Работа посвящена формированию принципов построения компонентов мониторинговой среды для управления многофункциональными интеллектуальными системами. Обоснована актуальность исследуемой тематики, поставлены цель и задачи работы. Выделена задача формирования системы показателей, описывающих работу системы, как ключевая задача при формировании мониторинговой среды. Описаны 3 этапа, определяющие формирование системы показателей от показателей эффективности системы к показателям деятельности отдельных элементов. Предложена система показателей для мониторинговой среды в виде иерархической структуры с 3 уровнями: уровень критериев эффективности, уровень показателей деятельности, уровень комбинации видов ресурсов и видов деятельности. Предложены алгоритмы сбора и формирования наборов данных. Алгоритм формирования набора данных для мониторинговой среды предусматривает получение данных из разных источников. Задача алгоритма сбора данных - подготовка наборов данных для последующей обработки и получения значений, требуемых мониторинговой средой. При сборе данных рассмотрены различные подходы к формированию целевых наборов данных. Для определения соответствий между функциональными направлениями, ресурсами, видами деятельности, подразделениями и исполнителями приложен алгоритм формирования справочников соответствий. Предложена архитектура веб-приложения как одной из форм реализации мониторинговой среды. На примере использования фреймворка Next.js описаны компоненты архитектуры приложения и представлена схема архитектуры.
Актуальность исследования обусловлена тем, что управление квадрокоптером с помощью жестов рук более естественно и интуитивно, чем использование традиционных пультов управления. Это позволяет пользователям с легкостью освоить управление и сосредоточиться на выполнении задачи, а не на технических аспектах управления. В свою очередь, разработка системы распознавания жестов требует совершенствования алгоритмов обработки изображений на основе машинного обучения. Данная статья направлена на исследование возможности реализации управления движением квадрокоптера с использованием жестов рук, в сочетании с современными нейросетевыми технологиями. Основным подходом в исследовании данной проблемы является применение сверточных и искусственных нейронных сетей для обработки изображений и выполнения задач компьютерного зрения. В работе также рассматриваются методы оптимизации гиперпараметров с помощью инструмента Optuna, использования TensorFlow Lite для реализации моделей машинного обучения на устройствах с ограниченными ресурсами и применение библиотеки MediaPipe для анализа жестов. Такие технологии, как Dropout и L2-регуляризация, используются для повышения эффективности моделей. Материалы статьи представляют практическую ценность для исследователей в области искусственного интеллекта и робототехники, разработчиков программного обеспечения и компаний, занимающихся разработкой беспилотных летательных аппаратов.
В статье рассматривается подход к интеллектуализации управления в организационных системах, нацеленных на обеспечение эффективности взаимодействия производителей и потребителей результатов деятельности с использованием цифровых технологий и оптимизационного моделирования. В условиях активной цифровизации бизнеса выделен класс организационных систем с цифровым концентратором результатов деятельности. Показано, что при организации взаимодействия производителей и потребителей управление направлено не только на согласование объектов торговых операций, но и на регулирование объектов информационных потоков с целью снижения затрат на цифровой трансфер. При этом возникает две оптимизационные задачи, связанные с различными схемами распределения объемов информационных потоков со стороны производителей и потребителей. В первом случае оптимизируемыми переменными являются коэффициенты распределения планового объема потока, поступающего в цифровой концентратор, между объектами-производителями с учетом вариантов продвижения. Экстремальное требование обеспечивает минимизацию затрат, а граничное - связано с планируемым максимальным и минимальным уровнем доходов объектов от обмена информацией с потребителями. Алгоритм принятия решения совмещает случайный выбор значений коэффициентов на заданном интервале с последующей их настройкой с использованием градиентного поиска. Выбрано правило останова итерационного процесса, при выполнении которого определяется оптимальное распределение информационных потоков между объектами. Во втором случае строится оптимизационная модель, в которой оптимизируемыми переменными являются коэффициенты распределения планового объема информационного потока между производителями с учетом зарегистрированных цифровым концентратором категорий результатов деятельности.
В статье предложены структурные решения, связанные с построением системы управления инвестированием многообъектной организационной системы и ее детализации для принятия управленческих решений на стадиях формирования и реализации программы развития. Показано, что структуризация процесса управления определяется особенностями ряда составляющих: информационного обеспечения, требований управляющего центра, механизмами экспертного оценивания, необходимостью балансировки инвестиций на стадии формирования программы развития и ребалансировки - на стадии реализации. Интеллектуальная поддержка принятия управленческих решений осуществляется с использованием мониторинговой информации, прогностического и оптимизационного моделирования. Обоснована последовательность процедур в рамках структурной схемы управления процессом балансировки инвестиций при формировании программы развития многообъектной организационной системы. Указаны процедуры, которые требуют для своей реализации привлечения экспертных оценок. Рассмотрен переход к оптимизационному моделированию на основе трансформации требований управляющего центра в формализованное описание экстремальных и граничных требований. Возможности структуризации управления процессом ребалансировки инвестиций при реализации программы развития многообъектной организационной системы определены исходя из наличия информационных ресурсов, позволяющих сформировать временные ряды показателей эффективности и на этой основе обучить прогностические модели. Охарактеризованы задачи и методы оптимизации процесса принятия управленческих решений с использованием прогностических моделей.