Публикация научных работ

УСЛОВИЯ РАЗВИТИЯ И СОВЕРШЕНСТВОВАНИЯ ГОРОДСКИХ ТРАНСПОРТНО-ЛОГИСТИЧЕСКИХ СИСТЕМ

Арифджанова Н. З.

Арифджанова Нафиса Захидовна – старший преподаватель,  кафедра транспортной логистики, Ташкентский Государственный Транспортный университет, г. Ташкент, Республика Узбекистан

Аннотация: статья представляет собой всесторонний анализ ключевых аспектов, влияющих на эффективность работы городских транспортных систем. В статье рассматриваются такие важные области, как внедрение инноваций в транспортной логистике, цифровизация транспортных систем, улучшение управления общественным транспортом, и интеграция различных видов транспорта. Основное внимание уделяется тому, как эти аспекты способствуют повышению эффективности, доступности и устойчивости городских транспортных систем, влияя на экономическое развитие, социальное благополучие и экологическую устойчивость городов. В статье подчеркивается необходимость комплексного подхода к развитию и совершенствованию городских транспортных систем, аргументируя, что только сбалансированное развитие всех этих областей позволит достичь оптимальных результатов.

Ключевые слова: транспортная логистика, городской транспорт, инновации в транспорте, цифровизация транспортных систем, управление общественным транспортом, интеграция видов транспорта, эффективность городского транспорта, устойчивое развитие, экологическая устойчивость, городская мобильность.

CONDITIONS FOR THE DEVELOPMENT AND IMPROVEMENT OF URBAN TRANSPORT AND LOGISTICS SYSTEMS

Arifjanova N.Z.

Arifjanova Nafisa Zakhidovna – Senior Lecturer, DEPARTMENT OF TRANSPORT LOGISTICS, TASHKENT STATE TRANSPORT UNIVERSITY,  TASHKENT, REPUBLIC OF UZBEKISTAN

Abstract: the article provides a comprehensive analysis of key aspects that influence the efficiency of urban transport systems. It examines important areas such as the implementation of innovations in transport logistics, digitalization of transport systems, improvement in public transport management, and integration of various modes of transport. The primary focus is on how these aspects contribute to enhancing the efficiency, accessibility, and sustainability of urban transport systems, impacting economic development, social well-being, and environmental stability of cities. The article emphasizes the need for a comprehensive approach to the development and improvement of urban transport systems, arguing that only a balanced development of all these areas will lead to optimal results.

Keywords: transport logistics, urban transport, transport innovations, digitalization of transport systems, public transport management, integration of transport modes, efficiency of urban transport, sustainable development, ecological sustainability, urban mobility.

Список литературы / References

1. Арифджанова Н.З. Современные тенденции развития городского пассажирского транспорта // Проблемы современной науки и образования. – 2023. – №. 3 (181). – С. 18-20.
2. Савин Г.В. Методический подход к развитию городской транспортной системы на основе сбалансированной системы показателей // Региональная экономика и управление: электронный научный журнал. – 2016. – №. 4 (48). – С. 470-479.
3. Спешилов Е.А. Автоматизация, цифровизация и инновации в транспортной логистике // Научное обозрение. – 2021. – С. 6-8.
4. Арифджанова Н.З. Цифровые технологии в организации транспортно-логистических процессов // Universum: технические науки. – 2022. – №. 12-3 (105). – С. 26-28.
5. Сафиуллин Р. Н., Керимов М. А. Интеллектуальные бортовые системы на автомобильном транспорте. – Directmedia, 2017.
6. Эльдарханов Э.Х.М. Организационная модель интегративного управления городским общественным транспортом // Вестник Ростовского государственного экономического университета (РИНХ). – 2012. – №. 39. – С. 24-30.
7. Невоструев П.Ю., Ликсутов М.С. Маркетинговая концепция в управлении общественным транспортом мегаполиса с применением smart-технологий // Инициативы XXI века. – 2016. – №. 1. – С. 10-14.
8. Эльдарханов Э.Х. Интегративное управление городским общественным транспортом //Terra Economicus. – 2012. – Т. 10. – №. 3-2. – С. 66-69.
9. Жураев М.Н., Назарова В.Ҳ Кластер тармоқлари учун автомобил транспортида ташиш жараёнларини бошқариш моделларини шакллантириш // O'zbekistonda fanlararo innovatsiyalar va ilmiy tadqiqotlar jurnali. – 2023. – Т. 2. – №. 19. – С. 1318-1323.
10. Подхалюзина В.А., Дрейцен М.А. Научно-методические подходы к интеграции общественного транспорта // Транспортное дело России. – 2018. – №. 2. – С. 43-45.

