文章的正确链接:
Lizneva, Y.S., Kostyukovich, A.E., Kokoreva, E.V. (2024). 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, 4, 1–12. https://doi.org/10.7256/2454-0714.2024.4.72107
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. (2024). 俄语文本自动概括的比较. 软件系统和计算方法, 4, 13–22. https://doi.org/10.7256/2454-0714.2024.4.69474
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
文章的正确链接:
Bulgakov, V.D., Gvozdevsky, I.N. (2024). 性能证明共识模型和算法. 软件系统和计算方法, 4, 23–48. https://doi.org/10.7256/2454-0714.2024.4.71119
注释,注释:
本文基于支持水平分片函数的共识算法，探讨了性能证明（PoP）模型的操作原理。 PoP模型引入了对用于权益证明算法和基于Tendermint核心的网络的传统块结构的更改。 水平分片允许您在多个节点（分片）之间分发事务，这显着增加了网络带宽。 该研究的主要目的是探索通过动态交易分配和自适应节点管理提高区块链网络效率和可扩展性的方法。 一个重要的方面是确定节点的参数和可变特性，例如性能和可靠性，以便在网络内均匀和公平地分配负载。 这可确保系统适应不断变化的负载条件。 本文采用分析和形式化的方法来描述块结构、分配交易的机制以及分片的惩罚和奖励制度。 该研究代表了管理区块链网络的创新方法，重点关注节点性能。 与传统共识算法相比，具有水平分片的PoP模型提供了更高的网络吞吐量和可扩展性。 提出了一种基于节点权重性能的动态负载分配和自适应变化的系统，有助于提高网络的效率和可靠性。 作为研究的结果，证明了性能证明模型显着提高了交易处理的速度和区块链网络的整体性能。 应用实例证实了该模型在各种类型网络中的有效性，如DeFi平台，供应链管理系统和物联网网络。 PoP模型鼓励节点保持高性能，确保公平的负载分配并增加网络的整体稳定性。
关键词:
共识模型, 共识算法, 碎片, 座, 表现证明, 投注证明, 水平分片, 效率, 负荷分配, 区块链
文章的正确链接:
Dimitrichenko, D.P. (2024). 各种类型的老虎机在放置游戏条件下的适当行为分析. 软件系统和计算方法, 4, 49–65. https://doi.org/10.7256/2454-0714.2024.4.72488
注释,注释:
这项工作的研究对象是具有目的行为属性的自动机的同质集体。 本研究的主题是在实施放置游戏条件时对此类机器的不同设计进行比较。 本研究的目的是量化自动机的惯性属性和记忆深度值对放置游戏框架内自动机集体功能有效性的影响。 在所考虑的集体中，自动机在给定的栖息地中以不同程度的有效性执行动作。 自动机根据其设计，用另一个动作对输入信号作出反应。 对自动机有效性的评估定义为自动机在所考虑的时间段内接收到的正信号或负信号的总和。 这个特性既取决于机器的声明设计，也取决于它的内存深度。 有必要确定最简单的自动机设计，以最短的方式在给定环境中实现最佳效率。 环境属性和自动机动作的形式化以及所得结果的处理都是使用博弈论的装置进行的。 在这种情况下，机器功能的有效性值表示为老虎机玩家的累积奖金和损失金额。 所进行的研究的新颖之处在于构建对自动机集体行为有效性的整体评估，这使我们不仅能够追踪集体的愿望，以尽量减少奖励数量，而且还可以最大限度地减少集体内部竞争。 所获得的结果使得可以追踪以适当结构形式实施的自动机惯性质量对给定环境中功能效率的影响，并以放置游戏的形式正式化。 具有线性策略的自动机和Krylov自动机构成了接近最优的自动机策略的两个边际实现。 第一个是由于改变动作的高速度，第二个是由于长时间停留在接近最佳的状态。 所获得的结果的应用领域是使用最简单的自动机设计进一步研究更复杂的动态环境，因为在计算实现过程中的同步自动机集体很难并行化，当动态环境的结构变得更加复杂或这些优化任务增加时，会导致时间和计算成本显着增加。
