Программные системы: теория и приложения
ISSN (online): 2079-3316
Учредитель: Институт программных систем имени А.К. Айламазяна Российской академии наук
Главный редактор: Абрамов Сергей Михайлович, чл.-корр. РАН, д-р физ.-мат. наук
Периодичность / доступ: 4 выпуска в год / открытый
Входит в: Белый список (4 уровень), перечень ВАК, РИНЦ
Двуязычный электронный научный журнал "Программные системы: теория и приложения" публикует на русском и английском языках старательно изложенные новые результаты по информатике, вычислительной технике и управлению.
Журнал первым в мире начал публикацию двуязычных статей с переключением языка читаемой статьи, что ценно для овладения неродным языком научной коммуникации.
Все издательские операции от приёма рукописей и рецензирования до работы редакторов по улучшению текста и оформления, размещения полных текстов и метаданных на сайте журнала и библиографических сервисах mathnet.ru, e-library.ru, crossref.org и др. выполняются бесплатно.
Качественная подготовка авторского оригинала в системе LaTeX с использованием amsrefs ускоряет публикацию принятой в печать статьи.
Свидетельства о регистрации СМИ: Эл № ЭЛ № ФС77-51924 от 29 ноября 2012 г.
Текущий выпуск
Том 15, № 1 (2024)
Распознавание кадастровых координат с использованием свёрточно-рекуррентных нейронных сетей
Аннотация
В статье исследуется применение свёрточно-рекуррентных нейронных сетей (CRNN) для распознавания изображений кадастровых координат объектов на отсканированных документах ППК «Роскадастр». Комбинированная архитектура CRNN, объединяющая свёрточные нейронные сети (CNN) и рекуррентные нейронные сети (RNN), позволяет использовать преимущества каждой из них для обработки изображений и распознавания содержащихся в них непрерывных цифровых последовательностей. При проведении экспериментальных исследований были формированы изображения, состоящие из заданного количества цифр, построена и исследована CRNN модель. Формирование изображений цифровых последовательностей заключалось в предобработке и конкатенации изображений образующих их цифр из собственного набора данных. Анализ значений функции потерь и метрик Accuracy, Character Error Rate (CER) и Word Error Rate (WER) показал, что использование предложенной CRNN модели позволяет достичь высокой точности распознавания кадастровых координат на их отсканированных изображениях.
3-30
Оптимальное распределение площади радиаторов в погружных системах охлаждения высокопроизводительных вычислительных комплексов
Аннотация
Рассмотрена задача минимизации температуры процессора при заданном тепловом потоке путем выбора распределения площади радиатора при контакте с омывающим его хладагентом. Эта задача эквивалентна задаче минимизации среднего (по координате) производства энтропии. Распределение тепловой нагрузки и ограничение общей площади радиатора являются условиями задачи. Показано, что оптимальное решение обеспечивает минимальную температуру процессора в погружных жидкостных системах охлаждения.
31-40
Фрактальная модель макросистем
Аннотация
Рассмотрена математическая модель макросистемы произвольной природы в виде фрактального графа. Такое представление позволяет вывести феноменологические закономерности макросистем, не основываясь на свойствах элементарных объектов, формирующих макросистему. Показано, что на множестве стационарных процессов можно ввести метрику; метрическими свойствами обладает производство энтропии в макросистеме.
41-62
Обоснование методов ускорения гнёзд циклов итерационного типа
Аннотация
Рассматривается ускорение итерационных алгоритмов, которые встречаются при решении задач математической физики, математического моделирования, обработки изображений и других. В программной реализации таких алгоритмов лежат гнёзда циклов (участки программы, состоящие из вложенных циклов). Такие гнёзда циклов ускоряются при помощи комбинации оптимизирующих преобразований, включающих тайлинг, метод гиперплоскостей и распараллеливание на общую память. Обосновывается эквивалентность комбинации используемых преобразований программ. Предлагается и обосновывается метод изменения порядка обхода тайла. Метод даёт ускорение за счёт увеличения количества чтений данных из регистров, вместо чтений из более медленной памяти. С учётом этого метода получена формула вычисления оптимальных размеров тайлов. Представленной в статье цепочкой преобразований достигается ускорение в 1.4 раза большее, чем в известном алгоритме оптимизации, реализованном в системе PLUTO. Приводятся численные эксперименты, которые в некоторых случаях на процессоре с 8 ядрами демонстрируют ускорение относительно исходных последовательных программ более чем на порядок. Результаты статьи могут использоваться для ручной и автоматизированной оптимизации программ.
63-94