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.
Арифджанова Н. З. УСЛОВИЯ РАЗВИТИЯ И СОВЕРШЕНСТВОВАНИЯ ГОРОДСКИХ ТРАНСПОРТНО-ЛОГИСТИЧЕСКИХ СИСТЕМ //  Проблемы современной науки и образования  №9 (187)2023. - С.{см. журнал}.

АНАЛИЗ ПЕРСПЕКТИВ И АКТУАЛЬНОСТЬ ИНТЕГРАЦИИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В РАЗЛИЧНЫХ ПРОФЕССИОНАЛЬНЫХ ОТРАСЛЯХ

Вишняков А.С., Ангапов В.Д., Бобров А.В., Тимонин В.А., Камалидeнов К.Ш.

 Вишняков Александр Сергеевич - старший архитектор,

Digital IQ, г. Лакония, США;

Ангапов Василий Данилович - старший архитектор,

Digital IQ;

Бобров Андрей Владимирович - ведущий системный инженер,

EPAM Systems;

Тимонин Вадим Андреевич - системный инженер,

Digital IQ,

г. Анталья, Турция;

Камалиденов Куаныш Шарифанович - старший системный архитектор,

Digital IQ, г. Астана, Республика Казахстан

Аннотация: информационные технологии становятся неотъемлемой частью в различных профессиональных сферах жизнедеятельности современного человека. Одним из наиболее значимых направлений развития данной области является создание и интеграция технологий искусственного интеллекта. Основной целью представленной статьи является выполнение комплексного анализа относительно перспектив и актуальности разработки и внедрения интеллектуальных технологий по различным отраслям. Научная ценность работы состоит в предпринимаемой попытке систематизации знаний относительно наиболее актуальных направлений и перспектив интеграции искусственного интеллекта. Материалы работы могут быть полезны при формировании векторов развития в современных предприятиях и организациях.

Ключевые слова. искусственный интеллект, информационные технологии, оптимизация, управление, автоматизация.

ANALYSIS OF PROSPECTS AND RELEVANCE OF INTEGRATION OF ARTIFICIAL INTELLIGENCE TECHNOLOGIES IN VARIOUS PROFESSIONAL INDUSTRIES

Vishnyakov A.S., Angapov V.D., Bobrov A.V., Timonin V.A., Kamalidenov K.Sh.

Vishnyakov Alexander Sergeevich - senior architect,

DIGITAL IQ, LACONIA, USA;

Angapov Vasily Danilovich - senior architect, DIGITAL IQ;

Bobrov Andrey Vladimirovich - leading system engineer, EPAM SYSTEMS;

Timonin Vadim Andreevich - systems engineer, DIGITAL IQ

ANTALYA, TÜRKIYE;

Kamalidenov Kuanysh Sharifanovich - senior system architect,

 DIGITAL IQ, ASTANA, REPUBLIC OF KAZAKHSTAN

Abstract: information technologies are becoming an integral part in various professional spheres of life of a modern person. One of the most significant areas of development in this area is the creation and integration of artificial intelligence technologies. The main purpose of the presented article is to perform a comprehensive analysis regarding the prospects and relevance of the development and implementation of intelligent technologies in various industries. The scientific value of the work consists in an attempt to systematize knowledge in relation to the most relevant areas and prospects for the integration of artificial intelligence. The materials of the work can be useful in the formation of development vectors in modern enterprises and organizations.