关键词:
一个同质的自动机集体, 适当的行为, 奖励措施, 罚款, 强化学习, 机器, 内存深度, 博弈论, 最佳策略, 安置游戏
文章的正确链接:
Zakharov, A.A. (2024). 一种基于图上神经网络的图像中物体检测方法及少量训练实例. 软件系统和计算方法, 4, 66–75. https://doi.org/10.7256/2454-0714.2024.4.72558
注释,注释:
在所提出的工作中，研究的对象是计算机视觉系统。 该研究的主题是基于图形上的神经网络和少量训练示例来检测图像中物体的方法。 本主题的诸如使用场景的结构表示来提高对象检测的准确性的方面被详细讨论。 建议基于神经网络在图形上共享有关场景结构的信息，并从"多个镜头"进行训练，以增加目标检测的准确性。 类之间的关系是使用外部语义链接建立的。 为此，预先创建了一个知识图。 该方法包含两个阶段。 在第一阶段，基于具有"多个镜头"的训练来执行对象检测。 在第二阶段，使用图形上的神经网络提高了检测精度。 所开发的方法的基础是使用基于谱图理论的卷积。 每个顶点表示知识图中的一个类别，基于条件概率计算图的边权重。 基于卷积，来自相邻顶点和边的信息被组合以更新顶点值。 所开发的方法的科学新颖性在于联合使用图上的卷积网络和来自"多次拍摄"的训练，以增加目标检测的准确性。 作者对该主题研究的一个特殊贡献是使用基于知识图的卷积网络，使用少量训练示例改进目标检测方法的结果。 该方法在计算机视觉领域的图像测试集上进行了研究。 利用PASCAL VOC和MS COCO数据集，证明了该方法通过分析结构关系提高了目标检测的准确性。 与不使用结构表示的"多次拍摄"训练方法相比，使用开发的方法进行物体检测的平均准确度提高了1-5％。
关键词:
计算机视觉, 目标检测, 卷积网络, 一小组数据, 深入学习, 有限注释, 图表, 模式识别, 人工智能, 场景的结构表示
文章的正确链接:
Knyazev, M.A., Shabrova, A.S., Kryuchkov, A.A. (2024). 基于具有两个标准的数学模型的个人物联网设备保护机制选择方法. 软件系统和计算方法, 4, 76–92. https://doi.org/10.7256/2454-0714.2024.4.72839
注释,注释:
保护个人物联网（PIoT）设备的现有方法需要不断和持续的现代化，同时考虑到可能出现的新威胁和漏洞。 一项重要而紧迫的任务是制定一种普遍有效的方法来确保此类设备的安全性，同时考虑到物联网领域消费电子产品制造商的有限资源。 这项研究建议使用一个数学模型，以保护机制的实施复杂性和普遍性为标准，对保护机制进行排名，以提高便携式智能设备的安全性，并考虑到开发商的成本，并符合信息安全领域现行立法的要求。这项工作的研究对象是确保个人物联网设备的信息安全的过程，同时考虑到现有的法规和技术要求，以及制造商和开发人员的有限资源。 该研究的主题是PIoT设备的一套保护机制，根据具有两个标准的已开发数学模型进行选择和排名。 提出了一种基于数学模型的个人物联网设备保护机制选择方法，该数学模型具有保护机制实现的复杂性和普遍性的标准。 作为所提出的研究的一部分，我们详细分析了在国际和国内标准中确保个人物联网设备安全的建议和要求，并研究了通过具有两个标准的数学模型有效分配制造商资源的可能性。 这项研究工作的科学新颖之处在于，人们提出了一种基于两个标准的数学模型来选择PIoT设备的保护机制的原始方法，从而可以有效地考虑当前的威胁和监管要求，同时最大限度地降低开发和运营成本。 作为所进行的研究的结果，得出的结论是，引入一种方法来选择保护机制的个人物联网设备的基础上的数学模型的标准的复杂性和通用性是一个有希望的，并可能是最有效的手段来解决现有的问题，选择安全机制的个人物联网设备在有限的制造商资源的条件下。
关键词:
物联网安全, 个人物联网, 保安方法, 皮奥特, PIoT设备, 智能设备保护, 互联网, 设备保护, 便携式智能设备, 数学模型
文章的正确链接:
