Leveraging machine learning for profiling IoT devices to identify malicious activities

Συγγραφείς: D. M. Legkodymov, D. S. Levshun, I. V. Kotenko

Πηγή: Научно-технический вестник информационных технологий, механики и оптики, Vol 25, Iss 4, Pp 663-675 (2025)

Θεματικοί όροι: поведенческое профилирование устройств, безопасность интернета вещей, информационная безопасность, алгоритмы машинного обучения, выявление аномальной активности, детектирование сетевых атак, Information technology, T58.5-58.64

Περιγραφή αρχείου: electronic resource

Relation: https://ntv.elpub.ru/jour/article/view/491; https://doaj.org/toc/2226-1494; https://doaj.org/toc/2500-0373

Σύνδεσμος πρόσβασης: https://doaj.org/article/557c8e4f349c438685a45d9e6010c862

Combined approach to fault detection in complex technical systems based on bond-graph model

Συγγραφείς: V. A. Dmitriev, M. Ya. Marusina

Πηγή: Научно-технический вестник информационных технологий, механики и оптики, Vol 25, Iss 3, Pp 536-544 (2025)

Θεματικοί όροι: детектирование неисправностей, бонд-граф, сверточная нейронная сеть, линейное дробное преобразование, технические системы, Information technology, T58.5-58.64

Περιγραφή αρχείου: electronic resource

Relation: https://ntv.elpub.ru/jour/article/view/477; https://doaj.org/toc/2226-1494; https://doaj.org/toc/2500-0373

Σύνδεσμος πρόσβασης: https://doaj.org/article/0d5515e6854e4d67a4e47dc36de2829d

Detection of quadcopter propeller failure by machine learning methods

Συγγραφείς: I. I. Kirilenko, E. A. Kosareva, A. A. Nikolaev, A. M. Zenkin, I. M. Selezneva, N. A. Nikolaev

Πηγή: Научно-технический вестник информационных технологий, механики и оптики, Vol 22, Iss 2, Pp 385-391 (2024)

Θεματικοί όροι: беспилотная авиационная система, квадрокоптер, машинное обучение, детектирование поломки винта, метод опорных векторов, дерево решений, k-ближайших соседей, многослойный персептрон, Information technology, T58.5-58.64

Περιγραφή αρχείου: electronic resource

Relation: https://ntv.elpub.ru/jour/article/view/174; https://doaj.org/toc/2226-1494; https://doaj.org/toc/2500-0373

Σύνδεσμος πρόσβασης: https://doaj.org/article/0dfa19667daf4b92a5f98c9d3440448b

Application of failure detection methods to detect information attacks on the control system

Συγγραφείς: A. A. Margun, R. A. Iureva, D. V. Kolesnikova

Πηγή: Научно-технический вестник информационных технологий, механики и оптики, Vol 22, Iss 3, Pp 480-491 (2024)

Θεματικοί όροι: детектирование отказов, изоляция отказов, надежность, опасный отказ, функциональная безопасность, отказоустойчивость, кибератака, Information technology, T58.5-58.64

Περιγραφή αρχείου: electronic resource

Relation: https://ntv.elpub.ru/jour/article/view/243; https://doaj.org/toc/2226-1494; https://doaj.org/toc/2500-0373

Σύνδεσμος πρόσβασης: https://doaj.org/article/377f67b81cef42a3b74ff21191ae6079

DC motor fault detection and isolation scheme with the use of directional residual set

Συγγραφείς: N. S. Kolesnik, A. A. Margun

Πηγή: Научно-технический вестник информационных технологий, механики и оптики, Vol 22, Iss 3, Pp 492-500 (2024)

Θεματικοί όροι: детектирование отказов, локализация отказов, двигатель постоянного тока, направленный генератор рассогласований, Information technology, T58.5-58.64

Περιγραφή αρχείου: electronic resource

Relation: https://ntv.elpub.ru/jour/article/view/244; https://doaj.org/toc/2226-1494; https://doaj.org/toc/2500-0373

