Научный архив: статьи

Рассматривается актуальная проблема поиска закономерностей в больших объемах статистических данных. Инструментом анализа данных выступает регрессионный анализ. При построении регрессионных моделей исследователи зачастую стремятся только к их высокому качеству аппроксимации. Но, как отмечено в современных научных работах, одной такой метрики недостаточно. Поэтому сегодня активно развивается интерпретируемое машинное обучение. Ранее автором было предложено определение вполне интерпретируемой линейной регрессии, а задача ее построения была формализована в виде задачи частично-булевого линейного программирования. Исследования выявили высокую эффективность разработанного математического аппарата при решении задач обработки больших данных. Поэтому было принято решение расширить предложенную технологию для построения квазилинейных регрессий. В статье дано определение вполне интерпретируемой квазилинейной регрессии, включающее 6 условий. Разработан алгоритм интерпретации влияния в оцененной квазилинейной регрессии монотонно преобразованных объясняющих переменных на зависимую переменную. Задача построения вполне интерпретируемой квазилинейной регрессии формализована в виде задачи частично-булевого линейного программирования. Показано, как в этой задаче выбирать допустимые границы параметра M. Для демонстрации работоспособности предложенного математического аппарата решена задача моделирования прочности бетона на сжатие по данным, содержащим более 1000 наблюдений. Для этого использовалась программа «ВИнтер-2». В построенную модель вошли следующие преобразованные переменные: цементно-водное отношение, шлак доменной печи, пластификатор и возраст бетона. Построенная регрессия оказалась лучше по качеству аппроксимации и проще по структуре существующей модели. Дана интерпретация построенной квазилинейной регрессии. Влияние объясняющих переменных на прочность бетона в ней согласуется как с содержательным смыслом задачи, так и с другими существующими математическими моделями. Предложенная в статье технология построения вполне интерпретируемых квазилинейных регрессий обладает высоким потенциалом для решения задач обработки больших данных в различных предметных областях.

В статье анализируется использование технологий больших данных в политических кампаниях США, стран Европейского союза и России. Автор рассматривает уникальные подходы и методы каждого региона, их законодательные и культурные особенности, а также влияние больших данных на результаты выборов, приводит примеры законодательных актов и решений, регулирующих использование данных в разных странах. В статье рассматриваются перспективы и вызовы современных технологий анализа данных.

В статье авторами рассматривается важность и необходимость цифровизации деятельности в сфере транспортного планирования и организации дорожного движения. Рассказывается о разных информационных технологиях и управляющих системах. Описывается внедрение их в сферу транспортного планирования и организации дорожного движения по разным направлениям. Отмечается, что внедрение цифровых технологий на транспорте позволит обеспечить повышение качества транспортного планирования и получаемых с его помощью результатов на различных уровнях управления.

В данной статье авторами отмечается рост активности процессов цифровизации в современной экономике и рассматривается влияние вызовов современности на транспортную отрасль. Выполнен обзор организации работы транспортной системы городской агломерации «Большого Осло». На основе изучения иностранного опыта отмечена перспективность использования тарифного меню для увеличения уровня покрытия затрат перевозчиков доходами от оплаты проезда.

В данной статье исследуются ключевые вызовы и перспективы цифровой трансформации агропромышленного комплекса (АПК) Кыргызской Республики в контексте глобальных технологических изменений. Автор анализирует современные тенденции внедрения цифровых технологий в аграрный сектор, уделяя особое внимание их влиянию на повышение конкурентоспособности отрасли, оптимизацию производственных процессов и повышение эффективности управления сельскохозяйственными ресурсами. В статье рассматриваются основные направления цифровизации АПК, включая применение искусственного интеллекта, интернета вещей (IoT), технологий больших данных и автоматизированных систем управления. Особое внимание уделяется роли государственных инициатив, направленных на развитие цифровой инфраструктуры и улучшение доступа к инновационным решениям в сельскохозяйственной сфере. Кроме того, исследуются ключевые барьеры цифровизации, среди которых недостаточная развитость цифровой инфраструктуры, низкий уровень цифровой грамотности сельского населения, ограниченность инвестиций и угрозы кибербезопасности. Автор делает вывод о необходимости системного подхода к цифровой трансформации АПК, включающего модернизацию инфраструктуры, развитие цифровых компетенций у фермеров и сельхозпроизводителей, привлечение инвестиций и совершенствование нормативно-правовой базы. Результаты исследования подчеркивают стратегическую важность цифровизации аграрного сектора как ключевого фактора устойчивого развития экономики Кыргызской Республики, а также необходимость выработки целостной государственной стратегии цифровой модернизации АПК.

