Ближайший номер

Калугина Ю.Е., Золотарев А.Д.

 Калугина Юлия Евгеньевна – магистр техники и технологии,

 направление: строительство,

ассистент,

кафедра городского строительства, архитектуры и дизайна;

Золотарёв Александр Денисович – студент,

 специальность: автомобильные дороги,

кафедра строительства, строительных материалов и конструкций,

Тульский государственный университет,

г. Тула

Аннотация: рассматривается современная технология, обеспечивающая возведение зданий в короткие строки. Разбираются ее преимущества, недостатки, применяемые материалы и самые современные примеры строительства.

Ключевые слова: контурное строительство, инновационная технология, автоматизация строительства зданий, бетонные технологии, возведение конструкций, 3D–печать, архитектурные формы, контурное строительство, печать дома.

Список литературы

1. Контурное строительство. [Электронный ресурс]. Режим доступа: https://ru.wikipedia.org/wiki/%D0%9A%D0%BE%D0%BD%D1%82%D1%83%D1%80%D0%BD%D0%BE%D0%B5_%D1%81%D1%82%D1%80%D0%BE%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D1%81%D1%82%D0%B2%D0%BE/ (дата обращения: 08.04.2019).
2. Behrokh Khoshnevis. [Электронный ресурс]. Режим доступа: https://en.wikipedia.org/wiki/Behrokh_Khoshnevis/ (дата обращения: 08.04.2019).
3. Юдина А.Ф. Строительство жилых и общественных зданий: учебник для студ. учреждений сред. проф. образования / А.Ф. Юдина. М.: Издательский центр «Академия», 2011. 246-277 с.
4. Калашников высокопрочные бетоны нового поколения // Популярное бетоноведение. Санкт-Петербург. № 2 (16), 2007. С. 44-49.
5. 3D-принтер D-Shape может печатать полноразмерные дома. [Электронный ресурс]. Режим доступа: https://www.km.ru/tekhnologii/2012/03/11/tekhnologii-i-resheniya/3d-printer-d-shape-mozhet-pechatat-polnorazmernye-dom/ (дата обращения: 08.04.2019).
6. Behrokh Khoshnevis “Robo Builder” Can Construct a Two-Storey House in 24 Hours. [Электронный ресурс]. Режим доступа: https://inhabitat.com/robo-builder-builds-a-building/robo-builder/ (дата обращения: 15.04.2019).
7. Первый эксперимент Руденко по 3D-печати бетонного здания успешно завершен [Электронный ресурс]. Режим доступа: http://www.nanonewsnet.ru/news/2014/pervyi-eksperiment-rudenko-po-3d-pechati-betonnogo-zdaniya-uspeshno-zavershen/ (дата обращения: 15.04.2019).

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.
Ссылка для цитирования. Калугина Ю.Е., Золотарев А.Д. ВОЗВЕДЕНИЕ ЗДАНИЙ С ПОМОЩЬЮ КОНТУРНОГО СТРОИТЕЛЬСТВА // IX Международная научно-практическая конференция «Современные инновации в науке, образовании и технике» (Россия. Москва. 16 мая 2019). С.  {см. сборник}.

Вишняков А.С., Макаров А.Е., Уткин А.В., Зажогин С.Д., Бобров А.В.

 Вишняков Александр Сергеевич – ведущий инженер,

системный интегратор «Крастком»;

Макаров Анатолий Евгеньевич – архитектор решений,

Российская телекоммуникационная компания «Ростелеком»,

г. Москва;

Уткин Александр Владимирович – старший инженер,

Международный системный интегратор «EPAM Systems», г. Минск, Республика Беларусь;

Зажогин Станислав Дмитриевич - старший разработчик,

 Международный IT интегратор «Hospitality & Retail Systems»;

Бобров Андрей Владимирович – руководитель группы,

группа технической поддержки,

 Компания SharxDC LLC,

г. Москва

Аннотация: рассмотрены методы построения эффективных алгоритмов кластеризации набора данных в системах мониторинга. С целью создания кластеров с точными границами в условиях наличия выбросов был проведен анализ алгоритмов кластеризации нечетко вероятностного разделения методом нечетких c-средних. Указаны ключевые особенности современного подхода, в рамках которого алгоритмы нечетко‑вероятностное разделения набора данных специализируются на обнаружении кластеров имеющих сферическую форму. Показаны преимущества применения нечетко‑вероятностного разделения по сравнению с другими моделями кластеризации по методу нечетких c-средних, в том числе, что касается уменьшения требований к вычислительной мощности, необходимой для обработки данных алгоритмов за счет уменьшения количества параметров.

