Регистрационный номер НТЦ «Информрегистр» 0420900012
Свидетельство о регистрации СМИ Эл № ФС77-32022,
выдано 20 мая 2008 года Федеральной службой по надзору в сфере
массовых коммуникаций, связи и охраны культурного наследия
ISSN 1990-4665
12+
  English
 Журнал
Главная
Свежий номер
Архив номеров
Разделы по отраслям науки
Разделы по специальностям
О журнале
Этика научных публикаций
Статистика
География

 Авторам
Порядок рецензирования
Требования к содержанию
Порядок публикации
Образцы документов
Оформление статей
Оформление ссылок
Статус публикаций
Авторские права
Наши авторы

 Редакция
Редакционный совет
Редколлегия
Объявления
Ссылки
Контакты

 Документы
Оформление и публикация (в одном файле)





Кто здесь?


CC BY  «Attribution» («Атрибуция»)
Новые публикации
Титов А.Ю.
Математические модели прогнозирования кибератак информационных систем
5.2.2. Математические, статистические и инструментальные методы в экономике
Просмотров: 13
 Реферат
Статья посвящена актуальной теме построения математических моделей, позволяющих предсказывать количество кибератак (фишинга и DDoS), направленных на дезорганизацию функционирования информационных систем. Формулировка задачи состоит в использовании исторических данных для создания прогноза. В процессе моделирования использовались методы классической линейной регрессии (LR) и авторегрессионной интегрированной скользящей средней (ARIMA). Приведено математическое описание применяемых методов, реализованных в виде программного продукта PROGNOS. На основе использования построенного программного продукта проведена серия машинных экспериментов с использованием исторических данных о количестве фишинговых и DDoS-атак. Проведена оценка качества прогнозирования на базе применяемых для составления прогноза методов LR и ARIMA. Результаты моделирования визуализированы на графиках. Практическая значимость результатов исследования состоит в возможности использования построенных моделей в системах предупреждения киберугроз
Сергеев А.Э.
Адаптивная интеллектуальная система управления персоналом вуза как самообучающейся организации на основе АСК-анализа и системы "Эйдос"
5.2.2. Математические, статистические и инструментальные методы в экономике
Просмотров: 19
 Реферат
Современные университеты сталкиваются с проблемой эффективного управления персоналом из-за разнородности требований к сотрудникам, динамичности академической среды и необходимости соблюдения нормативных стандартов. В статье предложено решение в виде адаптивной системы управления персоналом на основе автоматизированного системно-когнитивного анализа (АСК-анализа) и интеллектуальной системы «Эйдос». Представленная методология включает сбор и обработку данных о деятельности сотрудников (KPI, учебная нагрузка, научные публикации), их метризацию, построение профессиограмм и реализацию задачи о назначениях для оптимизации распределения кадров. Система позволяет учитывать специфику подразделений, обеспечивает объективность и прозрачность оценок, а также поддерживает непрерывное обучение модели через обратную связь. Результаты исследования показывают, что использование АСК-анализа и системы «Эйдос» способствует повышению качества управления персоналом и может быть применено в других сферах
Костенко М.Ю., Салапин И.М.
Моделирование процесса смешивания семян в гладком вращающемся барабане на основе теории цепей Маркова
4.3.1. Технологии, машины и оборудование для агропромышленного комплекса
Просмотров: 20
 Реферат
Моделирование процессов смешивания семян является важной задачей в агрономии и промышленности. В условиях современного производства, эффективность смешивания во многом определяет качество конечного продукта и его однородность. Результаты проведённых экспериментов с использованием гладкого вращающегося барабана показывают возможность свести к минимуму травмирование семян и создать оптимальные условия для достижения равномерного распределения протравителя по их поверхности. Теория цепей Маркова, благодаря своей способности описывать стохастические процессы и предсказывать вероятностные переходы между состояниями, находит широкое применение в данной области. Созданная математическая модель на языке Python позволяет анализировать процесс нанесения протравителя на семена и выявлять наилучшие параметры для смешивания компонентов
Щербакова П.С., Шемелина У.М., Труженников Н.А., Савинская Д.Н., Панина У.Е.
Особенности цифровизации агропромышленного комплекса России
4.3.1. Технологии, машины и оборудование для агропромышленного комплекса
Просмотров: 19
 Реферат
В данной научной статье исследованы приоритеты особенности цифровизации агропромышленного комплекса России. Исследованы направления цифровизации предприятий агропромышленного комплекса РФ. Рассмотрен опыт внедрения цифровых технологий в деятельность предприятий АПК. Исследованы направления и результаты цифровизации сервисов и услуг аграрной отрасли. Рассмотрены направления цифровизации информационных систем АПК. Определены основные принципы для разработки комплексной программы поддержки цифровизации АПК РФ. В результате предложены мероприятия по повышению эффективности внедрения цифровых технологий в АПК России
Семенова А.К., Пахомова П.Д., Онищенко Л.М.
Влияние микроэлементов на посевные качества семян сои
4.1.3. Агрохимия, агропочвоведение, защита и карантин растений
Просмотров: 17
 Реферат
В статье приведены результаты экспериментального исследования влияния предпосевной обработки семян сои сорта «Уника» водными растворами микроудобрений на основе меди (CuSO?•5H?O), цинка (ZnSO?•7H?O), молибдена ((NH?)?MoO?) и бора (C?H?BNO?) на их посевные качества и начальные этапы роста. Исследование проводилось в лабораторных условиях на базе Кубанского государственного аграрного университета с использованием стандартных методик оценки всхожести, энергии прорастания, скорости и дружности появления всходов, а также морфометрических параметров проростков культуры (длина, масса). Установлено, что микроэлементы оказывают дозозависимое влияние: низкие концентрации (0,005–0,01 %) меди и цинка значительно повышают лабораторную всхожесть (до 98 %), энергию прорастания (на 28–30 %) и дружность всходов (на 44–49 %). Оптимальные дозы молибдена (0,01–0,05 %) увеличивают длину корня в 5,3 раза, а меди (0,01 %) – высоту проростка в 4,1 раза по сравнению с контролем. Цинк (0,05 %) демонстрирует широкий диапазон эффективности, обеспечивая максимальные показатели массы проростка (5,75 г против 1,23 г на контроле). Бор проявляет высокую фитотоксичность: концентрации выше 0,01 % полностью подавляют прорастание, а медь при 0,05–0,1 % вызывает резкое угнетение роста проростков сои. Результаты опыта подчеркивают необходимость строгого контроля концентраций микроудобрений при предпосевной обработке семян. Практическая значимость работы заключается в разработке научно обоснованных рекомендаций по применению микроэлементов для улучшения посевных качеств семян и стартового роста сои в условиях дефицита микроэлементов в черноземе выщелоченном
Орлов А.И.
Основные идеи контроллинга статистических методов
5.2.2. Математические, статистические и инструментальные методы в экономике
Просмотров: 21
 Реферат
В прикладной статистике необходимы правила проверки адекватности используемых расчётных методов реальной ситуации. Разработкой таких правил занимается контроллинг статистических методов. Настоящая статья посвящена обсуждению его базовых идей. Он устанавливает основные требования к методам статистической обработки данных, их характеристики, которые должны быть отражены в нормативно-технической, методической и справочной документации (далее – НТД), а также требования к оформлению результатов обработки данных. В прикладной статистике используют вероятностно-статистические методы и методы анализа данных. Вероятностно-статистические методы должны удовлетворять следующим основным требованиям: наличие адекватной вероятностной модели явления; использование результатов математической статистики; адекватность относительно допустимых преобразований шкал измерения; возможность установления точности получаемых результатов и выводов. Если метод обработки данных не удовлетворяет хотя бы одному из перечисленных требований, он называется методом анализа данных. При разработке НТД по статистическим методам обработки данных необходимо установить и указать следующие характеристики используемых методов: степень выполнения основных требований; устойчивость выводов по отношению к допустимым отклонениям исходных данных и предпосылок модели; возможность последовательного применения методов статистической обработки данных; оптимальность (в указанном в НТД смысле); трудоёмкость; наглядность. Обсуждаются требования к построению и обоснованию адекватной вероятностной модели явления; к результатам математической статистики; к адекватности относительно допустимых преобразований шкал измерения; к нормативно-технической и справочной документации по методам обработки данных с помощью компьютеров; к оформлению результатов обработки данных. Рассмотрены характеристики точности и устойчивости выводов; последовательного применения методов обработки данных; оптимальности методов обработки данных; трудоёмкости и наглядности и требования к ним. Рекомендации контроллинга статистических методов предназначены для сотрудников организаций и предприятий (объединений) всех отраслей народного хозяйства, разрабатывающих НТД, связанную со статистической обработкой данных, в том числе с использованием компьютеров

