Современные инновации, системы и технологии - Modern Innovations, Systems and Technologies https://www.oajmist.com/index.php/12 <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> ООО "Сибирский научный центр ДНИТ" ru-RU Современные инновации, системы и технологии - Modern Innovations, Systems and Technologies 2782-2826 <p>Журнал MIST - «Modern Innovations, Systems and Technologies» / «Современные инновации, системы и технологии» публикует материалы на условиях лицензии CreativeCommons Attribution 4.0 International (CC BY 4.0), размещенной на официальном сайте некоммерческой корпорации Creative Commons: <a href="http://creativecommons.org/licenses/by/4.0/" rel="license"><img src="https://i.creativecommons.org/l/by/4.0/88x31.png" alt="Creative Commons License" /></a><br />This work is licensed under a <a href="http://creativecommons.org/licenses/by/4.0/" rel="license">Creative Commons Attribution 4.0 International License</a>.</p> <p>Это означает, что пользователи могут копировать и распространять материалы на любом носителе и в любом формате, адаптировать и преобразовывать тексты, использовать контент для любых целей, в том числе коммерческих. При этом должны соблюдаться условия использования — указание автора оригинального произведения и источника: следует указывать выходные данные статей, предоставлять ссылку на источник, а также указывать, какие изменения были внесены.</p> Изучение совместной фильтрации с помощью метода K-ближайших соседей и факторизации неотрицательной матрицы https://www.oajmist.com/index.php/12/article/view/268 <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> Сагедур Рахман Copyright (c) 2024 Сагедур Рахман https://creativecommons.org/licenses/by/4.0 2024-04-15 2024-04-15 4 2 0201 0211 10.47813/2782-2818-2024-4-2-0201-0211 Модель архитектуры ИТ-решений: создание, генерация решений https://www.oajmist.com/index.php/12/article/view/269 <p>Рассматриваются возможные решения о построении архитектуры ИТ-решений на базе применения принципов каузальности, бифуркаций и когнитивности, а также технологий построения сценариев и выработки управленческих решений, имеющих непосредственную связь с законами информатики. Предлагаются возможные решения о разработке модели, предусматривающие: мониторинг процессов, связанных с архитектурой предприятия и архитектурой ИТ-решений; выполнение анализа результатов мониторинга; выявление предпочтений органов управления (ранжирование приоритетов); обоснование наличия неопределенности информации в возможных вариантах вырабатываемых решений. Генерация предлагаемых решений предусматривает выявление тенденций и изменений во внешней среде и внутри предприятия, технологии выработки возможных стратегий перехода от одного состояния к другому. При построении модели выработки ИТ-решений предлагается: оценить свойства, простоту и возможности архитектуры на базе использования инструмента моделирования ArchiMate; измерить влияние информационной неопределенности и субъективности на систему поддержки и принятия решений; создать вероятностно-энтропийную модель описания состояния структуры существующей и подготовленной архитектуры; исследовать наличие бифуркационных событий и процессов для последующей выработки ИТ-решений. Создание метода генерации вариантов решений предусматривает выстраивание последовательности развития событий и процессов, связанных с вероятностным содержанием архитектуры и откликом на состояние бизнес-процесса. Метод рассматривается как основа применимости архитектуры ИТ-решений для выработки многообразия вероятностно-энтропийных состояний.</p> А. С. Дулесов Р. А. Андреев А. А. Коновалов Copyright (c) 2024 А. С. Дулесов, Р. А. Андреев, А. А. Коновалов https://creativecommons.org/licenses/by/4.0 2024-04-26 2024-04-26 4 2 0212 0220 10.47813/2782-2818-2024-4-2-0212-0220 Оптимизация пробоподготовки при определении жирнокислотного состава ультрапастеризованного молока https://www.oajmist.com/index.php/12/article/view/266 <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> Э. А. Аухадиева Д. Э. Мусабиров Е. Е. Зеленковская М. В. Курилов Э. Н. Усманова Copyright (c) 2024 Э. А. Аухадиева, Д. Э. Мусабиров, Е. Е. Зеленковская, М. В. Курилов, Э. Н. Усманова https://creativecommons.org/licenses/by/4.0 2024-04-13 2024-04-13 4 2 0101 0110 10.47813/2782-2818-2024-4-2-0101-0110