ПРОГНОЗИРОВАНИЕ СТАТИСТИЧЕСКИХ ДАННЫХ АТАК НА ПРИКЛАДНОЕ ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ

Ларионов К.О.

Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Ларионов Константин Олегович – аспирант,  кафедра вычислительной техники и защиты информации, Оренбургский государственный университет, г. Оренбург

Аннотация: в статье описывается метод прогнозирования статистических данных атак на прикладное программное обеспечение. Актуальность разработки метода обуславливается тем, что в работе применяется метод прогнозирования сезонных рядов количества атак на прикладное программное обеспечение. В качестве достоинств работы стоит отметить использование метода прогнозирования полигармоническим полиномом узкоспециализированных сезонных рядов, возможность гибко настраивать модель под конкретный ряд в зависимости от внешних условий, где находятся собранные статистические данные, ошибка при построении прогноза составила 12.33%.

Ключевые слова: защита, система, информация, программное обеспечение, нефтегазовое оборудование, анализ, методы защиты, прогнозирование, метод, полигармонический полином, сезонность.

FORECASTING ATTACK STATISTICS ON APPLIED SOFTWARE

Larionov K.O.

Larionov Konstantin Olegovich – Postgraduate, DEPARTMENT OF COMPUTING AND INFORMATION SECURITY, ORENBURG STATE UNIVERSITY, ORENBURG

Abstract: the article describes a method for predicting statistical data of attacks on applied software. The relevance of the development of the method is due to the fact that the method for predicting the seasonal series of the number of attacks on applied software is used in the work. As the advantages of the work, it is worth noting the use of the polyharmonic polynomial forecasting method for highly specialized seasonal series, the ability to flexibly adjust the model for a specific series, depending on the external conditions where the collected statistical data are located, the error in forecasting was 12.33%.

Keywords: protection, system, information, software, oil and gas equipment, analysis, protection methods, forecasting, method, polyharmonic polynomial, seasonality.

Список литературы / References

• Гулов В.П. Алгоритм прогнозирования вероятности реализации угроз несанкционированного доступа к информации технологических медицинских информационных систем / Гулов Владимир Павлович, Скрыпников А.В., Хвостов В.А., Пелешенко Е.И. Воронеж: Издательство: Printing house "Maestro", С. 31-35.
• Десницкий В.А. Модель защиты программного обеспечения на основе механизма "удаленного доверия" / Десницкий В.А., Котенко И.В. Санкт-Петербург: Издательство: Министерство науки и высшего образования РФ (Санкт-Петербург), 2008. С. 26-31.
• Жигулин Г.П. Мониторинг ресурсов и прогнозирования поля угроз системы защиты информации. Санкт-Петербург: Издательство: Федеральное государственное казенное военное образовательное учреждение высшего образования "Краснодарское высшее военное училище имени генерала армии С.М. Штеменко" Министерства обороны Российской Федерации (Краснодар), 2010. С. 78-87.
• Лебедев С.С. Разработка методов и средств комплексной оценки качества систем защиты программного обеспечения. Москва: Издательство: Московский автомобильно-дорожный государственный технический университет (МАДИ) (Москва), 2007. С. 84-89.
• Соловьев С.В. Применение экспертных методов при прогнозировании угроз безопасности информации с использованием баз данных уязвимостей / Соловьев С.В., Мамута В.В. Воронеж. Издательство: Воронежский государственный технический университет (Воронеж), 2014. С. 460-463.
• Mlynarczyk M. Аnalysis and si promien - comparison of the functionality of the software for the assessment of contamination / Mlynarczyk M., Maciejewski P., Szerszen M. Варшава: Издательство: Centrum Naukowo-Badawcze Ochrony Przeciwpozarowej im. Jozefa Tuliszkowskiego - Panstwowy Instytut Badawczy (Юзефув), С. 133-138.

Ссылка для цитирования данной статьи

		Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Ларионов К.О. ПРОГНОЗИРОВАНИЕ СТАТИСТИЧЕСКИХ ДАННЫХ АТАК НА ПРИКЛАДНОЕ ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ // Проблемы современной науки и образования  № 6 (163), 2021. - С. {см. журнал}.