Σύνδεσμος πρόσβασης: https://doaj.org/article/ab61a227607340feae989d3ffd70ee20

Personalization of convolutional neural networks within the stress detection task using heart rate variability data

Συγγραφείς: M. O. Dobrokhvalov, A. Yu. Filatov

Πηγή: Научно-технический вестник информационных технологий, механики и оптики, Vol 23, Iss 6, Pp 1178-1186 (2024)

Θεματικοί όροι: детектирование стресса, сверточные нейронные сети, машинное обучение, вариабельность сердечного ритма, субъекто-зависимые модели, Information technology, T58.5-58.64

Περιγραφή αρχείου: electronic resource

Relation: https://ntv.elpub.ru/jour/article/view/32; https://doaj.org/toc/2226-1494; https://doaj.org/toc/2500-0373

Σύνδεσμος πρόσβασης: https://doaj.org/article/c32628146ac0458d98a716ab95b4b053

Investigation of the characteristics of a semiconductor laser diode as a transceiver for fiber Bragg gratings interrogation

Συγγραφείς: V. S. Oshlakov, A. S. Aleinik, S. A. Volkovskiy, D. S. Smirnov

Πηγή: Научно-технический вестник информационных технологий, механики и оптики, Vol 24, Iss 5, Pp 699-708 (2024)

Θεματικοί όροι: волоконные решетки брэгга, детектирование отклика от вбр, перестройка центральной длины волны, темновой ток, амплитудно-частотная характеристика, Information technology, T58.5-58.64

Περιγραφή αρχείου: electronic resource

Relation: https://ntv.elpub.ru/jour/article/view/110; https://doaj.org/toc/2226-1494; https://doaj.org/toc/2500-0373

Σύνδεσμος πρόσβασης: https://doaj.org/article/533884fe692b4604abfe3ff020da6a13

The System for Automated Processing of the Results of Thermal Imaging Diagnostics of Electrical Equipment ; Система автоматизированной обработки результатов тепловизионной диагностики электрооборудования

Συγγραφείς: A. D. Kosenko, V. A. Velichko, A. A. Kosenko, А. Д. Косенко, В. А. Величко, А. А. Косенко

Πηγή: ENERGETIKA. Proceedings of CIS higher education institutions and power engineering associations; Том 68, № 4 (2025); 324-342 ; Энергетика. Известия высших учебных заведений и энергетических объединений СНГ; Том 68, № 4 (2025); 324-342 ; 2414-0341 ; 1029-7448 ; 10.21122/1029-7448-2025-68-4

Θεματικοί όροι: нейросеть YOLO, thermal image of an electrical installation, infrared monitoring, infrared diagnostics, temperature excess, excessive temperature, contact connections, object detection, convolutional neural networks, YOLO neural networks, термограмма электроустановки, инфракрасный контроль, инфракрасная диагностика, превышение температуры, избыточная температура, контактное соединение, детектирование объектов, сверточные нейронные сети