Khlestkin, A.Y., Raikov, A.V., Kazantsev, A.A., Emelin, D.P., Larin, D.V. (2024). 操作系统和shell在云计算中的作用：云平台中使用的操作系统和shell及其对云基础设施的影响分析. 软件系统和计算方法, 4, 93–108. https://doi.org/10.7256/2454-0714.2024.4.70626
注释,注释:
文章的主要重点是操作系统，云计算和命令外壳，它们已经积极发展了几十年，已经成为普通用户和计算机技术专业人士生活的一部分。 这些对象被视为信息技术的独立组成部分，以及它们的相互关系和这种相互关系的结果。 云服务器中的操作系统执行管理角色。 更准确地说，它们管理物理服务器的资源。 在这种情况下，操作系统或操作系统定义了几个参数。 这些参数包括操作系统如何使用和管理各种虚拟机的内存和存储。 反过来，命令外壳由应用程序表示，该应用程序为用户提供命令行界面，用户可以在其中单独输入命令并运行由命令列表组成的脚本。 研究方法包括理论（分类，比较分析，文献分析）和实践（实验，建模）方法。 这允许对云计算中操作系统和命令外壳的功能进行全面分析。 我们研究的科学新颖之处在于使用上述命令外壳在特定操作系统上创建脚本来执行云计算领域的特定任务。 因此，作者提供了有关操作系统和命令外壳的理论数据。 作者提供了Linux操作系统的Bash和Bourne Shell(sh)命令shell的脚本和安全分析示例，以及命令提示符命令shell(cmd)的脚本。exe）和用于Microsoft Windows操作系统的Windows PowerShell。 由于所进行的工作，编制了具有操作系统和命令外壳对云计算的影响的表。 对表格的分析使作者能够描述这项科学工作的研究对象并得出适当的结论。
关键词:
操作系统, 命令外壳, 云计算, 云平台, 云基础设施, Linux操作系统, 微软视窗, 巴什, 伯恩壳, 超精细
文章的正确链接:
Smirnov, .A., Podolskiy, E.A., Cherenkov, A.V., Gosudarev, I.B. (2024). JavaScript代码执行环境性能对比分析：Node.js，Deno和Bun. 软件系统和计算方法, 4, 109–123. https://doi.org/10.7256/2454-0714.2024.4.72206
注释,注释:
研究的主题是JavaScript程序在现代节点环境中的性能。js，Deno和Bun。 这些平台用于开发服务器应用程序，在体系结构，功能和性能方面存在显着差异。 节点。js是最成熟和最广泛的解决方案，在大多数现代web应用程序中被积极使用。 Deno是由Node的创建者开发的一个较新的环境。js，提供改进的安全性，TypeScript支持和其他创新。 反过来，Bun是一种现代化的高性能替代品，专注于使用服务器应用程序的速度。 该研究的目的是确定主要现代执行环境（节点）性能的差异。js、Deno和Bun)以进一步应用这些环境在web应用程序的后端开发中。 为了进行研究，使用Docker容器的计算机实验和使用Ansible的过程自动化的方法进行了研究。 测量了各个执行环境中各种场景的执行时间。 这项研究的科学新颖之处在于，首次提出了一个全面而有根据的方法来衡量和比较JavaScript代码在现代执行环境中的性能，这将使研究人员能够在进一步的实验中建立所提出的方法，并将其扩展到新的执行环境。 研究结果表明，Bun在同步计算（排序，JSON处理）中表现出最佳性能，但不如Node。素性检查中的js和Deno。 由于使用了Rust和Tokio库，Deno在异步操作中显示出高效率。 节点。js尽管在同步任务中的结果较低，但在测试中表现出稳定的性能，并且仍然是大型项目的可靠选择。 在研究过程中，就为各种任务选择合适的服务器端JavaScript执行环境提出了建议。
关键词:
JavaScript的, 节点。js的, 德诺, 发髻, 效率, 计算机实验, 后端, 网页, 服务器, 码头工人
文章的正确链接:
Kopysheva, T.N., Mitrofanova, T.V., Smirnova, T.N., Khristoforova , A.V. (2024). 利用神经网络向导和Loginom社区平台解决教育过程中的近似和分类问题. 软件系统和计算方法, 4, 124–139. https://doi.org/10.7256/2454-0714.2024.4.71438
注释,注释:
在俄罗斯联邦，非常重视端到端数字技术的发展，包括人工智能（AI）技术。 俄罗斯联邦总统2019年10月10日第490号法令"关于俄罗斯联邦人工智能的发展"批准了截至2030年的人工智能发展国家战略。 根据《战略》第51.5段(c)分段，提高公民对人工智能能力和认识的方向之一是通过在每个教育计划中纳入人工智能模块，在高等教育机构的毕业生中培养使用人工智能技术的技能。 本文的研究对象是在实验室和实践课的过程中使用AI系统，以及学科"人工智能系统"，"人工智能基础"和类似学科学生的独立工作。 研究的主题是使用专业平台Loginom社区和神经网络向导解决函数近似和数据分类问题的方法。 详细考虑了训练神经网络的方法、评估训练质量的方法以及神经网络的训练样本。 研究方法是基于理论和实践方法的结合，使用分析、比较、概括、综合、分类和建模的方法。 已经开发了材料，在此期间，学生应该获得函数近似和数据分类领域的理论知识，熟悉人工智能的基本概念和方法，以及它们在数据处理各个领域的应用，巩固与神经网络工作的实际技能，以及Loginom社区和神经网络向导的专门平台和工具。 该研究是与所有形式的教育的UGSN09.00.00,10.00.00,15.00.00的学士学位和专业的1-2课程的学生进行的。 在研究实施过程中，观察了材料一致呈现和"从简单到复杂"的原则。 控制措施的结果表明，使用人工智能技术的技能在与人工智能领域无关的培训领域的学生中形成了足够的水平。
关键词:
人工智能, 神经网络, 函数逼近, 数据分类, 资料处理, 模型训练, Loginom社区, 神经网络向导, 培训样本, 回归
文章的正确链接:
Ishankhonov , A.Y., Pshychenko, D.V., Mozharovskii , E.A., Aluev , A.S. (2024). 大型语言模型在下一代集成开发环境中的作用. 软件系统和计算方法, 4, 140–150. https://doi.org/10.7256/2454-0714.2024.4.72022
注释,注释:
本文探讨了大型语言模型（LLM）在新一代集成开发环境（IDE）中的作用。 GitHub Copilot，IntelliCode和Alice Code Assistant等工具正在其在编程中使用的上下文中进行研究。 作者探讨了LLMs如何自动化关键开发任务，包括代码自动完成、错误检测、重构和代码段生成，以及自动化如何提高开发效率和提高最终产品质量。 特别关注使用LLM对开发人员的认知过程，他们解决创造性问题的能力以及对动机和专业技能的影响。 还讨论了LLM实施的道德方面。 概述使用大型语言模型的现有集成开发环境。 评估了用于代码自动完成、片段生成以及错误检测和纠正的LLM功能。 使用比较方法来评估LLM与传统开发工具相比的有效性。 该研究的新颖之处在于对现代Ide中LLM的使用进行了全面分析，以及确定了它们提高开发人员生产力和提高软件代码质量的潜力。 结论是，将LLM集成到IDE中不仅可以加快创建代码的过程，还可以通过智能支持和日常任务的自动化来显着提高其质量。 然而，也已经确定了限制，特别是与认知负荷，道德问题以及在自动化和编程技能发展之间保持平衡的需要有关。 作者指出，成功的LLM集成需要一个深思熟虑和负责任的方法，在自动化和保持程序员的创造性潜力之间取得平衡。
关键词:
大型语言模型, 集成开发环境, 编程自动化, 代码改进, 人工智能, 自动完成代码, 软件系统, 机器学习, 优化开发过程, 数据分析
文章的正确链接:
Sheinman , V., Starikov , D.D., Tiumentsev , D.V., Vavilov , G.D. (2024). 提高软件开发流程的效率：容器技术. 软件系统和计算方法, 4, 151–161. https://doi.org/10.7256/2454-0714.2024.4.72015
注释,注释:
在本文中，作者考虑了容器技术对软件开发过程的影响。 重点是容器化在优化应用程序部署和管理流程以及增加软件系统的灵活性和可扩展性方面的作用。 该研究分析了容器应用程序的关键方面，包括应用程序隔离，增加不同环境之间的软件可移植性，以及通过优化计算资源的使用来降低运营成本。 正在考虑Docker和Kubernetes等现代工具，这些工具使我们能够标准化和自动化基础架构部署和管理的流程。 主持人讨论了集装箱技术在大型俄罗斯和外国公司的实际应用的例子，其中集装箱化显着改善了软件开发和操作流程。 为了分析容器技术的有效性，使用了比较分析方法来评估它们对基础设施灵活性和软件系统性能的影响。 数据来源是科学出版物。 该研究的新颖之处在于考虑在现代软件开发实践的背景下使用容器技术，这显着加快了软件产品的开发，测试和部署。 结果表明，容器化提高了系统性能，简化了应用程序管理，降低了运营成本。 Docker和Kubernetes在大公司中的实际使用示例表明，容器化显着增加了基础设施的灵活性和解决方案的可扩展性，使开发人员能够轻松适应不断变化的条件和市 最后，强调容器技术在现代软件开发过程中发挥关键作用，其进一步发展将有助于软件系统基础设施自动化和管理领域的更显着改进。
关键词:
集装箱化, 软件开发, 码头工人, N., 可伸缩性, 资源优化, 软件操作, 自动化, 平台, 进程隔离
文章的正确链接:
Pekunov, V.V. (2024). 算法语言程序的对象事务模型. 软件系统和计算方法, 4, 162–169. https://doi.org/10.7256/2454-0714.2024.4.69228
注释,注释:
本文致力于基于使用边际部分事务性内存（包括单个事务性单元和许多普通单元）的思想，使用形式主义用算法语言编写的程序的可表示性问题。 假设这种形式主义是基于表示解决问题的主要和辅助元素的对象网络的概念。 对象在指定类型的内存中起作用，执行包含专门分支代码的方法，没有循环。 在这种方法中，周期被多个特殊对象网络重新协商所取代，类似于在经典事务性内存中实现的方法。 基于对某一主题领域解决问题的过程的最一般的思想，首次引入了对象-事务模型的概念，并制定了它们的基本属性。 采用离散数学方法和算法理论来制定对象事务模型功能的结构和基本原理。 引入了边际部分事务性内存的概念，包含具有特殊匹配的单个事务性单元。 描述了在所提出的模型的背景下匹配这种存储器的特征。 对使用对象事务模型的任意算法的可行性提出了一个假设。 描述了这些模型功能的基本原理，并制定了它们的基本属性。 介绍了边际非并行和并行模型的概念。 证明了限制非并行模型能够执行任意图灵可解算法。 证明了k+2节点的极限并行模型相当于K个并行图灵机系统，因此能够执行任意的图灵可解算法，这意味着存在K个并行分支。 因此，论文中提出的关于任意算法可行性的假设得到了证明。
关键词:
顺序算法, 程序模型, 事务性内存, 特别协议, 极限定理, 对象事务模型, 图灵机, 理论, 并行算法, 算法的可行性
文章的正确链接:
Kheyfits, A.E., Yanchus , V.E., Borevich, E.V. (2024). 人类周边视觉领域视觉信息感知实验研究的方法论 . 软件系统和计算方法, 4, 170–181. https://doi.org/10.7256/2454-0714.2024.4.44101
注释,注释:
本文描述了在人类周边视觉领域视觉信息感知研究框架内进行实验的方法。 作者描述了刺激材料的制备和设计方法、实验设置、实验程序和获得的数据的处理。 在实验设计过程中，提出了在计算机系统工作时扩大视觉信息阅读区域的问题。 由于对传入信息的分析是在任务逐渐复杂化的情况下进行的，因此在工作期间开发可能的解决方案成为工业上的必要性。 任何显示器，无论大小，都限制了对视觉感知的分析。 学科格式中对象的不正确增加或减少导致数据退化。 正确的图像降低了阅读信息时的疲劳程度，提高了其感知的质量。 周边视觉区域在工作过程中不受影响，是人类视觉的重要组成部分。 对人类视觉的外围区域中的图形图像的感知的研究将潜在地增强界面的效率。 在实验数据的基础上得到的结果可以合理地用于人机交互界面的开发。 该技术包括开发和考虑刺激材料中的颜色、大小和距离的因素。 使用随后负责刺激材料的随机和独立布置的软件模块来设计刺激材料。 人工智能跟踪软件和硬件包用于固定观察模式的参数。