КОМПЛЕКСНЫЕ АЛГОРИТМЫ КЛАССИФИКАЦИИ ВИЗУАЛЬНЫХ ОБЪЕКТОВ НА БАЗЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ

Мостовщиков Д.Н., Могилатов Р.К., Бабкин О.В.

Email: MostovshchikovАдрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Мостовщиков Дмитрий Николаевич – старший системный архитектор,

Li9, Inc., г. Феникс;

Могилатов Роман Константинович - технический руководитель,

Python SoftServe Inc., г. Роли;

Бабкин Олег Вячеславович – старший системный архитектор,

Li9, Inc., г. Феникс,

Соединенные Штаты Америки

Аннотация: проведен анализ современных подходов, применяемых при построении программных и нейросетевых алгоритмов выделения и классификации визуальных объектов в массивах графических данных. Указана необходимость комплексного подхода при организации систем машинного анализа изображения. Предложена комплексная схема машинного анализа, которая включает себе этапы предварительной обработки входных данных (операции восстановления изображения, настройки параметров, сегментации) и работы с визуальными объектами (выделение визуального объекта, определение признаков, классификация). Методика оптимизации алгоритмов машинного анализа базируется на математическом моделировании процессов регистрации и обработки изображения, а также построении целевых функций путем формализации требований, указанных при постановке конкретной задачи по работе с графическими данными. Таким образом, в рамках исследования, проблема оптимизации решается через определения глобальных экстремумов целевых функций, которые являются показателями эффективности выделения и классификации визуальных объектов.

Ключевые слова: графические данные, машинный анализ, визуальный объект, программные алгоритмы, нейросетевые алгоритмы, предварительная обработка изображения, целевые функции. 

COMPLEX ALGORITHMS FOR THE CLASSIFICATION OF VISUAL OBJECTS BASED ON MACHINE LEARNING METHODS

Mostovshchikov D.N., Mogylatov R.K., Babkin O.V.

Mostovshchikov Dmitrii Nikolaevich – Senior Systems Architect

LI9, INC., PHOENIX;

Mogylatov Roman Kostyantynovych – Technical Leader,

PYTHON SOFTSERVE INC., RALEIGH;

Babkin Oleg Vyacheslavovich – Senior Systems Architect,

LI9 INC., PHOENIX,

UNITED STATES OF AMERICA

Abstract: the analysis of modern approaches used in the construction of software and neural network algorithms for the selection and classification of visual objects in graphical data arrays is carried out. The need for an integrated approach to the organization of systems for machine image analysis is indicated. A complex scheme of machine analysis is proposed, which includes the stages of preliminary processing of input data (image restoration operations, setting parameters, segmentation) and working with visual objects (highlighting a visual object, determining features, classification). The optimization technique for machine analysis algorithms is based on mathematical modeling of the registration and image processing processes, as well as the construction of target functions by formalizing the requirements specified in the formulation of a specific task for working with graphic data. Thus, within the framework of the study, the optimization problem is solved through the determination of the global extrema of the objective functions, which are indicators of the efficiency of the selection and classification of visual objects.

Keywords: graphic data, machine analysis, visual object, software algorithms, neural network algorithms, image preprocessing, objective functions.

