Архив статей журнала
Актуальность исследования обусловлена тем, что важным фактором надежной эксплуатации воздушных линий электропередач является исправная работа гирлянд изоляторов, а повреждение изоляции гирлянд изоляторов может привести к увеличению токов утечки, энергетическим потерям, в том числе к аварийным ситуациям при повреждении изоляторов. Также к дополнительным потерям электроэнергии могут привести неблагоприятные метеорологические условия, такие как гололед, снег, дождь, туман, сильный ветер. В связи с этим, данная статья направлена на описание новой математической модели канала измерения механической нагрузки на изолятор для оценки технического состояния изоляторов, которая реализуется в виде отдельного блока информационно-измерительной системы дистанционного мониторинга изоляторов ВЛ, и снабжает оператора диспетчерского пункта актуальной информацией о текущем состоянии изоляторов, а также позволяет уменьшить число внештатных (аварийных) ситуаций путем своевременного ремонта или замены изоляторов. Ведущим методом при построении математической модели канала измерения механической нагрузки на изолятор является рассмотрение статической нагрузки с перспективой оценки процессов гололедообразования на проводах воздушной линии электропередач, позволяющий обеспечить фиксирование динамики нарастания механической нагрузки на изолятор (фиксация образования гололеда), а также без лишних трудозатрат и временных ресурсов создать удобную в использовании цифровую модель энергетической системы, предоставляющую возможность реализовать структуру, состояние и действие реальной энергосистемы с достаточной оперативностью, полнотой и достоверностью. В статье представлена последовательность измеренных значений датчика механической нагрузки на изолятор при квантовании во времени, которые далее сопоставляются с величиной статической нагрузки на изолятор, определяемой величиной веса провода на пролете воздушных линий электропередач, и в результате проводится оценка нарастания механической нагрузки на изолятор и фиксация образования гололеда на проводе воздушных линий. Материалы статьи представляют практическую ценность для оперативных служб электросетевых компаний.
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.