Keywords: artificial intelligence, information technologies, optimization, management, automation.

Список литературы / References

1. Сапунов А.В., Сапунова Т.А. Актуальность внедрения искусственного интеллекта в управлении производством на предприятии // Экономика и бизнес: теория и практика. 2022. №5-3. С. 47-50.
2. Ахтямова И.М. Искусственный интеллект в образовании 21 века - пространство для новых возможностей преподавания // Бюллетень науки и практики. 2021. №2. С. 330-338.
3. Ладыжец Н.С. Искусственный интеллект в бизнесе: социальные аспекты теоретического моделирования, аналитики и практики // Вестник Удмуртского университета. Социология. Политология. Международные отношения. 2022. №3. C. 335-341.
4. Орешина М.Н. Применение искусственного интеллекта в инновационной деятельности промышленных предприятий // E-Management. 2021. №1. С. 29-37.
5. Боркова Е.А. Цифровизация, автоматизация и интеллектуальный анализ данных в нефтегазовой промышленности // ТТПС. 2021. №4 (58). С. 52-56.
6. Барщевский Е.Г. Использование искусственного интеллекта // EESJ. 2023. №3-2 (88). С. 56-58.

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.
Вишняков А.С., Ангапов В.Д., Бобров А.В., Тимонин В.А., Камалидeнов К.Ш. АНАЛИЗ ПЕРСПЕКТИВ И АКТУАЛЬНОСТЬ ИНТЕГРАЦИИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В РАЗЛИЧНЫХ ПРОФЕССИОНАЛЬНЫХ ОТРАСЛЯХ//  Проблемы современной науки и образования  №9 (187)2023. - С.{см. журнал}.

АНАЛИЗ МЕТОДОВ РАСПОЗНАВАНИЯ ГОЛОСА В ГОЛОСОВЫХ ПОМОЩНИКАХ

Ангапов В.Д.

Ангапов Василий Данилович – старший системный архитектор,

Digital IQ, г. Москва

Аннотация: на сегодняшний день формируется целый комплекс задач, решение которых возможно только при использовании средств информационных технологий. Одной из актуальных задач является распознавание голоса в различных голосовых помощниках. Цель текущей статьи состоит в анализе основных методов распознавания голоса. Научная ценность работы заключается в предпринимаемой попытке систематизации знаний относительно вопроса выбора и принципов работы методов распознавания голоса. Материалы статьи могут быть полезны при практической реализации различных голосовых помощников во время задачи выбора определенного метода распознавания голоса.

Ключевые слова: информационные технологии, распознавание голоса, ASR, NLP, идентификация речи, естественный язык.

ANALYSIS OF VOICE RECOGNITION METHODS IN VOICE ASSISTANTS

Angapov V.D.

Angapov Vasily Danilovich – senior system architect,

DIGITAL IQ,  MOSCOW

Abstract: to date, a whole set of tasks is being form, the solution of which is possible only with the use of information technology tools. One of the urgent tasks is voice recognition in various voice assistants. The purpose of the current article is to analyze the main methods of voice recognition. The scientific value of the work lies in the attempt to systematize knowledge regarding the choice and principles of voice recognition methods. The materials of the article can be useful in the practical implementation of various voice assistants during the task of choosing a certain method of voice recognition.

Keywords: information technology, voice recognition, ASR, NLP, speech identification, natural language.