 Список литературы / References

• Zou J., Li Z. & Hong D. (2019). Super-Resolution Reconstruction of Images Based on Microarray Camera. Computers, Materials & Continua, 60 (1), 163-177. doi: 10.32604/cmc.2019.05795.
• Rowcliffe J.M., Carbone С., Jansen P.A., Kays R., Kranstauber В. (2011). Quantifying the sensitivity of camera traps: an adapted distance sampling approach. Methods in Ecology and Evolution. 2 (5). 464–476. doi: 10.1111/j.2041-210x.2011.00094.
• Bonneau J. (2020). Financial cryptography and data security: 24th international conference, Fc 2020, Kota Kinabalu, Malaysia, February 10-14, 2020: revised selected papers.
• Bracciali A., Clark J., Pintore F., Rønne P.B. & Sala M. (2020). Financial Cryptography and Data Security Fc 2019 International Workshops, Voting and Wtsc, St. Kitts, St. Kitts and Nevis, February 18-22, 2019, Revised Selected Papers. Springer International Publishing.
• Metheny M. (2013). Security and Privacy in Public Cloud Computing. Federal Cloud Computing, 71-102. doi:10.1016/b978-1-59-749737-4.00004-6.
• Cheng P. & Qu H. (2014). Design and Realization Based on Cloud Stack Hybrid Cloud Computing Platform. Advanced Materials Research, 989-994, 2297-2300.
• Seelamantula C.S. & Blu T. (2015). Image denoising in multiplicative noise. 2015 IEEE International Conference on Image Processing (ICIP). doi:10.1109/icip.2015.7351056.
• Hou J., Tian J. & Liu J. (2005). Spatial image filtering based on wavelet thresholding denoising. MIPPR 2005: Image Analysis Techniques. doi:10.1117/12.652332.
• Zhang C., Liu W. & Xing W. (2018). Color image enhancement based on local spatial homomorphic filtering and gradient domain variance guided image filtering. Journal of Electronic Imaging, 27(06), 1. doi:10.1117/1.jei.27.6.063026.
• Huang C. & Nguyen M. (2019). X-Ray Enhancement Based on Component Attenuation, Contrast Adjustment, and Image Fusion. IEEE Transactions on Image Processing, 28(1), 127-141. doi:10.1109/tip.2018.2865637.
• Petro A. & Sbert C. (2013). Selective Contrast Adjustment by Poisson Equation. Image Processing On Line, 3, 208-222. doi:10.5201/ipol.2013.41.
• Karim T. & Tasneem T. (2014). Analytical Adjustment of Image Contrast. International Journal of Computer Applications, 98(20), 44-49. doi:10.5120/17303-7794.
• Bajla I., Soukup D. & Stolc S. (2011). Occluded Image Object Recognition using Localized Nonnegative Matrix Factorization Methods. Object Recognition. doi:10.5772/14124.
• Han S. & Vasconcelos N. (2006). Image Compression using Object-Based Regions of Interest. 2006 International Conference on Image Processing. doi:10.1109/icip.2006.313095.
• Adam B., Zaman F., Yassin I., Abidin H. & Rizman Z. (2018). Performance evaluation of faster R-CNN on GPU for object detection. Journal of Fundamental and Applied Sciences, 9 (3S), 909.
• Shiga M., Muto S. (2019). Non-negative Matrix Factorization and Its Extensions for Spectral Image Data Analysis. E-Journal of Surface Science and Nanotechnology. 17 (1). 148-154. doi:10.1380/ejssnt.2019.148.
• Azawi N., Gauch J. (2019). Ransac Based Motion Compensated Restoration for Colonoscopy Images. Signal & Image Processing: An International Journal. 10 (4). 9-16. doi:10.5121/sipij.2019.10402.
• Viola Р. and Jones M.J. «Robust real-time face detection», International Journal of Computer Vision. Vol. 57, № 2, 2004. Р 137–154.
• Wang X., Ma H. & Chen X. (2016). Salient object detection via fast R-CNN and low-level cues. 2016 IEEE International Conference on Image Processing (ICIP).
• Alorf A.A. (2016). Performance evaluation of the PCA versus improved PCA (IPCA) in image compression, and in face detection and recognition. 2016 Future Technologies Conference (FTC). doi:10.1109/ftc.2016.7821659.
• Gnouma M., Ladjailia A., Ejbali R., Zaied M. (2018). Stacked sparse autoencoder and history of binary motion image for human activity recognition. Multimedia Tools and Applications, 78 (2), 2157-2179. doi:10.1007/s11042-018-6273-1.
• Qi X., Silvestrov S., Nazir T. (2017). Data classification with support vector machine and generalized support vector machine. doi:10.1063/1.4972718.
• Ren Y., Tang L. (2019). A nonconvex and nonsmooth anisotropic total variation model for image noise and blur removal. Multimedia Tools and Applications, 79 (1-2), 1445-1473. doi:10.1007/s11042-019-08179-8.
• Vincent L. & Heijmans H. (2018). Graph Morphology in Image Analysis. Mathematical Morphology in Image Processing, 170-203. doi:10.1201/9781482277234-6.
• Roerdink J.B. (2018). Mathematical Morphology with Noncommutative Symmetry Groups. Mathematical Morphology in Image Processing, 205-254. doi:10.1201/9781482277234-7.
• Liu K., Lu B., Wei Y. (2013). Better image texture recognition based on SVM classification. MIPPR 2013: Pattern Recognition and Computer Vision. doi:10.1117/12.2031539.
• Budiman A., Fanany M.I. & Basaruddin C. (2014). Stacked Denoising Autoencoder for feature representation learning in pose-based action recognition. 2014 IEEE 3rd Global Conference on Consumer Electronics (GCCE). doi:10.1109/gcce.2014.7031302.
• Liang J., & Liu R. (2015). Stacked denoising autoencoder and dropout together to prevent overfitting in deep neural network. 2015 8th International Congress on Image and Signal Processing (CISP). doi:10.1109/cisp.2015.7407967.
• Menezes J., Poojary N. (2019). Hyperspectral image Data Classification with Refined Spectral-Spatial features based on Stacked Autoencoder approach. Recent Patents on Engineering, 13. doi: 10.2174/187221211366619091114 1616.
• Sercu T. & Goel V. (2016). Advances in Very Deep Convolutional Neural Networks for LVCSR. Interspeech 2016. doi:10.21437/interspeech.2016-1033.
• Zhang Z., Gong C., Liu R. (2017). Face Detection Based on Method Combined RVM and SVM. Computer Science and Artificial Intell doi:10.1142/9789813220294_0058.
• Ganakwar D.G., Kadam V.K. (2019). Face Detection Using Boosted Cascade of Simple Feature. 2019 International Conference on Recent Advances in Energy-efficient Computing and Communication (ICRAECC). doi:10.1109/icraecc43874.2019.8994977.

