https://www.oajmist.com/index.php/12/issue/feed Современные инновации, системы и технологии - Modern Innovations, Systems and Technologies 2024-06-30T00:00:00+03:00 Игорь Владимирович Ковалев / Dr Igor Kovalev oajmist@domnit.ru Open Journal Systems <p><strong>Журнал "Modern Innovations, Systems and Technologies" - "Современные инновации, системы и технологии"</strong> (сетевое издание) издаётся редакцией ООО "Сибирский научный центр ДНИТ" с 2021 года.</p> <p><strong>Цель журнала</strong> заключается как в вовлечении российских исследователей в международное научное пространство, что обеспечивается внедрением современных международных издательских практик, так и в содействии научной коллаборации российских и зарубежных авторов за счет знакомства иностранных исследователей с российскими научными разработками и инновациями, не имеющими аналогов за рубежом.</p> <p>К публикации принимаются статьи проблемного и научно-практического характера, описывающие результаты исследований в области применения современных инноваций, систем и технологий в наукоемком высокотехнологичном производстве, в отраслях аэрокосмического, энергетического, химического и нефтегазового машиностроения, в области экономики и организации производства, в современных направлениях исследований сложных технических и информационных систем, а также обзоры, содержащие сравнительный анализ применения современных инноваций, существующих систем и технологий.</p> <p>Редакция размещает научные статьи в открытых репозиториях с целью повышения доступности научных публикаций.</p> <p><strong>Сразу после размещения на сайте статья считается опубликованной по принципу <a href="https://oajmist.com/index.php/12/online_first">Online First</a>.</strong></p> <p>Каждая статья доступна как отдельный, самостоятельный документ в сети Интернет и имеет свой, уникальный URL. Каждой статье присваивается уникальный индекс DOI и EDN.</p> <p>Сетевой формат журнала и принцип открытого доступа позволяет обеспечить самый широкий охват читательской и авторской аудитории, что способствует высокому уровню цитируемости опубликованных статей.</p> <p>При использовании материалов ссылка на журнал и авторов статей обязательна.</p> <p><strong>Главный редактор журнала</strong> - Игорь Владимирович Ковалев, доктор технических наук, профессор.</p> <p>СМИ зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций, регистрационный номер <a href="https://rkn.gov.ru/mass-communications/reestr/media/?id=873391&amp;page=" target="_blank" rel="noopener">Эл № ФС77-81399</a> от 30.06.2021 (электронная версия).</p> <p><strong>eISSN:</strong> 2782-2818 </p> https://www.oajmist.com/index.php/12/article/view/268 Изучение совместной фильтрации с помощью метода K-ближайших соседей и факторизации неотрицательной матрицы 2024-04-15T10:03:02+03:00 Сагедур Рахман vickyrobert987@gmail.com <p>Алгоритмы совместной фильтрации (CF) вызывают большой интерес в рекомендательных системах из-за их способности давать персонализированные рекомендации, используя данные о взаимодействии пользователя с элементами контента. В этой статье мы подробно исследуем два популярных метода CF — регрессию K-ближайших соседей (KNN) и неотрицательную матричную факторизацию (NMF) с целью комбинации их при совместной фильтрации. Наша цель — оценить их производительность на наборе данных MovieLens 1M и предоставить информацию об их преимуществах и недостатках. В работе дано подробное объяснение значения рекомендательных систем в современных условиях потребления контента. Изучается сложность совместной фильтрации и то, как она использует предыдущий выбор пользователей для выработки индивидуальных рекомендаций. Затем дается описание подходов на основе KNN-регрессии и NMF, рассматриваются их принципы функционирования и то, как они применяются к системам рекомендаций. Проводится разностороннее исследование регрессии KNN и NMF на наборе данных MovieLens 1M для того, чтобы обеспечить тщательную оценку. В работе описаны процессы обучения модели, показатели производительности и используемые этапы предварительной обработки данных. По результатам обработки данных измеряется и анализируется прогнозируемая точность используемых стратегий с помощью эмпирических исследований, раскрывая их эффективность при применении к различным предпочтениям пользователей и категориям контента.</p> 2024-04-15T00:00:00+03:00 Copyright (c) 2024 Сагедур Рахман https://www.oajmist.com/index.php/12/article/view/266 Оптимизация пробоподготовки при определении жирнокислотного состава ультрапастеризованного молока 2024-04-13T13:10:04+03:00 Э. А. Аухадиева phytoufa@yandex.ru Д. Э. Мусабиров ufa.lab@yandex.ru Е. Е. Зеленковская ufa.lab@yandex.ru М. В. Курилов ufa.lab@yandex.ru Э. Н. Усманова ufa.lab@yandex.ru <p>С целью удешевления себестоимости молока некоторые недобросовестные производители изготавливают фальсифицированные молочные продукты, потребление которых может привести к нарушениям в питании: человек получает чувство насыщения, но недополучет те макро- и микронутриенты, на которые рассчитывает. Определение жирно-кислотного состава молочной продукции является эффективным методом выявления фальсификации. При ультрапастеризации молоко гомогенизируется под давлением и подвергается обработке при сверхвысокой температуре с последующей асептической упаковкой. Из-за гомогенности ультрапастеризованного молока возникают проблемы с экстракцией жира при проведении хроматографического анализа по определению жирно-кислотного состава. В статье приводятся результаты эксперимента, которые подтверждают, что при предварительном нагревании ультрапастеризованного молока до 45 <sup>0</sup>С жировая фракция при центрифугировании хорошо разделяется. Для проверки работоспособности методики проведена оценка показателей качества результатов анализа на примере пальмитиновой кислоты, которая показала, что ее метрологические характеристики ниже, чем в базовом нормативном документе (ГОСТ 32915), что позволяет рекомендовать ее к применению на практике.</p> 2024-04-13T00:00:00+03:00 Copyright (c) 2024 Э. А. Аухадиева, Д. Э. Мусабиров, Е. Е. Зеленковская, М. В. Курилов, Э. Н. Усманова