关键词:
视觉感知, 周边视觉区域, 图形界面, AI追踪, 激励材料, 统计分析, 智能接口, 人机交互, 人工智能追踪器, 视觉系统
文章的正确链接:
Damdinova, T.T., Damdinov, Z.S., Prudova, L.Y., Bubeev, I.T. (2024). 基于数字图像像素亮度的不规则孔隙建模. 软件系统和计算方法, 4, 182–191. https://doi.org/10.7256/2454-0714.2024.4.72014
注释,注释:
材料科学领域的相关方向之一是毛细管多孔体中发生的过程的研究和建模。 这些设施在石油生产、医药、建筑、过滤器和电池的生产以及新材料的创造等领域发挥着重要作用,在这些领域需要精确了解和控制多孔介质中发生的过程。 使用计算机视觉和计算机的高计算能力的现代建模方法可以显着提高研究毛细管-多孔体及其过程的准确性和效率。 对于不规则结构的多孔体，物体内部发生的过程的精确视觉固定是困难的，但对此有需要，特别是对于影响多孔体状况的多级过程。 使用简化和抽象模型来评估物质（扩散过程，渗滤过程等）的相互作用，提出了这种物体结构的模拟器和模型。）在异质和不规则结构中是不适合的。 提出利用数字图像处理方法获得任意形状孔隙的几何模型。 已经创建了描述孔隙几何形状的点阵列。 选择了基于选定点样条插值的曲面建模方法。 为了获得不规则形状孔隙的表面模型，已经开发了一种技术，用于基于其数字图像中像素的亮度水平形成点阵列。 基于亮度直方图的局部极大值确定用于对初始孔隙点进行分组的亮度级别。 提出了一种利用点阵列样条插值构建不规则孔隙表面模型的算法。 给出了所开发的不规则孔隙表面建模算法的软件实现结果。 根据开发的不规则孔隙几何建模方法，可以获得有关孔隙的大小和体积，物体整体孔隙率的分析的进一步信息，以及分析多孔物体中的过程。 如果需要，为了增加形状的精度，可以增加用于分组点的亮度级别的数量。
关键词:
多孔材料, 孔隙度;孔隙度, 数字图像处理, 脊柱插值, 表面建模, 不规则形状, 几何建模, 点阵列, 直方图, 像素亮度等级
文章的正确链接:
Zolotukhina, D. (2024). 分布式缓存平台在现代后端架构中的有效性：Redis和Hazelcast的比较分析. 软件系统和计算方法, 4, 192–204. https://doi.org/10.7256/2454-0714.2024.4.72305
注释,注释:
研究的对象是两个缓存和分布式数据存储系统—Redis和Hazelcast，它们被广泛用于加速高负载应用程序中的数据访问。 本文就有效缓存的重要关键方面对这些系统进行了全面的比较研究：体系结构特性、内存管理模型、集群方法、容错和可伸缩性机制。 特别注意探索使用缓存模板和支持类似SQL的查询的可能性。 工作的目的是深入分析Redis和Hazelcast在数据缓存上下文中的优势和局限性，以及在各种负载和运行场景下识别它们的优势和劣势。 研究方法包括对Redis和Hazelcast关键方面的比较分析，然后以比较表的形式呈现结果。 CRUD操作的有效性也使用集成到Spring Boot平台上的程序中的自动化测试进行了测试。 所进行的研究表明，Redis作为一个具有快速写入和读取操作的单线程系统，对于简单和本地化的应用程序有效，而支持多线程和动态集群的Hazelcast更有效地处理大量数据和分布式任务。 作者对该主题研究的一个特殊贡献是对这些系统进行全面的比较分析，同时考虑到它们的关键特性，如性能，可扩展性和容错性，以及测试它们在现实世 该研究的新颖之处在于对高负载应用中Redis和Hazelcast用于数据缓存的使用进行了详细分析，这对于开发和优化需要实时数据缓存的高性能分布式系统的基
关键词:
缓存, N.Redis, 榛子,榛子, 效率, CRUD操作, 容错, 多线程, 聚类化, 内存数据存储, 分布式系统
Cn
© 1998 – 2025 Nota Bene. Publishing Technologies. NB-Media Ltd.