Περιγραφή αρχείου: application/pdf

Relation: https://energy.bntu.by/jour/article/view/2480/1957; Энергетическая стратегия Российской Федерации на период до 2035 года: Распоряжение Правительства Российской Федерации от 9 июня 2020 г., № 1523-р // Министерство энергетики РФ. URL: https://minenergo.gov.ru/ministry/energy-strategy (дата обращения: 26.09.2024).; Реклоузер SMART 35 − Статистические данные по сетям и центрам питания 35 кВ в России // Elec.ru – электротехнический интернет-портал. URL: https://www.elec.ru/viewer?url=/files/2017/05/03/Reklouzer-SMART35.pdf (дата обращения: 26.09.2024).; Диагностика электрооборудования электрических станций и подстанций / А. И. Хальясмаа, С. А. Дмитриев, С. Е. Кокин, Д. А. Глушков. Екатеринбург: Изд-во Урал. ун-та, 2015. 64 с.; Секретарев, Ю. А. Модели текущего технического состояния электрооборудования для расчета надежности систем электроснабжения монопотребителей в рамках риск-ориентированного подхода / Ю. А. Секретарев, А. А. Горшунов // Энергетика. Изв. высш. учеб. заведений и энерг. объединений СНГ. 2025. Т. 68, № 1. С. 17–34. https://doi.org/10.21122/1029-7448-2025-68-1-17-34.; Хлебцов, А. П. Развитие методов и устройств диагностики силового электрооборудования трансформаторных подстанций / А. П. Хлебцов, Л. Х. Зайнутдинова, А. Н. Шилин // Электротехнические и информационные комплексы и системы. 2020. Т. 16, № 3. С. 14–27. https://doi.org/10.17122/1999-5458-2020-16-3-14-27.; Кувшинов, А. А. Диагностика технического состояния электрооборудования в системах электроснабжения: учеб. пособие / А. А. Кувшинов, В. П. Тараканов. Тольятти: ТГУ, 2016. 90 с.; Сви, П. М. Методы и средства диагностики оборудования высокого напряжения / П. М. Сви. М.: Энергоатомиздат, 1992. 240 с.; Максудов, Д. В. Методы селекции сигналов частичных разрядов в изоляции силовых трансформаторов / Д. В. Максудов, Е. М. Федосов // Вестник УГАТУ. 2009. Т. 12, № 2. С. 138–143.; Вдовико, В. П. Частичные разряды в диагностировании высоковольтного оборудования / В. П. Вдовико. М.: Наука, 2007. 156 с.; Кучинский, Г. С. Частичные разряды в высоковольтных конструкциях / Г. С. Кучинский. Л.: Энергия, Ленингр. отд-ние, 1979. 224 с.; Гавриленко, А. В. Методика вибрационного обследования силовых трансформаторов / А. В. Гавриленко, А. П. Долин. URL: https://megaom.ucoz.ru/_ld/0/40_____.pdf.; Пузина, Е. Ю. Системы мониторинга силовых трансформаторов тяговых подстанций / Е. Ю. Пузина, А. Г. Туйгунова, И. А. Худоногов. Иркутск: ИрГУПС, 2020. 184 с.; Вавилов, В. П. Инфракрасная термография и тепловой контроль / В. П. Вавилов. М.: ИД Спектр, 2009. 544 с.; Власенко, С. А. Мониторинг и диагностика болтовых электрических соединений системы тягового электроснабжения: монография / С. А. Власенко, И. В. Игнатенко. Хабаровск: Изд-во ДВГУПС, 2022. 107 с.; Коренчиак, Д. Тепловое измерение и его применение для диагностики масляных трансформаторов распределительных сетей. / Д. Коренчиак, M. Себок, М. Гуттен // Энергетика. Изв. высш. учеб. заведений и энерг. объединений СНГ. 2019. Т. 62, № 6. С. 583–594. https://doi.org/10.21122/1029-7448-2019-62-6-583-594.; РД 153-34.0-20.363–99 Основные положения методики инфракрасной диагностики электрооборудования и ВЛ. М.: СПО ОРГРЭС, 2001. 136 с.; РД 34.45-51.300–97 Объем и нормы испытаний электрооборудования. М.: Изд-во НЦ ЭНАС, 2004. 256 с.; Величко, В. А. Предложения по совершенствованию системы критериев оценки состояния электрооборудования по результатам инфракрасного контроля / В. А. Величко, А. Д. Чернова // Проблемы и перспективы развития электроэнергетики и электротехники: материалы V Всерос. науч.