|
Информационные технологии в бизнесе и экономике
|
3–12
|
Обзор рассматривает существующее отношение бизнеса к оценке инвестиционной
привлекательности IT-проектов. Приведены основные положения комплексного метода
для такой оценки. Показано, что в данной методике не учитываются архитектурные
особенности информационных систем. Отмечено, что в данный момент большое распространение получила архитектура на основе сервисов, и учет ее в существующем
методе оценки экономической эффективности является актуальной задачей. |
Математические модели социальных и экономических систем
|
13–20
|
Измерение технологического прогресса – одна из классических задач эконометрического анализа и стратегических исследований в широком смысле этого понятия. Фактор
технологии рассматривается в рамках широкого класса эконометрических моделей, определяемых как производственные функции. Целью статьи является апробация нового
подхода – измерения вклада фактора технического прогресса в интегральный экономический результат путем введения в логику эконометрических моделей нового параметра – ценового (капитального) класса выпуска. Анализируется связь эконометрических
моделей с методами и моделями системной динамики, различными стратегиями имитационного и математического моделирования экономики и отраслей промышленности
в РФ и других странах мира. Ставится задачи сблизить логику теоретических методов
с практикой создания систем поддержки принятия решений. Функция Кобба-Дугласа
рассматривается как важный инструмент стратегического анализа. |
Анализ данных и интеллектуальные системы
|
21–28
|
В статье рассмотрена система поиска (почти) дубликатов в текстах проектной
документации. Описаны ее архитектура, математические модели и алгоритмы поиска
документов-дубликатов, а также их реализация. Предложены методики подбора
оптимальных параметров методов и тестирования системы. Обозначены актуальные
для подобных систем исследовательские задачи. |
|
29–34
|
В статье предлагается методика выбора рационального подхода к решению задачи
прогнозирования временных рядов с помощью нейронных сетей между существующим
подходом аппроксимации и предлагаемым подходом кластеризации, который только
косвенно упоминается в области прогнозирования. Предлагаемая методика позволяет
повысить эффективность проектирования и применения нейронных сетей для решения
задач прогнозирования временных рядов путем определения на начальном этапе проектирования наиболее подходящей для решения поставленной задачи структуры сети и алгоритма обучения. Для выполнения этой задачи в основу методики положен анализ
исходных обучающих данных, известных из условия поставленной задачи. В статье предлагается алгоритм для реализации методики |
Математические методы и алгоритмы бизнес-информатики
|
37–45
|
Предлагаются направления развития метода группового учёта аргументов, разрабатываются новые алгоритмы, отличающиеся применением процедуры оптимизации частных полиномов в последовательных рядах приближений. Разработанные алгоритмы
могут применяться для моделирования и прогнозирования показателей производственно-экономической деятельности предприятий. Приводятся примеры описаний, полученных в процессе разработки прогноза социально-экономического статуса тепловой электростанции. |
|
46–53
|
Рассматривается применение дискретных нечетких множеств второго типа для
разработки однофакторных нечетких моделей прогнозирования. Предлагается генетический алгоритм, обеспечивающий выбор оптимальных параметров модели прогнозирования – действительных чисел для корректировки границ универсума, числа интервалов
разбиения универсума и степеней принадлежности элементов дискретных нечетких
множеств второго типа. |
|
54–55
|
Исследованы свойства одного из дробных операторов, встречающихся в задачах
гетерогенной динамики в средах со стохастическим поведением. Рассмотрено
существование соответствующего фундаментального решения. |
Программная инженерия
|
56–63
|
Целью данной статьи является описание подхода связанного с использованием формализма Абстрактных Машин Состояний (ASM) и среды SpecExplorer, разработанной
в Microsoft Research. |
Обзоры
|
64–68
|
Рассматривается практическое применение имитационного моделирования у нас
в стране, в частности: динамика спроса на ИМ со стороны бизнеса и государства за последние годы, спектр областей, где ИМ сейчас наиболее востребовано, факторы, сдерживающие рост. Кроме того, даётся обзор типичных сценариев (форм) внедрения имитационных моделей, а также технологий, использующихся при их построении. Статья
имеет обзорный характер и основана на данных компании XJ Technologies – разработчика продукта AnyLogic и лидера российского рынка ИМ. |
|