Рассматривается особенность согласия как юридической формы волеизъявления в контексте работы с большими данными; проанализирована проблема соответствия традиционного подхода к трактовке согласия современным вызовам цифровой трансформации. В условиях массового сбора и обработки персональных данных технологии больших данных и алгоритмы искусственного интеллекта ставят под сомнение информированность, свободу и осознанность волеизъявления субъектов данных. Особое внимание уделено вопросам многоцелевого использования данных, сложности восприятия пользовательских соглашений и ограничению автономии личности из-за автоматизированного принятия решений. Анализируются национальное и международное законодательство, включая положения GDPR и Закона Республики Казахстан «О персональных данных и их защите», а также практические и теоретические проблемы обеспечения прав субъектов данных. Сделан вывод о необходимости разработки новых подходов к правовому регулированию согласия, обеспечивающих реальное сохранение свободы и автономии воли в условиях цифровой трансформации.

Статья посвящена исследованию возможностей применения нейронных сетей для анализа больших данных в режиме реального времени в сфере информационной безопасности. Актуальность темы обусловлена стремительным ростом объемов генерируемых данных, усложнением методов кибератак и необходимостью разработки новых эффективных подходов к защите информации. В работе подробно рассматриваются ключевые задачи, решаемые с помощью нейросетевых технологий, включая обнаружение аномалий в сетевом трафике, предотвращение распределенных атак типа DDoS, классификацию вредоносного программного обеспечения и прогнозирование новых киберугроз. Особое внимание уделяется уникальным преимуществам нейронных сетей, таким как способность обрабатывать экстремально большие объемы разнородных данных, выявлять сложные неочевидные паттерны атак, непрерывно обучаться и адаптироваться к быстро меняющимся условиям киберсреды. В работе использованы методы глубокого обучения, включая сверточные и рекуррентные нейронные сети, для анализа больших данных и выявления киберугроз. Применены подходы к обработке данных в реальном времени и оценке устойчивости моделей. Проведенное исследование демонстрирует, что современные нейросетевые архитектуры обладают значительным потенциалом для революционного преобразования систем информационной безопасности. Ключевыми преимуществами являются сверхвысокая скорость обработки потоковых данных, способность детектировать ранее неизвестные типы атак благодаря выявлению сложных корреляций, а также возможность прогнозирования угроз на основе анализа исторических данных. Однако исследование также выявило серьезные технологические вызовы: чрезмерную потребность в вычислительных ресурсах для обучения сложных моделей, проблему “черного ящика” при интерпретации решений, уязвимость самих нейросетевых моделей к специализированным атакам (adversarial attacks), а также этические аспекты автоматизированного принятия решений в кибербезопасности. В статье представлены успешные кейсы внедрения, включая системы обнаружения вторжений нового поколения и платформы анализа вредоносного кода. Перспективными направлениями дальнейших исследований авторы видят разработку энергоэффективных нейросетевых моделей, создание методов объяснимого ИИ для безопасности и развитие адаптивных систем, способных эволюционировать вместе с киберугрозами. Полученные результаты представляют ценность для специалистов по кибербезопасности, разработчиков защитных решений и исследователей в области искусственного интеллекта.

В данной статье исследовано влияние искусственного интеллекта на повышение эффективности управления в нефтегазовой отрасли. Авторы, анализируя влияние искусственного интеллекта (ИИ) на повышение эффективности в нефтегазовой отрасли, включая оптимизацию разведки, добычи, логистики и экологической безопасности; размер рынка; долгосрочные тенденции в областях применения и т. д., выделяют ключевые технологические решения. К ним относятся автоматизация анализа данных, прогнозирование рисков и интеграция IoT-платформ. На основе проведенного исследования предлагается расширить использование искусственного интеллекта для повышения эффективности нефтегазовой отрасли посредством внедрения гибридных алгоритмов машинного обучения, усиления межотраслевого сотрудничества и разработки стандартов цифровой безопасности. Особое внимание уделяется роли ИИ в снижении углеродного следа и адаптации к глобальным климатическим инициативам. Использованы методы машинного обучения, анализ больших данных и кейс-стади ведущих компаний (Schlumberger, ExxonMobil, СИБУР). Применены статистические модели для оценки снижения затрат на добычу (до 40%) и повышения точности геофизической разведки. Данные получены из отраслевых отчетов, патентных баз и программных решений. ИИ используется для оцифровки производственных записей и автоматического анализа геологических данных, на основе глубинных нейросетей, что позволяет выявлять проблемы и оптимизировать ключевые процессы разведки нефти. Интеллектуальный анализ рыночного спроса через сбор данных и визуализацию повышает эффективность цепочек поставок. Современные коммерческие решения стимулируют цифровую трансформацию отрасли и инновации. Результаты исследования применимы для оптимизации разведки, добычи и логистики. В отличие от существующих работ, акцент сделан на специфику развивающихся рынков. Несмотря на текущие проблемы (затраты, качество данных), внедрение ИИ позволит: Усилить сбор данных каротажа; Внедрить интеллектуальную геофизическую разведку; Автоматизировать диагностику неисправностей. Ключевое направление - создание инновационного исследовательского центра для ускорения цифровой трансформации и внедрения инноваций.

