目前正在形成这个问题。此页面上显示的所有文章都已包含在本期中，被视为已发布，并且将在本期的最终版本中与文章的其他元数据保持不变。

主编: Morozov Mikhail Nikolaevich, kandidat tekhnicheskikh nauk, mikhail.n.morozov@gmail.com

问题内容

更详细

文章的正确链接:

Lizneva Y.S., Kostyukovich A.E., Kokoreva E.V. 使用神经网络算法在Wi-Fi网络中确定位置的可能性分析 // 软件系统和计算方法. 2024. № 4. 和。 1-12. DOI: 10.7256/2454-0714.2024.4.72107 EDN: CSDXDU URL: https://cn.nbpublish.com/library_read_article.php?id=72107

文章以许可证Creative Commons Attribution-NonCommercial4.0International License(CC BY-NC4.0)–License"With indication of authorship–Non-commercial".

关于作者的信息

阅读文章	EDN: CSDXDU

向上

注释,注释: Wi-Fi网络上的室内定位属于一类任务，其中输出特性对输入变量的依赖性受到许多参数和外部因素的影响。在解决此类问题时，有必要考虑到，在确定位置时，不仅要确定物体的静态坐标，还要预测其运动的矢量，这一点非常重要。在对象的位置仅由从Wi-Fi网络上的几个接入点接收的信号功率水平确定的情况下，考虑到无线电波在室内传播条件的信号衰减模型的使用是困难的，由于房间内的电磁环境因许多因素而异，因此上述模型必须适应这些变化。由于在大量数据中寻找模式需要非标准算法，因此可以使用人工神经网络来解决定位问题。选择能够考虑移动设备从Wi-Fi接入点接收的信号强度变化的神经网络架构非常重要。在训练神经网络之前，对统计数据进行预处理。例如，当设备在一个测量点检测到来自少于三个接入点的信号时，异常情况将从机器学习数据集中排除。作为统计数据分析的结果，发现测量点之间的相同距离导致神经网络错误地确定物体的位置的事实。论文表明，为了提高在复杂无线电放置条件下定位位置的准确性，在编制无线电地图时，有必要确定测量点之间的最佳变化距离。所进行的实验研究，考虑到所提出的优化测量点之间距离的方法，证明绝大多数测量点的位置确定精度达到100％。

关键词: Wi-Fi, 定位, 测量点, RSSI, 神经网络, 信号强度, 隐藏层, 机器学习, 培训样本, 一组训练数据

文章的正确链接:

Dagaev A.E., Popov D.I. 俄语文本自动概括的比较 // 软件系统和计算方法. 2024. № 4. 和。 13-22. DOI: 10.7256/2454-0714.2024.4.69474 EDN: CSFMFC URL: https://cn.nbpublish.com/library_read_article.php?id=69474

文章以许可证Creative Commons Attribution-NonCommercial4.0International License(CC BY-NC4.0)–License"With indication of authorship–Non-commercial".

关于作者的信息

阅读文章	EDN: CSFMFC

向上

注释,注释: 本文的研究主题是使用人工智能模型对俄语文本进行概括。特别是，作者比较了流行的模型GigaChat，YaGPT2，ChatGPT-3.5，ChatGPT-4，Bard，Bing AI和YouChat，并对他们对俄语文本的工作进行了比较研究。该文章使用俄语数据集，如Gazeta，XL-Sum和WikiLingua，作为后续泛化的源材料，以及英语，CNN Retail和XSum的其他数据集，用于比较泛化的有效性。文章使用以下指标：ROUGE，BLEU score，BERTScore，METEOR和BLEURT来评估文本的泛化。在本文中，使用人工智能模型对自动泛化过程中获得的数据进行比较分析作为研究方法。该研究的科学新颖性是使用自然语言处理的各种神经网络模型对俄语和英语文本自动泛化的质量进行比较分析。该研究的作者提请注意新模型GigaChat，YaGPT2，ChatGPT-3.5，ChatGPT-4，Bard，Bing AI和YouChat，考虑并分析其在文本泛化任务中的有效性。俄语泛化的结果表明，YouChat在评级集方面表现出最高的结果，强调了模型在处理和生成文本方面的有效性，并更准确地再现了内容的关键元素。与YouChat不同，Bard模型显示出最差的结果，代表了生成连贯和相关文本的能力最小的模型。

关键词: 自然语言处理, 总结课文, 吉加卡特, YaGPT2, 聊天-3, ChatGPT-4, 吟游诗人, 冰艾, 你聊天, 文本压缩