Ссылка для цитирования данной статьи

		Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Мостовщиков Д.Н., Могилатов Р.К., Бабкин О.В. КОМПЛЕКСНЫЕ АЛГОРИТМЫ КЛАССИФИКАЦИИ ВИЗУАЛЬНЫХ ОБЪЕКТОВ НА БАЗЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ // Проблемы современной науки и образования  № 6 (163), 2021. - С. {см. журнал}.

PROSPECTS FOR FOOD TOURISM DEVELOPMENT IN UZBEKISTAN

Meyliev N.Kh., Martirosova V.A.

Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Meyliev Nurbek Khayrullayevich – Candidate of Sciences in Economics, Dean of Tourism and International marketing academic direction,

Martirosova Violetta Arturovna – Student,

FACULTY OF TOURISM,

YEOJU INSTITUTE OF TECHNOLOGY,

TASHKENT, REPUBLIC OF UZBEKISTAN

Abstract: the article reveals the relevance and prospects for the development of various areas of gastronomic tourism in the Republic of Uzbekistan. The experience and achievements in this area of foreign countries are considered. The analysis of the potential opportunities of our country for reaching the level of world leaders in the development of food tourism has been carried out. Options for expanding gastronomic tourist routes are proposed. The conclusion is drawn about the work already done in the country. Relevant activities necessary to further achieve the goal of establishing food tourism in Uzbekistan are outlined.

Keywords: gastronomic tourism, food tourism, gastronomic brand.

ПЕРСПЕКТИВЫ РАЗВИТИЯ ФУД-ТУРИЗМА В УЗБЕКИСТАНЕ

Мейлиев Н.Х., Мартиросова В.А.

Мейлиев Нурбек Хайруллаевич – кандидат экономических наук, декан по туризму и международному маркетингу академического направления;

Мартиросова Виолетта Артуровна – студент,

факультет туризма,

Технический институт Ёджу,

г. Ташкент, Республика Узбекистан

Аннотация: в статье раскрывается актуальность и перспективы развития различных направлений гастрономического туризма в Республике Узбекистан. Рассмотрены опыт и достижения в этой области зарубежных стран. Выполнен анализ потенциальных возможностей нашей страны для выхода на уровень мировых лидеров в развитии фуд-туризма (гастрономического туризма). Предложены варианты для расширения гастрономических туристических маршрутов. Сделан вывод об уже проделанной в стране работе. Обозначены актуальные мероприятия, необходимые для дальнейшего достижения цели становления фуд-туризма в Узбекистане.

