SCI Библиотека

Работа Б. Бергманна «Nomadische Streifereien unter den Kalmuken in den Jahren 1802 und 1803» («Кочевнические скитания среди калмыков в 1802-1803 годах») является источником, в котором собран богатейший фольклорный материал калмыков: сказки, анекдоты, эпосы, буддийские шастры и аваданы. В данной статье дан анализ прозопоэтического текста о Го Чикиту, являющемся одним из прошлых перерождений Авалокитешвары - Будды сострадания и милосердия ко всем живым существам. Увлекательный сказочный сюжет повествования широко распространен среди монголоязычных народов. Существуют письменные и устные формы этого произведения. Одна из 12 рукописей этого сказания «Uneker torolkitu sayin xani tuuji» («История Унэкэр Торликту-хана») хранится в архиве ИВР РАН и принадлежит Б. Бергманну. Текст рукописи лег в основу перевода прозопоэтического текста на немецкий язык Б. Бергманном под названием «Coh Tschikitu. Eine Religionsurkunde in vier Buchern aus dem Mongolischen». Сам Б. Бергманн скромно оценивал достоинства своего перевода, хотя и старался близко к оригиналу передать содержание текста сказания о Го Чикиту. В дальнейшем он планировал опубликовать его отдельным изданием, в которое он хотел включить не только свой перевод, но и сам оригинал текста на «ясном письме» и его транслитерацию. Целью данной статьи является анализ и введение в научный оборот переводного текста Б. Бергманна из его работы «Nomadische Streifereien unter den Kalmuken in den Jahren 1802 und 1803» («Кочевнические скитания среди калмыков в 1802-1803 годах»).

Периодическое затопление и просушивание почвы рисовых полей создает условия для неустойчивости гумусового состояния в силу потерь органических соединений без насыщения органическим азотом. Это во многом обусловлено сокращением посевов многолетних трав, недостаточным внесением органических удобрений, а также интенсификацией производства риса, что способствует усилению процессов минерализации органического вещества почвы. Исследования проводили в период с 2017 по 2022 гг. на перегнойно-глеевой почве, освоенной под рисовые оросительные системы в восьмипольных рисовых севооборотах с посевом многолетних трав (люцерны) и без них. В севообороте без травяного звена содержание гумуса в пахотном горизонт почвы (0-20 см) снизилось на 0,73%, а в горизонте 20-40 см на 0,18 %. На участке с многолетними травами в рисовом севообороте, за аналогичный период, снижение гумуса в пахотном слое было меньше и составляло 0,51 %. Наибольшее значение плотности почвы в пахотном горизонте было получено на участке с севооборотом без многолетних трав, которое составило 1,24 г/см3. В 2022 г. на этом участке плотность почвы пахотного горизонта повысилась на 0,13 г/см3 и составила 1,37 г/см3. Пористость почвы в пахотном горизонте (0-20 см) была наибольшей на участке с многолетними травами и составила 58,4 %, в 2022 г. она снизилась на 1,7 %. Аналогичная закономерность наблюдалась и в горизонте почвы 20-40 см, снижение составило 1,3 %. Наименьшие значения пористости в пахотном горизонте почвы были получены на участке без многолетних трав (53,2 %), что на 5,2 % ниже чем на участке с многолетними травами. Представленные результаты исследований свидетельствуют о существенном влиянии многолетних трав, возделываемых в рисовом севообороте, на плодородие почвы рисовых полей.