-практ. (с междунар. участием) конф., посвящ. празднованию 55-летия КГЭУ. Казань: КГЭУ, 2023. Т. 2. С. 219–228.; Лебедь, Н. И. Имитационное моделирование автоматизированных систем управления технологических процессов в электроэнергетике и АПК / Н. И. Лебедь. Волгоград: ФГБОУ ВО Волгоградский ГАУ, 2022. 88 с.; Standard for Infrared Inspection of Electrical Systems & Rotating Equipment. NJ: Infraspection Institute, 2016. URL: https://www.atlanticleak.com/wp-content/uploads/2019/08/Stan-dard-for-Infrared-Inspection-of-Electrical-systems-and-Rotating-Equipment.pdf (date of access 26.09.2024).; Kim, J. S. Infrared Thermal Image-Based Sustainable Fault Detection for Electrical Facilities / J. S. Kim, K. N. Choi, S. W. Kang // Sustainability. 2021. Vol 13, № 2. P. 557. https://doi.org/10.3390/su13020557.; Xu, F. Research on Power Equipment Troubleshooting Based on Improved AlexNet Neural Network / F. Xu, S. Liu, and W. Zhang // Journal of Measurements in Engineering. 2024. Vol. 12, No 1. Р. 162–182. https://doi.org/10.21595/jme.2023.23786.; Wu, J. An Infrared Image Detection of Power Equipment Based on Super-Resolution Reconstruction and YOLOv4 / J. Wu, X. Li, Y. Zhou // The Journal of Engineering. 2022. Vol. 2022, No 10. P. 1006–1016. https://doi.org/10.1049/tje2.12187.; Efficient Real-Time Detection of Electrical Equipment Images Using a Lightweight Detector Model / C. Qi, Z. Chen, X. Chen [et al.] // Frontiers in Energy Research. 2023. Vol. 11. P. 1291382. https://doi.org/10.3389/fenrg.2023.1291382.; Electric Substation Inspection: YOLOv5 in Hotspot Detection Through Thermal Imaging / D. A. Pérez-Aguilar, J. M. Pérez-Aguilar, A. P. Pérez-Aguilar [et al.] // Ingenius, Revista Ciencia y Tecnología. 2024. Vol 31. P. 43–54. https://doi.org/10.17163/ings.n31.2024.04.; 王媛彬. 基于自适应特征融合和注意力机制的变电设备红外图像识别 /王媛彬, 吴冰超 // 电子与信息学报. 2024. Vol. 46, No 9. P. 3749–3756 = Wang, Y., Infrared Image Recognition of Substation Equipment Based on Adaptive Feature Fusion and Attention Mechanism / Y. Wang, B. Wu // Journal of Electronics & Information Technology. 2024. Vol. 46, No 9. P. 3749–3756. https://doi.org/10.11999/JEIT231047.; Ahmed, K. R. Smart Pothole Detection Using Deep Learning Based on Dilated Convolution / K. R. Ahmed // Sensors. 2021. Vol. 21, No 24. P. 8406. https://doi.org/10.3390/s21248406.; Величко, В. А. Программная реализация алгоритма по автоматизации тепловизионной диагностики оборудования подстанций с использованием нейросети YOLOv5 / В. А. Величко, А. Д. Косенко // Университетский комплекс как региональный центр образования, науки и культуры: материалы Всерос. науч.-метод. конф., Оренбург, 01–03 февр. 2024 г. Оренбург: Оренбургский государственный университет, 2024. С. 1209–1214.; Чернова, А. Д. Разметка изображений элементов электроустановок для обучения нейросети Yolov5 / А. Д. Чернова, В. А. Величко // Энергетика: состояние, проблемы, перспективы: материалы XIV Всероссийской науч.-техн. конф., Оренбург. Оренбург: Оренбург. гос. ун-т, 2023. С. 217–222.; Ярышев, С. Н. Технологии глубокого обучения и нейронных сетей в задачах видеоанализа / С. Н. Ярышев, В. А. Рыжова. СПб.: Ун-т ИТМО, 2022. 82 с.; Обучение YOLOv5 на пользовательских данных // Ultralytics. URL: https://docs.ultralytics.com/yolov5/tutorials/train_custom_data/ (дата обращения: 11.01.2024).; Gomede, E. The Significance of Train-Validation-Test Split in Machine Learning / E. Gome-de // Medium. URL: https://medium.com/@evertongomede/the-significance-of-train-valida-tion-test-split-in-machine-learning-91ee9f5b98f3. Publ. date: 28.08.2023.; https://energy.bntu.by/jour/article/view/2480