Развитие цифровой экономики в России сталкивается с противоречием между необходимостью свободного обмена большими данными и усилением контроля за персональными данными. Введение национального проекта «Экономика данных» и новых федеральных законов о персональных и деперсонализированных данных обострило проблемы правового регулирования этой сферы. Исследование направлено на выявление экономических проблем в области больших данных, возникающих из-за регуляторных пробелов и новых норм защиты персональной информации. Методологической основой выступает новая институциональная теория, в частности теория управления трансакциями О. Уильямсона. В статье применяются методы сравнительного институционального анализа и экономико-математического моделирования для оценки эффективности штрафных санкций. Установлены различия в специфичности больших и персональных данных как ресурсов, что обосновывает необходимость дифференцированного регуляторного подхода. Выявлены структурные альтернативы регулирования: от полного государственного контроля до рыночных механизмов с промежуточными гибридными формами. Основными препятствиями развития рынка больших данных являются неопределенность статуса обезличенных данных и отсутствие надежных методов деперсонализации. Моделирование показало, что введение оборотных штрафов создает чрезмерную нагрузку на малые и средние предприятия, предварительно инвестировавшие в кибербезопасность. Обеспечение развития цифровых отраслей требует обязательного государственно-частного партнерства в нормотворчестве через саморегулируемые организации, учитывающего высокую скорость технологических изменений.

В условиях быстрого развития информационных технологий частичная автоматизация государственных услуг, а также простое перенесение учёта в электронный вид документов большого количества государственных субъектов не отвечает современным реалиям. В ситуации глобальной конкуренции мы должны думать не просто о соответствии современным нормам развития информационных технологий, но и превышать их, особенно если они соответствуют целям стратегического развития Российской Федерации. В этом контексте представляется целесообразным внедрение искусственного интеллекта при оказании комплексных государственных услуг и сервисов.

Статья посвящена анализу эпистемологических и методологических проблем интеграции цифровых следов в эмпирическую социологию. Актуальность темы определяется ростом объёма цифровых данных и необходимостью их осмысленной интеграции в социальные науки. Как показывает опыт других исследователей, на текущий момент анализ цифровых поведенческих данных вызывает скорее объект критики. Из этого напрямую вытекает цель данной статьи - проанализировать и выявить эпистемологические и методологические сложности интеграции цифровых следов в социологическую традицию, а также показать, что работа с подобного типа данными находится в гораздо более широкой историко-теоретической рамке. Кроме того, поставлена задача обосновать необходимость интерпретативного подхода на любых объемах цифровых данных и подчеркнуть необходимость контекстуализации и критической рефлексии на всех этапах исследования. Методологическую основу статьи составляют общенаучные методы - теоретико-методологический анализ, сравнение и обобщение научных источников по проблеме исследования. В результате исследования обоснована необходимость комплексного подхода, предполагающего различную основу источников цифровых поведенческих данных, сочетание количественного анализа цифровых данных с интерпретацией, учёта платформенной специфики, возможной алгоритмической селекцией при формировании выборки выгружаемых данных и необходимость проверки аутентичности данных на наличие автоматизированной активности. Сделан вывод о необходимости критического отношения на всех этапах исследования к цифровым данным и понимания их как знаков, требующих научной рефлексии, а не как готовых эмпирических фактов. Тем не менее, выявлено, что такая точка зрения прослеживается и в более ранних ключевых работах о нереактивной исследовательской стратегии в социологии. На основе проведенной работы были предложены рекомендации и примеры работ, использующих интепретативную рамку, как на уровне качественной стратегии цифровых исследований, так в масштабах, понимающихся в широком дискурсе, как Большие данные.

Предметом исследования является процесс управления сложными социальными системами, объектом исследования - эффективность управления и её повышение за счёт использования обратной связи. Отсутствие обратной связи является одним из наиболее существенных недостатков любой системы управления. В то же время, большинство систем социального управления, такие, как системы муниципального и государственного управления, в полноценном понимании таких систем не имели. Это определялось, в первую очередь, техническими проблемами, а именно, отсутствием средства оперативного сбора и обработки больших объёмов слабоформализованной информации. В настоящее время, с появлением технологий обработки больших данных Big data, появилась возможность реализации данных требований. Соответственно, актуальной стала выработка требований к таким системам, обоснование требуемых параметров, структуры и характеристик обратной связи. Для этого в статье предложено использовать методы математического моделирования, с описанием модели в терминах теории автоматического управления. На основе анализа особенностей управления сложными человеко-машинными системами синтезированы предложения по организации обратной связи для повышения устойчивости управления ими. С использованием общенаучных методов анализа и синтеза, в статье сформулированы основные принципы организации обратной связи в социальных системах управления. Основным выводом является возможность внедрения технологий обратной связи в системы муниципального и государственного управления, а также их положительного влияния на функционирование системы управления. Основными научными результатами, изложенными в статье, можно считать выводы по оценке эффективности реализации обратной связи. Авторами обоснованы требования к компонентам обратной связи, их влияние на устойчивость и эффективность управления. Разработанные в статье положения могут повысить эффективность функционирования систем муниципального и государственного управления. С учётом турбулентности современного мира, использования деструктивных социальных технологий в рамках «гибридного» противоборства, предложенные методы могут обеспечить повышение устойчивости и эффективности системы управления, обеспечивая устойчивость государства в целом.