Обращение
главного
редактора

Новости
10.03.2023
Новая номенклатура специальностей ВАК
03.06.2022
РИНЦ ввел новый идентификатор статей
22.06.2019
Новые разделы в журнале
15.02.2019
Наш журнал с 12.02.2019 вошел в перечень ВАК РФ.
14.11.2017
Внимание! Изменение комплекта материалов, предоставляемых для публикации статьи

Архив номеров

210,  июнь 202530.06.2025
209,  май 202530.05.2025
208,  апрель 202530.04.2025
207,  март 202531.03.2025
206,  февраль 202528.02.2025
205,  январь 202531.01.2025

Архив номеров (2003-2024 гг.)

Авторы - top 10
(по числу статей)

Луценко Е.В. 281
Трошин Л.П. 171
Орлов А.И. 166
Лойко В.И. 150
Трунев А.П. 123
Радчевский П.П. 66
Григораш О.В. 64
Барановская Т.П. 62
Цаценко Л.В. 53
Успенский И.А. 49

Авторы - top 10
(по рейтингу статей)

Луценко Е.В. 308730
Трунев А.П. 135270
Лойко В.И. 124478
Трошин Л.П. 122450
Орлов А.И. 87699
Кононенко С.И. 85038
Рыжих Н.Е. 74765
Аршинов Г.А. 65686
Бакурадзе Л.А. 59076
Попова А.Ю. 54632

Рейтинг автора складывается из суммы рейтинга всех его статей.
Рейтинг статьи рассчитывается как
число_просмотров_статьи/
число_авторов_статьи.
 
© Кубанский государственный аграрный университет, 2003-2021
Разработка и поддержка сайта: ЦИТ КубГАУ

Регистрационный номер НТЦ «Информрегистр» 0420900012
Свидетельство о регистрации СМИ Эл № ФС77-32022
ISSN 1990-4665