С целью определения влияния доз и способов внесения торфонавозного компоста (ТНК 1:1) на плодородие почвы, продуктивность кормового севооборота и качество продукции проводили многолетний полевой опыт на дерново-подзолистой легкосуглинистой почве, в пахотном слое (20…22 см) которой содержалось гумуса 1,69…1,72 %, доступных форм фосфора - 135 и калия - 138 мг/кг, pH 5,8…5,9. Изучали варианты заделки доз ТНК - 60,70,100 и 140 т/га обычным плугом ПН-4-35 в слой почвы 2022 см, ярусным ПЯ-3-35 на 25-27 см и дисковой бороной БДТ-3 на 15-17 см. Установлено, что запашка органического удобрения в нижний слой почвы двухъярусным плугом увеличивает коэффициент гумификации с 1,25 до 1,65, 2,4 раза увеличивает количество дождевых червей в нижнем слое почвы, на 18,4 % повышает целлюлозлитическую активность и продуцирование СО? улучшает агрофизические свойств почвы. Замедление минерализации органического вещества в нижнем горизонте 20…30 см при дефиците кислорода обеспечивает расширенное воспроизводство плодородия почвы, устраняет необходимость частого внесения органического удобрения, увеличивает урожайность возделываемых культур и качество продукции. При глубокой ярусной обработке почвы и внесении 100 т/га ТНК средняя урожайность горохоовсяной смеси составила 5,27 т/га, тогда как без внесения удобрения при обычной вспашке - 4,56, по обычной вспашке и внесении 100 т/га ТНК - 4,98, по дискованию и внесении 100 т/га ТНК - 5,05 т/га, викоовсяной смеси 4,43, 3,93, 4,12, 4,06 и рапса ярового - 2,59, 2,43, 2,55 и 2,51 соответственно. Максимальный выход кормовых единиц и сборы переваримого протеина получены при ярусной обработке почвы и внесении 140 и 100 т/га ТНК - 36,9 и 36,2 тыс/га кормовых единиц и 4536 и 4333 к/га переваримого протеина.

В статье рассмотрены программные комплексы «Midas GTS NX» и «ЛИРА 10.10», каждый из которых может быть использован для создания моделей грунтов. Особое внимание уделяется методике моделирования, используемой в данных программах, а также методам расчета оснований. Произведен анализ и оценка каждого из методов. По результатам сделан вывод о выборе наиболее подходящего комплекса для создания модели грунтового основания.

В статье рассматриваются результаты работы наиболее распространенных алгоритмов стеганографии. Численным моделированием показана возможность противостоять атакам стегоанализа на различных этапах, связанных с объемом встраивания информации. Показано, что наиболее приемлемым можно считать адаптивные алгоритмы стеганографии.

Виноград обладает богатым генетическим разнообразием и традиционно хранится в генбанках, главным образом, в виде полевых коллекций. Содержание полевых насаждений дорого и ненадежно, в связи с возможностью их потери в результате биологических или экологических катастроф. Принимая во внимание, что многие сорта - это незаменимый ресурс для виноделия, часть национального наследия и культуры, методы сохранения разнообразия рода Vitis должны быть дополнены коллекциями in vitro. Углеводы в культуральных средах играют роль основного питания растений, а также влияют на осмотические характеристики жидкости, что можно использовать для регулирования интенсивности протекания физиологических процессов. Исследования проведены в 2022-2023 гг. на коллекции растений винограда in vitro во Всероссийском научно-исследовательском институте виноградарства и виноделия имени Я. И. Потапенко на сорте Каберне Совиньон. Изучены особенности роста и развития растений винограда на культуральных средах с разными концентрациями маннита. Полученные результаты позволят усовершенствовать биотехнологию создания и содержания коллекций винограда in vitro. Максимальные показатели сохранности и продолжительности нахождения в культуре зафиксированы у растений на среде с маннитом в концентрации 5,0 г/л.

Предлагается формальное определение компьютерной модели сложной системы, как рода структуры в смысле Н. Бурбаки - род структуры «модель». Класс математических объектов, определяемый этим родом структуры, обладает следующими двумя свойствами: комплекс, созданный объединением математических объектов рода структуры «модель» по определенным правилам, сам является математическим объектом этого рода структуры. Организация вычислительного процесса для всех математических объектов рода структуры «модель» однотипна и поэтому может быть реализована единой универсальной программой, притом ориентированной на параллельные вычисления. Наличие этих двух свойств позволяет построить сквозную технологию разработки, описания, синтеза и программной реализации моделей сложных систем - Модельно-ориентированное (МО) программирование.