Διαθεσιμότητα: https://energy.bntu.by/jour/article/view/2480
https://doi.org/10.21122/1029-7448-2025-68-4-324-342

Детектирование эмоций и семантика эмотивов: грусть и гнев в аннотированной выборке текстов ; Emotion Detection and Semantics of Emotives: Distress and Anger in Annotated Text Dataset

Συγγραφείς: Колмогорова, А. В., Kolmogorova, A. V.

Θεματικοί όροι: ЯЗЫКОЗНАНИЕ, ЛИНГВИСТИКА ТЕКСТА, ИНТЕРНЕТ, ИНТЕРНЕТ-ПРОСТРАНСТВО, ИНТЕРНЕТ-ТЕХНОЛОГИИ, ИНТЕРНЕТ-КОММУНИКАЦИИ, ИНТЕРНЕТ-ДИСКУРС, ИНТЕРНЕТ-ТЕКСТЫ, РУССКИЙ ЯЗЫК, СОЦИАЛЬНЫЕ СЕТИ, ЭМОЦИИ, ЭМОЦИОНАЛЬНЫЕ СОСТОЯНИЯ, ЯЗЫКОВЫЕ СРЕДСТВА, ЭМОТИВЫ, ГРУСТЬ, ГНЕВ, ЭМОЦИОНАЛЬНЫЙ АНАЛИЗ ТЕКСТА, ДЕТЕКТИРОВАНИЕ ЭМОЦИЙ, СЕМАНТИЧЕСКИЕ ОПИСАНИЯ, ЛЕКСИЧЕСКАЯ СЕМАНТИКА, ЭМОЦИОНАЛЬНОЕ АННОТИРОВАНИЕ, СЕМАНТИКА ЭМОТИВОВ, ЭМОЦИОНАЛЬНАЯ ЛЕКСИКА, АННОТИРОВАННАЯ ВЫБОРКА ТЕКСТОВ, EMOTIONS, DISTRESS, ANGER, EMOTIONAL TEXT ANALYSIS, EMOTION DETECTION, SEMANTIC DESCRIPTION

Θέμα γεωγραφικό: USPU

Relation: Филологический класс. 2021. Т. 26, № 2

Διαθεσιμότητα: https://elar.uspu.ru/handle/ru-uspu/54386
https://doi.org/10.51762/1FK-2021-26-02-06

Development of a web application for an experiment to restore the neutron spectrum using neural network algorithms ; Разработка веб-приложения для эксперимента по восстановлению спектра нейтронов с применением алгоритмов нейронный сетей

Συγγραφείς: Белый, А. А., Стариковская, М. Д., Чижов, К. А.

Πηγή: System Analysis in Science and Education = Sistemnyj analiz v nauke i obrazovanii; No. 2 (2025); 49-57 ; Системный анализ в науке и образовании; № 2 (2025); 49-57 ; 2071-9612

Θεματικοί όροι: восстановление спектра, спектрометр Боннера, дозиметрия, анализ данных, машинное обучение, спектрометрия и детектирование нейтронов, генерация данных, веб-приложение, случайный лес, градиентный бустинг, мощность дозы, spectrum restoration, Bonner spectrometer, dosimetry, data analysis, machine learning, spectrometry and neutron detection, data generation, web application, random forest, gradient boosting, dose rate

Περιγραφή αρχείου: application/pdf

Relation: https://sanse.ru/index.php/sanse/article/view/664/628; https://sanse.ru/index.php/sanse/article/view/664

Διαθεσιμότητα: https://sanse.ru/index.php/sanse/article/view/664

Концептуальное проектирование системы мониторинга и анализа динамики лесных пожаров