Ключевые слова: гастрономический туризм, фуд-туризм, гастрономический бренд.

References / Список литературы

• Shenoy S.S. Food tourism and the culinary tourist _ A Thesis Presented to the Graduate School of: dis. - Doctoral dissertation, Clemson University, 2005.
• Siraya E.A. Conceptualization of gastronomic tourism as an innovative tourist model in the period of globalization // Collection of scientific papers, 2013. 54. № 4. P. 10.
• Richards G. Food and tourism experience // UNWTO Journal: Global Report on Food Tourism. S. 20-21.
• Malentsova P.S., Tishkina A.G. Conditions and organization of gastronomic tourism in France // Paradigm: philosophical and cultural almanac, 2018. № 28.
• Dracheva E.L., Khristov T.T. Gastronomic tourism: current trends and prospects // Russian regions: a look into the future, 2015. № 3 (4).
• Tourism in Uzbekistan in figures. Text: electronic // Uzbekistan.travel: [sitehttps://uzbekistan.travel/ru/o/turizm-v-uzbekistane-v-cifrah/ (date of access: 29.05.021).

Ссылка для цитирования данной статьи

		Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Meyliev N.Kh., Martirosova V.A. PROSPECTS FOR FOOD TOURISM DEVELOPMENT IN UZBEKISTAN // Проблемы современной науки и образования  № 6 (163), 2021. - С. {см. журнал}.

МЕТОДОЛОГИЧЕСКИЕ АСПЕКТЫ ДИФФЕРЕНЦИРОВАННОГО ПОДХОДА К ОБУЧЕНИЮ РУССКОМУ ЯЗЫКУ КАК ИНОСТРАННОМУ В ВОЕННЫХ АКАДЕМИЧЕСКИХ ЛИЦЕЯХ

Комилова М.М.

Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

 Комилова Муяссар Мавжудовна – главный преподаватель, Ташкентский военный академический лицей «Темурбеклари мактаби», г. Ташкент, Республика Узбекистан

Аннотация: в статье рассмотрено значение дифференцированного подхода в обучении русскому языку как иностранному в военных академических лицеях Республики Узбекистан. Определены методологические аспекты и принципы реализации дифференцированного подхода. Сделаны выводы об эффективности применения дифференциации в системе обучения русскому языку, рассмотрены возможные способы практической реализации дифференцированного подхода в учебном процессе военного академического лицея. Отмечена важность построения учебного процесса с учетом индивидуальности учащихся.

Ключевые слова: обучение русскому языку, дифференцированный подход, военный лицей, иностранный язык.

METHODOLOGICAL ASPECTS OF A DIFFERENTIATED APPROACH TO TEACHING THE RUSSIAN LANGUAGE AS A FOREIGN LANGUAGE IN MILITARY ACADEMIC LYCES

Komilova M.M.

Komilova Muyassar Mavzhudovna – Chief Teacher, TASHKENT MILITARY ACADEMIC LYCEUM "TEMURBEKLARI MAKTABI", TASHKENT, REPUBLIC OF UZBEKISTAN

Abstract: the article examines the importance of a differentiated approach in teaching Russian as a foreign language in military academic lyceums of the Republic of Uzbekistan. The methodological aspects and principles of the differentiated approach implementation are determined. Conclusions are made about the effectiveness of the application of differentiation in the system of teaching the Russian language, possible ways of practical implementation of the differentiated approach in the educational process of the military academic lyceum are considered. The importance of building the educational process taking into account the individuality of students is noted.

Keywords: teaching Russian, differentiated approach, military lyceum, foreign language.