Ключевые слова: метод кластеризации нечетких с-средних, нечетко‑вероятностное разделение, сферическая форма кластера, робастные процедуры кластеризации.

Список литературы

1. Lee S., Kim J. & Jeong Y., Various Validity Indices for Fuzzy K-means Clustering. Korean Management Review, 46(4), 1201-1226.
2. Chen S., An improved fuzzy decision analysis framework with fuzzy Mahalanobis distances for individual investment effect appraisal. Management Decision, 55 (5), 935-956.
3. Lewis R.H., Paláncz B. & Awange J., Application of Dixon resultant to maximization of the likelihood function of Gaussian mixture distribution. ACM Communications in Computer Algebra, 49(2), 57-57.
4. Kumar P. & Chaturvedi A., Probabilistic query generation and fuzzy c-means clustering for energy-efficient operation in wireless sensor networks. International Journal of Communication Systems. 29 (8), 1439-1450.
5. Raveendran R. & Huang B., Mixture Probabilistic PCA for Process Monitoring - Collapsed Variational Bayesian Approach. IFAC-PapersOnLine, 49 (7). 1032-1037.
6. Hathaway R.J., Overstreet D.D., Murphy T.E. & Bezdek J.C., Relational data clustering with incomplete data. Applications and Science of Computational Intelligence IV.
7. Hathaway R., Huband J. & Bezdek J. (n.d.). Kernelized Non-Euclidean Relational Fuzzy c-Means Algorithm. The 14th IEEE International Conference on Fuzzy Systems, 2005. FUZZ 05.
8. Davé R.N. Characterization and detection of noise in clustering. Patt. Recogn. Lett. 12, 657–664 (1991).
9. Klawonn F., Noise Clustering with a Fixed Fraction of Noise. Applications and Science in Soft Computing. 133-138.
10. Menard M., Damko C., Loonis P. The fuzzyc+2 means: solving the ambiguity rejection in clustering. Patt. Recogn. 33, 1219–1237, 2000.
11. Xu H. & Yue X., An Adaptive Fuzzy Switching Filter for Images Corrupted by Impulse Noise, 2009. Sixth International Conference on Fuzzy Systems and Knowledge Discovery.
12. Alanzado A.C., Miyamoto S. Fuzzyc-means clustering in the presence of noise cluster for time series analysis. Proc. Modeling Decisions in Artificial Intelligence (MDAI), Lect. Notes Comp. Sci. 3558, 156–163 (2005)
13. Nasraoui O. & Krishnapuram R. (n.d.). A novel approach to unsupervised robust clustering using genetic niching. Ninth IEEE International Conference on Fuzzy Systems. FUZZ- IEEE 2000 (Cat. No.00CH37063).
14. Hamasuna Y., Endo Y. & Miyamoto S., On tolerant fuzzy c-means clustering and tolerant possibilistic clustering. Soft Computing, 14 (5), 487-494.
15. Timm H., Borgelt C., Döring C., Kruse R. An extension to possibilistic fuzzy cluster analysis. Fuzzy Sets and Systems 147, 3–16,
16. Pal N.R., Pal K., Keller J.M., Bezdek J.C. A possibilistic fuzzy c-means clustering algorithm. IEEE Trans. Fuzzy Syst. 13, 517–530,
17. Szilágyi L. Fuzzy-Possibilistic Product Partition: a novel robust approach to c-means clustering. Proc. Modeling Decisions in Artificial Intelligence (MDAI), Lect. Notes Comp. Sci. 6820, 150–161, 2011.
18. Suhaili S.M., Jambli M.N. & Huspi S.H., Evaluation of FCV and FCM clustering algorithms in cluster-based compound selection, 2011. 7th International Conference on Information Technology in Asia.
19. Wang T. & Shen Q., Fuzzy C spherical shells cluster algorithm and an application to blood cell image. Second International Conference on Image and Graphics.
20. Szilágyi L., Szilágyi S.M., Benyó B., Benyó Z. Intensity inhomogeneity compensation and segmentation of MR brain images using hybridc-means clustering models. Biomed. Sign. Proc. Contr. 6, 3–12. 2011.
21. Szilágyi L. Robust spherical shell clustering using fuzzy-possibilistic product partition. Int. J. Intell. 28, 524–539, 2013.