Список литературы / References

1. Хеин М.З. Современное состояние проблемы обработки, анализа и синтеза речевых сигналов // Computational nanotechnology. 2018. 
2. Хлопенкова А.Ю., Белов Ю.С. Методы обработки естественного языка в виртуальных голосовых помощниках // E-Scio. 2019.
3. Морозова А.А. Речевой портрет голосового помощника «Алиса» // Вестник ЧелГУ. 2021. 
4. Малиновкин В.А., Валуйских Н.В., Шведов Н.Н., Кенин С.Л., Гребенникова Н.И. Сравнительный анализ средств голосового интерфейса и технологий распознавания речи // Вестник ВГТУ. 2022. 
5. Abougarair A.J. Design and implementation of smart voice assistant and recognizing academic words // International Journal of Robotics and Automation.
6. Ермоленко Т.В., Пикалёв Я. С. Система автоматического распознавания слитной русской речи на основе глубоких нейросетей // Речевые технологии/Speech Technologies. 2021. 
7. Цитульский А.М., Иванников А.В., Рогов И.С. NLP - обработка естественных языков // StudNet. 2020.
8. Валуйцева И.И., Филатов И.Е. Разработка программы ASR для распознавания вариантов русского языка // Полилингвиальность и транскультурные практики. 2021.
9. Khurana D., Koli A., Khatter k., Singh S. Natural language processing: state of the art, current trends and challenges // Multimedia Tools and Applications. 2022.
10. Пикалёв Я.С. Обзор архитектур систем интеллектуальной обработки естественно-языковых текстов // Проблемы искусственного интеллекта. 2020. 
11. Кудрявцев Н.Д., Семенов Д.С., Кожихина Д.Д., Владзимирский А.В. Технология распознавания речи: результаты опроса врачей-рентгенологов Московского референс-центра лучевой диагностики // ОРГЗДРАВ: Новости. Мнения. Обучение. Вестник ВШОУЗ. 2022.
12. Плешакова Е.С., Гатауллин С.Т., Осипов А.В., Коротеев М.В., Ушакова Ю.В. Распознавание эмоций человека по голосу в борьбе с телефонным мошенничеством // Национальная безопасность / nota bene. 2022. 

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.
Ангапов В.Д. АНАЛИЗ МЕТОДОВ РАСПОЗНАВАНИЯ ГОЛОСА В ГОЛОСОВЫХ ПОМОЩНИКАХ//  Проблемы современной науки и образования  №8 (186)2023. - С.{см. журнал}.

ОБЗОР СОВРЕМЕННЫХ ОБЛАЧНЫХ ПЛАТФОРМ ДЛЯ ЦЕЛЕЙ МАШИННОГО ОБУЧЕНИЯ

Ангапов В.Д.

Ангапов Василий Данилович – старший системный архитектор,

Digita IQ, г. Москва

Аннотация: в данной статье проведен сравнительный анализ платформ для машинного обучения, таких как Amazon Web Services (AWS), Microsoft Azure, Google Cloud Platform (GCP), Yandex DataSphere и ML Space. Рассмотрены критерии, относящиеся к работе с машинным /бучением, такие как инструменты и сервисы, интеграция, гибкость и масштабируемость, безопасность и совместная работа. Выяснено, что каждая платформа предлагает свой уникальный набор инструментов и сервисов для разработки моделей машинного обучения. AWS, Azure и GCP обладают широкими возможностями интеграции с другими сервисами, в то время как ML Space предоставляет специализированные решения и инструменты для полного цикла разработки.

Ключевые слова: облачная платформа, машинное обучение, искусственный интеллект, полный цикл разработки, обучение модели.

OVERVIEW OF MODERN CLOUD PLATFORMS FOR MACHINE LEARNING PURPOSES

Angapov V.D.

Angapov Vasily Danilovich – senior system architect,

DIGITAL IQ, MOSCOW

Abstract: this article compares machine learning platforms such as Amazon Web Services (AWS), Microsoft Azure, Google Cloud Platform (GCP), Yandex DataSphere, and ML Space. Considered criteria related to working with machine learning, such as tools and services, integration, flexibility and scalability, security and collaboration. It was found that each platform offers its own unique set of tools and services for developing machine-learning models. AWS, Azure, and GCP provide rich integrations with other services, while ML Space provide specialized solutions and tools for the full development cycle.