Список литературы / References

• Кузнецова Н.Ю. Управление дифференцированным обучением при овладении иноязычной коммуникативной компетенцией в условиях неязыкового вуза // Профессиональное образование в России и за рубежом, 2012. № 8.
• Ладохина И.Ю. Особенности индивидуального и дифференцированного подходов к обучению в гуманистической парадигме // Проблемы и перспективы развития образования в России, 2012. № 17.
• Захарова М.Е. Познавательная самостоятельность у студентов в изучении иностранного языка при дифференцированном подходе // Сибирский педагогический журнал, 2010. № 11.
• Хуторской А.В. Методика личностно-ориентированного обучения. Как обучать всех по-разному? Пособие для учителя / А.В. Хуторской. М.: Изд-во ВЛАДОС-ПРЕСС, 2005.
• Рубин Ю.Б. Стандартизация образовательных программ на «Болонском перепутье» // Прикладная информатика. 2006. № 4.
• Коряковцева Н.Ф. Теория обучения иностранным языкам: Продуктивные образовательные технологии: учеб. пособие для студ. лингв. фак. высш. учеб. заведений. М.: Академия, 2010.
• Краснощекова Г.А. Роль информационно-коммуникационных технологий в осуществлении дифференцированного подхода к обучению грамматике // Известия ЮФУ. Технические науки, 2009. № 1.
• Гавриш С.В. Особенности дифференцированного подхода в изучении РКИ на начальном этапе / С.В. Гавриш. Текст: непосредственный // Молодой ученый, 2016. № 6 (110). С. 757-760.

Ссылка для цитирования данной статьи

		Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Комилова М.М.МЕТОДОЛОГИЧЕСКИЕ АСПЕКТЫ ДИФФЕРЕНЦИРОВАННОГО ПОДХОДА К ОБУЧЕНИЮ РУССКОМУ ЯЗЫКУ КАК ИНОСТРАННОМУ В ВОЕННЫХ АКАДЕМИЧЕСКИХ ЛИЦЕЯХ // Проблемы современной науки и образования  № 6 (163), 2021. - С. {см. журнал}.

ОСНОВНЫЕ ФОРТЕПИАННЫЕ ИСПОЛНИТЕЛЬСКИЕ ТЕНДЕНЦИИ В СОВРЕМЕННОЙ КУЛЬТУРЕ

Ан А.А.

Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Ан Анжелла Александровна - старший преподаватель,  кафедра общего фортепиано, Государственная консерватория Узбекистана,  г. Ташкент, Республика Узбекистан  

Аннотация: внедрение искусства в массы значительно освежило музыкальную жизнь, но на фоне этого явно прослеживается феномен «Переходной культуры», заключающийся в принятии современной поп-культуры за уникальность нового, а классические произведения зачастую сопровождаются ассоциацией со стереотипностью и скукой.

В данной статье проводится анализ основных тенденций и стилей в фортепианном исполнительстве, их традиций, проблем, кризиса духовности; описываются поколение пианистов XX-XXI веков, современные исполнительские интерпретации, их творческие предпочтения, исполнительский стиль и перспективы.

Ключевые слова: музыка, фортепианное исполнительство, духовность, культура, искусство, интерпретация, стиль, знание, современное общество, музыкальное просвещение.

MAJOR PIANO PERFORMANCE TRENDS IN CONTEMPORARY CULTURE

An A.А.

An Anzhella Aleksandrovna – Teacher, DEPARTMENT GENERAL PIANOFORTE, STATE CONSERVATORY OF UZBEKISTAN, TASHKENT, REPUBLIC OF UZBEKISTAN

Abstract: the introduction of art to the masses has significantly refreshed musical life, but against this background, the phenomenon of "Transitional Culture" is clearly traced, which consists in the acceptance of modern pop culture for the uniqueness of the new, and classical works are often accompanied by an association with stereotypes and boredom.

The article contains the main tendencies and styles of piano performance, their traditions, problems, crisis of spirituality; the generation of pianists of XX-XXI centuries, contemporary performing interpretations, their creative preferences, performing styles and perspectives.

Keywords: music, piano performance, spirituality, culture, art, interpretation, style, knowledge, modern society, musical education.

Список литературы / References

• Левин И.А. Основные принципы игры на фортепиано. М.: Музыка, 1978.
• Малинковская А.В. Фортепианно-исполнительское интонирование. М.: Музыка, 1990.

Ссылка для цитирования данной статьи

		Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Ан А.А. ОСНОВНЫЕ ФОРТЕПИАННЫЕ ИСПОЛНИТЕЛЬСКИЕ ТЕНДЕНЦИИ В СОВРЕМЕННОЙ КУЛЬТУРЕ // Проблемы современной науки и образования  № 6 (163), 2021. - С. {см. журнал}.