В статье показаны возможности применения методов машинного обучения для построения и анализа системы аутентификации на основе динамики нажатий клавиш. В работе обоснована необходимость улучшения многофакторной системы аутентификации. Предложен способ классификации работ поведенческой биометрии для сравнения и использования результатов исследований. Рассмотрены базовые возможности обработки и генерирования динамических и статических признаков динамики нажатий клавиш. Протестированы различные комбинации наборов признаков и выборок обучения, описана лучшая комбинация с равной частой ошибок (Equal Error Rate) 4,7%. Итеративный анализ качества системы позволяет установить важность первых символов последовательности ввода, а также нелинейную взаимосвязь степени ранжирования модели и EER. Высокие показатели, достигнутые бустинговой моделью, свидетельствуют о значительном потенциале поведенческой аутентификации для дальнейшего улучшения, развития и применения. Приводится значимость данного метода, его практическая полезность не только в задаче аутентификации, перспективы развития, включая использование нейросетевых методов и анализ динамики данных. Несмотря на достигнутые результаты, отмечается необходимость дальнейшей работы над моделью, включая разработку дополнительных моделей кластеризации, классификации, изменение набора признаков и построение каскада. Подчеркивается важность исследуемой области, способной принести значительный вклад в развитие информационной безопасности и технологий.
В статье показаны возможности применения семантического анализа постов пользователей социальной сети ВКонтакте для мониторинга и прогнозирования депрессии. Подчеркивается серьезность проблемы депрессии, ее негативное влияние на здоровье и социум, а также актуальность ранней диагностики и помощи. В работе также обоснована необходимость и перспективы анализа данных русскоязычных социальных сетей для предотвращения развития депрессии у пользователей. В статье предложен подход, который позволяет проводить анализ текстовых данных и использовать логистическую регрессию для классификации пользователей по наличию депрессии. Результаты исследования показывают высокую точность модели с использованием логистической регрессии, что представляет потенциал для автоматизации процессов выявления и поддержки пользователей, страдающих депрессией по данным пользовательской информации в социальных сетях. Также приводится значимость данного метода, его практическая полезность для персонализированных интервенций, преимущества и перспективы развития, включая использование нейросетевых методов и анализ динамики данных. Несмотря на достигнутые результаты, отмечается необходимость дальнейшей работы над моделью, включая изучение других методов машинного обучения и учет изменений в психическом состоянии пользователя со временем. Развитие методов прогнозирования депрессии на основе данных социальных сетей, предложенных в статье, является важным направлением, способным принести значительный вклад в области психологии, здравоохранения и информационных технологий.
Локализация, классификация и отслеживание объектов вторжения в защищаемую зону особо важных объектов составляют основу системы их защиты. Цель автора статьи - исследование путей повышения эффективности функционирования системы путем использования распределенных сенсорных сетей в составе киберфизических систем. Показано, что достижение этой цели предполагает организацию взаимодействия алгоритмов отслеживания с традиционными алгоритмами инициализации/маршрутизации в сенсорных сетях. Рассматривается проблема совместной обработки данных узлами в распределенных сенсорных сетях. Предметом рассмотрения являются актуальные и сложные методы отслеживания множества движущихся объектов в защищаемой зоне, реализация которых средствами сенсорных сетей предполагает решение ряда проблем, среди которых следует выделить две основные. Первая - это разработка эффективных методов обмена информацией между локальными узлами в зоне вторжения, вторая - организация совместной обработки сигналов группой узлов на основе собранной информации о состоянии среды в зоне их ответственности в результате наступления событий. Показано, что основные этапы процедуры отслеживания состоят из обнаружения целей, их классификации, оценок местоположения и прогнозирования траектории передвижения цели. Модельным примером реализации процедуры принята задача обнаружения, локализации и отслеживания проникновения одного объекта в защищаемую зону. Рассмотрены подходы, лежащие в основе этих алгоритмов, а также основные аспекты их реализации. Предлагаемые решения учитывают ограничения, связанные с возможностями локальных узлов, сетью в целом и маршрутизацией. Источником данных для предлагаемых алгоритмов являются сигналы от звуковых, сейсмических, тепловых и т.п. сенсоров, у которых мощность сигнала имеет выраженный максимум в зависимости от расстояния от цели до узла сети. Полученные результаты распространяются на проблему отслеживания множества объектов, что предполагает оценку применимости методов идентификации и классификации в условиях, когда наблюдается наложение воспринимаемых сигналов сенсорами разных объектов. Обсуждаются алгоритмы для решения таких задач.