Θεματικοί όροι: fire segmentation, fire spread dynamics, визуализация, сегментация пожаров, обработка изображений, лесные пожары, neural networks, image processing, динамика распространения пожаров, forest fires, нейронные сети, satellite images, fire detection, visualization, спутниковые снимки, детектирование пожаров

Cверточные нейронные сети семейства YOLO для решения задачи мультиклассификации изображений

Θεματικοί όροι: воздушное пространство, изображения, компьютерное зрение, мультиклассификация, летающие объекты, электронный ресурс, машинное обучение, детектирование, труды учёных ТПУ

Περιγραφή αρχείου: application/pdf

Σύνδεσμος πρόσβασης: http://earchive.tpu.ru/handle/11683/77974

Модель сверточной нейронной сети для детектирования объектов воздушного пространства на изображениях

Θεματικοί όροι: воздушное пространство, сверточная нейронная сеть, изображения, летательные аппараты, мониторинг, подвижные объекты, модификация, летающие объекты, электронный ресурс, детектирование, труды учёных ТПУ

Περιγραφή αρχείου: application/pdf

Σύνδεσμος πρόσβασης: http://earchive.tpu.ru/handle/11683/78056

Детектирование летающих объектов на изображениях с помощью свёрточных нейронных сетей семейства YOLO

Θεματικοί όροι: изображения, компьютерное зрение, интеллектуальные системы, нейронные сети, летающие объекты, электронный ресурс, машинное обучение, детектирование, труды учёных ТПУ

Περιγραφή αρχείου: application/pdf

Σύνδεσμος πρόσβασης: http://earchive.tpu.ru/handle/11683/77973

Анализ эффективности сверточной нейронной сети YOLOV4-CSP при решении задачи мультиклассификации изображений

Θεματικοί όροι: воздушное пространство, изображения, мультиклассификации, электронный ресурс, сверточные нейронные сети, детектирование, труды учёных ТПУ

Περιγραφή αρχείου: application/pdf

Σύνδεσμος πρόσβασης: http://earchive.tpu.ru/handle/11683/77983

К ВОПРОСУ О КОДИРОВАНИИ И ДЕКОДИРОВАНИИ ИНФОРМАЦИИ В СФЕРЕ ТЕЛЕМЕДИЦИНЫ

Θεματικοί όροι: CRC-32-IEEE 802.3 modelling, error detection, моделирование CRC-32-IEEE 802.3, cyclic redundant code, telemedicine, циклический избыточный код, телемедицина, 3. Good health, детектирование ошибок

Measurement method of agidol-40, acetophenone, vulkacite-P-extra N, sulphenamide C mass concentrations in aqueous matrices

Πηγή: Химическая безопасность / Chemical Safety Science. 6:173-189

Θεματικοί όροι: высокоэффективная жидкостная хроматография, УФ-детектирование, массовая концентрация, 3. Good health

Table Recognition Technology in Tax Documents of the Russian Federation

Συγγραφείς: Slavin, O.A.

Πηγή: Bulletin of the South Ural State University. Series "Mathematical Modelling, Programming and Computer Software". 17

Θεματικοί όροι: раскладка таблиц, line detection, УДК 004.932.72'1, детектирование отрезка, table layout, table recognition, распознавание таблиц

Περιγραφή αρχείου: application/pdf

Σύνδεσμος πρόσβασης: http://dspace.susu.ru/xmlui/handle/00001.74/62758

Программный комплекс мониторинга исполнения техники безопасности на промышленном предприятии

Συνεισφορές: Трохова, Т. А.

Θεματικοί όροι: Web- приложение, Детектирование объектов, Автоматизация

Περιγραφή αρχείου: application/pdf

Σύνδεσμος πρόσβασης: https://elib.gstu.by/handle/220612/38516

Особенности алгоритма распознавания номера вагона по изображению

Θεματικοί όροι: компьютерное зрение, AI, neural network, carriage number, 11. Sustainability, detection, ИИ, номер вагона, 7. Clean energy, детектирование, computer vision, нейронная сеть