Перец сладкий (Capsicum annuum L.) является экономически значимой паслёновой культурой во многих странах мира, в том числе в России и в Украине. Непрерывный спрос и рост потребления перца требует увеличения урожайности и сортового разнообразия с учетом различных направлений использования плодов. Основополагающими факторами увеличения урожайности перца сладкого является внедрение в производство химических и биологических средств защиты от сорных растений, вредителей и болезней. В последнее десятилетие хлопковая совка (Helicoverpa armigera Hb) вошла в разряд самых вредоносных и распространенных вредителей полифагов на юге России. Кормовыми растениями для гусениц вредителя являются подсолнечник, кукуруза, соя, нут, томат, сладкий перец, многие другие культуры. В Астраханской области вид сокращает объемы сборов стандартных плодов томата, перца и баклажана на 20-25 %. Кроме прямого ущерба урожаю, существует и косвенный -поврежденные гусеницами ткани плодов являются открытыми воротами для возбудителей грибных болезней, которые в свою очередь также снижают урожай и качество продукции. Знание биологии хлопковой совки (Helicoverpa armigera Hb.) позволяет глубже понять механизмы её воздействия на агроценозы сладкого перца и своевременно проводить защитные мероприятия. Исследования проводили на территории ОПУ «ФНЦ риса», где был организован мониторинг для отслеживания численности данного вредителя. Основное внимание уделялось его жизненному циклу, адаптации к условиям среды и факторам, способствующим его распространению. Для контроля популяции хлопковой совки применялись различные агрономические и химические методы. В частности, использовались ловушки для мониторинга и химические препараты. В результате принятых мер удалось стабилизировать численность вредителя и минимизировать его негативное влияние на урожай сладкого перца, что подтверждает важность комплексного подхода к управлению популяциями сельскохозяйственных вредителей.

Machine learning (ML) environments offer a variety of methods and tools that help to solve problems in different areas, including software engineering (SE). Currently, a large number of researchers are interested in the possibilities of using various machine learning techniques in software engineering. This paper provides an overview of machine learning techniques used in each stage of the software development life cycle (SDLC). The contribution of this review is significant. Firstly, by analyzing sources from bibliographic and abstract databases, it was found that the topic of integrating machine learning techniques into software engineering is relevant. Secondly, the article poses questions and reviews the methodology of this research. In addition, machine learning methods are systematized according to their application at each stage of software development. Despite the vast amount of research work on the use of machine learning techniques in software engineering, further research is required to achieve comprehensive comparisons and synergies of the approaches used, meaningful evaluations based on detailed practical implementations that could be adopted by the industry. Thus, future efforts should be directed towards reproducible research rather than isolated new ideas. Otherwise, most of these applications will remain poorly realized in practice.

В статье описывается разработанный программный сервис, предназначенный для автоматизации процесса предварительной обработки и фильтрации данных сигнала ЭЭГ с синхронизированной видеозаписью для анализа континуальных процессов мозга. Представление сигнала осуществляется в форме матрицы топографических карт распределения мощности сигнала по эпохам заданной длительности в заданных частотных диапазонах, позволяющей пользователю производить сравнительный анализ нескольких записей ЭЭГ во времени. Сервис предоставляет возможность детального анализа выбранного фрагмента записи, включающую оценку динамики изменения параметров фрагмента записи во времени. Сервис позволяет выполнять такой анализ с использованием синхронизированной видеозаписи участника с видеотрекингом его физиологических параметров, таких как частота дыхания, кровяное давление, пульс, насыщение крови кислородом, движения головы, открытость/закрытость рта и глаз. Данная аналитика обеспечивает гибкую систему фильтрации и предварительной обработки данных ЭЭГ. Апробация сервиса по обработке и анализу данных ЭЭГ выполнена на примере автоматизации метода распознавания медитативного состояния человека, характеризующегося направлением внимания в ощущения тела и абстрагированием от внешних стимулов.