Цель. Обосновать теоретические подходы к реализации маркетинга гостиничных услуг. Методика. Для проведения исследования использован ряд общенаучных и специфических методов, позволивших реализовать поставленную цель исследования, а именно: теоретического анализа, синтеза и обобщения, индукции и дедукции, сравнения, систематизации и группировки, моделирования.
Результаты. Исследованы вопросы, связанные с обоснованием теоретических подходов реализации маркетинга гостиничных услуг. Исследованы исторические аспекты возникновения и развития гостиничного дела; особенности сферы услуг, индустрии гостеприимства, гостиничные услуги. Предложена для целей маркетинга классификация гостиничных услуг, разработана концептуальная модель. Научная новизна. Уточнена дефиниция «гостиница», сформулировано определение «маркетингом гостиничных услуг»; предложена классификация гостиничных услуг для маркетинговых целей по шести признакам; сформирована концептуальная модель маркетинга гостиничных услуг. Практическая значимость. Результаты исследования, представляют интерес для представителей бизнеса, а также ученых, исследующих вопросы, связанные с формированием и совершенствованием маркетинговых стратегий гостиничных услуг, использованием новых технологий в маркетинге и изучением поведения потребителей.
Разработан алгоритм классификации и слежения за объектом. Алгоритм основан на использовании нейронной сети YOLOv5 для высокоточной классификации объектов в реальном времени. Разработана программная реализация алгоритма на базе языка программирования Python и библиотеки OpenCV. В ходе исследования была проведена отладка программы и оптимизация ее работы для повышения производительности и точности системы. Оценка технического решения показала, что разработанная система значительно улучшает точность и скорость обработки данных на конвейерной линии, а также обеспечивает адаптивность к изменениям в производственном процессе.
Цель. Целью статьи является исследование вопросов классификации знаниевых услуг в современной нестабильной институциональной среде. Методика. В исследовании реализованы диалектические и общенаучные методы - анализ синтез, индукция, дедукция; методы обобщения, систематизации, группировки и экономического анализа, позволившие сформулировать выводы, предложить рекомендации.
Результаты. Исследованы институциональная среда, определены качественные характеристики нестабильной институциональной среды; определено значение и подходы к классификации; предложены основы классификации знаниевых слуг; дано определение. Научная новизна. Дано определение «классификация знаниевых услуг», предложена классификация знаниевых услуг. Практическая значимость. Результаты исследования представляют интерес для руководителей предприятий, вузов, представителей Министерства экономического развития, Министерства образования и науки ДНР, а также ученых, исследующих проблемы развития в условиях «экономики знаний».
В статье предлагается новый метод распознавания строений на спутниковых снимках. Представленный метод является гибридным, он основан на алгоритме исключения областей и методе жука. Алгоритм исключения областей представляет собой хорошо известный и эффективный способ сегментации изображения на регионы схожих пикселей по различным признакам: цвет, текстура, яркость, форма и т.д. Метод жука - классический метод контурного анализа, выполняющий последовательное вычерчивание границы между объектом и фоном. В рамках работы предлагаемого алгоритма сначала метод исключения областей выделяет потенциальные области, в которых могут находиться строения и устраняет нежелательные элементы на изображении (растительность, водные поверхности и дороги), которые могут быть ложно распознаны как строения. Далее модифицированный метод жука определяет местоположение и контуры строений. На финальном этапе среди обнаруженных объектов выявляются искусственно созданные объекты, у которых имеется объем. Для реализации проверки объектов на искусственное происхождение и объемность разработаны собственные методы. Представленный алгоритм распознавания показывает хорошую точность распознавания и не требует обучающей выборки. В статье описывается программная реализация предлагаемого метода. Демонстрируются результаты вычислительных экспериментов по оцениванию эффективности метода и сравнению с тремя известными алгоритмами распознавания.
