, рассмотрены основные рекомендации по соблюдению цифровой гигиены, а также обозначен основной источник угроз информационной безопасности на предприятии. Особое внимание уделено мерам защиты от различных хакерских атак, контролю доступа к защищаемой информации и использованию надежных и проверенных средств связи и средств обеспечения информационной безопасности на предприятии. Рекомендации, приведенные в данной статье, будут полезны как специалистам, работающим в области информационной безопасности, так и руководителям компаний, которые планируют переход на дистанционный режим работы или внедрение дистанционного режима работы параллельно с очным режимом работы, а также в качестве учебного пособия для использования и учебных организациях, специализирующихся на информационной безопасности
Данная работа представляет собой подробное исследование процесса разработки политики безопасности для государственного учреждения. Описывается многоэтапный процесс, начиная от подготовительного этапа и анализа текущей ситуации по безопасности, и заканчивая мониторингом и аудитом политики после ее внедрения. Представлены ключевые аспекты, такие как определение требований к политике безопасности, разработка самого документа, утверждение и внедрение, а также постоянное обновление и улучшение в процессе деятельности. Особое внимание уделяется значению политики безопасности как основы для обеспечения конфиденциальности, целостности и доступности информации, а также минимизации угроз и рисков информационной безопасности учреждения. Данная статья может быть полезна с практической точки зрения для специалистов по информационной безопасности и руководителей государственных учреждений с целью обеспечения устойчивого функционирования учреждения.
В данной статье освещены особенности интеграции SIEM-системы с другими средствами защиты информации, включающие в себя проблемы, которые необходимо учитывать специалисту при разработке системы защиты информации. Проанализирована статистика увеличения компьютерных атак за последние годы. Описано назначение и приведена архитектура SIEM-системы, интегрированной с другими средствами защиты информации. Проанализировано, какие средства наиболее часто выступают в роли источников событий информационной безопасности. Отражены принципы функционирования программного обеспечения, предназначенного для сбора, нормализации и корреляции событий. Описан процесс сбора событий посредством сканирования сетевых узлов в разных режимах. Рассмотрена необходимость настройки сетевых протоколов и специализированного программного обеспечения для сбора событий, а также используемые для этого методы. Приведен принцип срабатывания правил корреляции событий. Для актуализации существующих правил предложено использование матрицы MITRE ATT&CK, в которой описаны техники, используемые злоумышленниками для реализации атак. Отражен параметр для подсчета количества событий, поступающих в SIEM-систему от средств защиты информации. Также рассмотрен современный способ масштабирования системы защиты информации с помощью улучшения технической оснащенности системы хранения.
В данном исследовании авторы фокусируются на описании угроз безопасности криптовалютных платформ. Выполнен обзор уязвимостей, которые могут быть обнаружены на криптовалютных биржах, кошельках и смарт-контрактах. Задача исследования заключается в понимании механизмов, на которых эти платформы основаны, а также определения возможных проблем, связанных с ними. В фокусе исследования находятся уязвимости к атакам типа «51%», фишингу и социальной инженерии. Кроме того, исследование включает рекомендаций по улучшению безопасности системы, на основе результатов проведенных исследований. Результаты исследования будут полезны разработчикам, пользователям и регуляторам криптовалютных платформ, что особенно важно в свете участившихся случаев взломов и мошенничества в криптоиндустрии.
В статье рассматривается результаты проектирования программного обеспечения в форме веб-приложения для мониторинга опасности возможного размыва участков земляного полотна и искусственных сооружений Улан-Баторской железной дороги, с учётом возможностей современных геоинформационных технологий, а также возможность мониторинга состояния искусственных сооружений (ИССО). Веб-приложение дает возможность централизованно и оперативно информировать всех участников об изменении погодных условий и характеристиках пути. Для обеспечения безопасного и бесперебойного движения поездов железная дорога должна быть защищена от размывов. Размывы в летние месяцы являются серьезным препятствием для ритмичной работы. В настоящее время, когда планируется серьезное повышение размеров перевозок как местных, так и транзитных в направлении международного коридора Россия - Монголия - Китай, обеспечение сохранности грузов и пассажиров, безусловное выполнение графика движения поездов являются залогом повышения доходности работы дороги.
Метод простого линейного классификатора (ПЛК) предложено использовать для решения задачи различения сходных почерков. Почерк - уникальное свойство каждого человека, по которому возможна идентификация личности. Однако различить сходные почерки непросто, особенно при большом объеме данных. Результаты экспериментов, приведённые в работе, показали, что метод ПЛК позволяет достичь достаточно высокого уровня точности и надёжности при классификации графических образцов и может быть эффективным инструментом для различения сходных почерков.
Издательство
- Издательство
- ИРГУПС
- Регион
- Россия, Иркутск
- Почтовый адрес
- 664074, Иркутская обл, г Иркутск, Свердловский р-н, ул Чернышевского, д 15
- Юр. адрес
- 664074, Иркутская обл, г Иркутск, Свердловский р-н, ул Чернышевского, д 15
- ФИО
- Трофимов Юрий Анатольевич (РЕКТОР)
- E-mail адрес
- trofimov_y@irgups.ru
- Контактный телефон
- +7 (395) 2638301