Keywords: cloud platform, machine learning, artificial intelligence, full development cycle, model training.

Список литературы / References

1. Бостром Ник Искусственный интеллект. Этапы. Угрозы. Стратегии. — Манн, Иванов и Фербер (МИФ), 2014. — 760 с.
2. Гудфеллоу Ян, Курвилль Аарон, Бенджио Иошуа. Глубокое обучение. — ДМК Пресс, 2017. — 654 с.
3. Джулли А., Пал С. Библиотека Keras – инструмент глубокого обучения. Реализация нейронных сетей с помощью библиотек Theano и TensorFlow. – ДМК Пресс, 2017. – 296 с.
4. Николенко С., Кадурин А., Архангельская Е. В. Глубокое обучение. Погружение в мир нейронных сетей. — Питер, 2018. — 481 с.
5. Франсуа Шолле Глубокое обучение на R. — Питер, 2018. — 400 с.
6. Aurelien Geron Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems. — O'Reilly Media, 2017. — 572 p.
7. Eric Topol Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again. — Basic Books, 2019. — 400 p.
8. Martin Ford Architects of Intelligence: The truth about AI from the people building it. — Packt Publishingб — 554 p.
9. Aws [Электронный ресурс] AWS Amazon. Режим доступа: https://aws.amazon.com/ru/ Дата обращения (05.07.2023)
10. Yandex Cloud [Электронный ресурс] Yandex DataSphere. Режим доступа: https://cloud.yandex.ru/services/datasphere Дата обращения (05.07.2023)
11. ML Space [Электронный ресурс] ML Space. Режим доступа: https://cloud.ru/ru/aicloud/mlspace Дата обращения (05.07.2023)
12. Microsoft [Электронный ресурс] Что такое служба «Машинное обучение Microsoft Azure»? Режим доступа: https://learn.microsoft.com/ru-ru/azure/machine-learning/overview-what-is-azure-machine-learning?view=azureml-api-2 Дата обращения (05.07.2023)
13. Google Cloud [Электронный ресурс] AI and machine learning products. Режим доступа: https://cloud.google.com/products/ai Дата обращения (05.07.2023)
14. Aws [Электронный ресурс] Amazon SageMaker. [Электронный ресурс]. Режим доступа: https://aws.amazon.com/ru/sagemaker/ Дата обращения (14.07.2023).
15. Aws [Электронный ресурс] Amazon EC [Электронный ресурс]. Режим доступа: https://aws.amazon.com/ru/ec2/ Дата обращения (14.07.2023).
16. Aws [Электронный ресурс] Amazon S3 [Электронный ресурс]. Режим доступа: https://aws.amazon.com/ru/s3/ Дата обращения (14.07.2023).
17. Microsoft [Электронный ресурс]. Режим доступа: https://azure.microsoft.com/en-us/products/machine-learning/ Дата обращения (14.07.2023).
18. Microsoft [Электронный ресурс]. Режим доступа: https://azure.microsoft.com/en-us/products/databricks Дата обращения (14.07.2023).
19. Microsoft [Электронный ресурс]. Режим доступа: https://azure.microsoft.com/en-us/products/cognitive-services/ Дата обращения (14.07.2023).
20. Google Cloud [Электронный ресурс]. Режим доступа: https://cloud.google.com/ai-platform/docs/technical-overview/ Дата обращения (14.07.2023).
21. Google Cloud [Электронный ресурс]. Режим доступа: https://cloud.google.com/automl/ Дата обращения (14.07.2023).
22. Google Cloud [Электронный ресурс]. Режим доступа: https://colab.google/ Дата обращения (14.07.2023).

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.
Ангапов В.Д.ОБЗОР СОВРЕМЕННЫХ ОБЛАЧНЫХ ПЛАТФОРМ ДЛЯ ЦЕЛЕЙ МАШИННОГО ОБУЧЕНИЯ//  Проблемы современной науки и образования  №7 (185)2023. - С.{см. журнал}.