Эта работа посвящена проблемам разработки нейроморфных классификаторов пространственно-временных паттернов, а также их применению в нейроинтерфейсах для решения задачи управления робототехническими устройствами. Рассматриваются классификаторы пространственно-временных паттернов на основе нейронных сетей, метода опорных векторов, глубоких нейронных сетей, римановой геометрии. Проводится сравнительное исследование этих классификаторов на точность многоклассового распознавания электроэнцефалографических сигналов, показывающих зависимую от времени биоэлектрическую активность в различных зонах мозга при воображении разных движений. Показано, что такие классификаторы могут обеспечить точность 60-80% при распознавании от двух до четырех классов воображаемых движений. Предложен новый тип классификатора на основе нейроморфной сети, биоподобные нейроны которой построены на модели Ижикевича. Исходный электроэнцефалографический сигнал кодируется в импульсные потоки на основе алгоритма временного кодирования. Предложенная нейроморфная сеть обрабатывает импульсные входные последовательности и формирует на выходах импульсные потоки разной частоты. Обучение сети проводится по размеченной информации, содержащей примеры правильного распознавания нужных классов паттернов воображаемых движений с применением алгоритма Supervised STDP. Распознанный класс паттерна воображаемого движения определяется по максимальной частоте импульсного потока выходной последовательности. Нейроморфный классификатор показал среднюю точность классификации 90% для 4-х классов воображаемых двигательных команд, а максимальная точность составила 95%. Путем моделирования задачи управления роботом в виртуальной среде показано, что такая точность классификации достаточна для эффективного применения классификатора в составе неинвазивного интерфейса «мозг-компьютер» при бесконтактном управлении робототехническими устройствами.
Продлённая аутентификация позволяет избавиться от недостатков, присущих статической аутентификации, например, идентификаторы могут быть потеряны или забыты, пользователь совершает только первоначальный вход в систему, что может быть опасно не только для областей, требующих обеспечения высокого уровня безопасности, но и для обычного офиса. Динамическая проверка пользователя во время всего сеанса работы может повысить безопасность системы, поскольку во время работы пользователь может подвергнуться воздействию со стороны злоумышленника (например, быть атакованным) или намеренно передать ему права. В таком случае оперировать машиной будет не пользователь, который выполнил первоначальный вход. Классификация пользователей во время работы системы позволит ограничить доступ к важным данным, которые могут быть получены злоумышленником. Во время исследования были изучены методы и наборы данных, использующихся для продлённой аутентификации. Затем был сделан выбор наборов данных, которые использовались в дальнейшем исследовании: данные о движении смартфона и смарт-часов (WISDM) и динамике активности мыши (Chao Shen’s, DFL, Balabit). Помочь улучшить результаты работы моделей при классификации может предварительный отбор признаков, например, через оценивание их информативности. Уменьшение размерности признаков позволяет снизить требования к устройствам, которые будут использоваться при их обработке, повысить объём перебора значений параметров классификаторов при одинаковых временных затратах, тем самым потенциально повысить долю правильных ответов при классификации за счёт более полного перебора параметров значений. Для оценивания информативности использовались метод Шеннона, а также алгоритмы, встроенные в программы для анализа данных и машинного обучения (WEKA: Machine Learning Software и RapidMiner). В ходе исследования были выполнены расчёты информативности каждого признака в выбранных для исследования наборах данных, затем с помощью RapidMiner были проведены эксперименты по классификации пользователей с последовательным уменьшением количества используемых при классификации признаков с шагом в 20%. В результате была сформирована таблица с рекомендуемыми наборами признаков для каждого набора данных, а также построены графики зависимостей точности и времени работы различных моделей от количества используемых при классификации признаков.
Актуальность исследования обусловлена ростом популярности активного экстремального вида туризма – горнолыжного, который предлагает все большую доступность горнолыжной инфраструктуры и обеспечен поддержкой государства в развитии данного направления.
Целью работы является выявление принципов и тенденций проектирования современного горнолыжного комплекса.
Методика исследования включает: анализ зарубежного и отечественного опыта проектирования; анализ функциональной типологии горнолыжных комплексов; изучение принципов создания современной архитектуры, интегрированной в природную среду.
Границы исследования: географические границы исследования включают в себя анализ горнолыжных комплексов России, европейских стран, Японии и США, временные границы – ХХ–XI вв.
Научная новизна заключается в изучении особенностей зарубежного и отечественного опыта проектирования горнолыжных комплексов; изучении факторов, влияющих на проектирование в сложном рельефе; определении функционально-планировочной структуры и номенклатуры помещений горнолыжных комплексов.
Практическая значимость исследования: результаты могут быть использованы при проектировании горнолыжного комплекса.
Результаты исследования: изучен исторический аспект появления горнолыжного спорта и его становления как популярного направления туризма. На базе сравнительного анализа сформированы принципы проектирования горнолыжных комплексов. Проведена связь между выделенными принципами и принципами устойчивой архитектуры. Приведена классификация по назначению горнолыжных комплексов. Выделено влияние времени пребывания туристов на функциональное наполнение горнолыжных комплексов. Сформулированы функционально-планировочные аспекты проектирования и влияние на них архитектурно-стилистического решения. Представлена модель функционально-планировочной структуры. Выявлена зависимость способов объемно-пространственного расположения от функционально-планировочной структуры.