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.
Ссылка для цитирования. Вишняков А.С., Макаров А.Е., Уткин А.В., Зажогин С.Д., Бобров А.В. ИСПОЛЬЗОВАНИЕ В СИСТЕМАХ МОНИТОРИНГА РОБАСТНЫХ АЛГОРИТМОВ КЛАСТЕРИЗАЦИИ // IX Международная научно-практическая конференция «Современные инновации в России и за рубежом: прошлое, настоящее, будущее» (Россия. Москва. 20 июня 2019). С.  {см. сборник}.

Арутюнов Е.М.

Арутюнов Евгений Маратович – аспирант, кафедра социально-экономической географии, геоинформатики и туризма, Институт математики и естественных наук Северо-Кавказский федеральный университет, г. Ставрополь

Аннотация: Ставрополье традиционно отличается активными миграционными процессами, что обусловлено рядом специфических особенностей географического положения и социально-экономического развития региона.

Геоинформационные технологии являются одним из основных инструментов, позволяющих в целях поддержки принятия управленческих решений органами государственной власти осуществлять пространственно-временной анализ миграционных процессов, на основе которого возможно формирование путей решения проблем адаптации и интеграции этнических мигрантов.

Ключевые слова: мигранты, этнические мигранты, миграции, география миграция, население, ставропольский край, адаптация и интеграция, этнические проблемы, гис, геоинформационные технологии.

Список литературы

1. Алексеев А.И., Карачурина Л.Б. Вынужденные мигранты и территориальные общности в России // Народонаселение: современное состояние и перспективы развития научного знания. М., 1997. С. 50-58.
2. Белозеров B.C. География и динамика этнической структура населения Северного Кавказа: Автореф. дисс. доктора, географ, наук.наук. М., 2000. С. 10-14. Белозеров B.C. Этнодемографические процессы на Северном Кавказе. Ставрополь, 2000. 156 с.
3. Белозеров B.C., Белозерова Л.П., Турун П.П. Эволюция расселения на Ставрополье и Карачаево-Черкесии. Ставрополь, 1994. С. 6-15.
4. Белозеров B.C., Танеева Е.И. Миграционные процессы на Ставрополье/Проблемы расселения: история и современность. М., 1997. С. 103-109.
5. Белозеров B.C., Маслиев P.O. Панин А.Н., Соловьев И.А. Автоматизированный комплекс обработки результатов социологических исследований «Анкета» // Научно-инновационная деятельность Ставропольского государственного университета. Ставрополь: Изд-во СГУ, 2004. 73 с.
6. Белозеров B.C., Маслиев P.O., Панин А.Н., Соловьев И.А. Автоматизированный комплекс обработки, хранения и анализа анкетных данных «Анкета». ВНТИЦ, 2003. №50200300133.
7. Белозеров B.C., Полян П.М., Щитова Н.А., Турун П.П. Эшроков В.М., Овсянников Е.И., Соловьев И.А., Панин А.Н., Маслиев P.O. ГИС «Население Северного Кавказа» // Проблемы миграции и опыт ее регулирования в полиэтничном Кавказском регионе. Тезисы Международной научной конференции. Ставрополь: Изд-во СГУ, 2003. 304 с.
8. Белозеров В.С., Панин А.Н. Формирование региональной базы данных по миграции в Ставропольском крае // Миграции и пространственная мобильность в сельско-городском континууме России в 20 веке: управляемость, адаптивность и стратегии преодоления. Ставрополь, 2011, С. 154–166.
9. Белозеров В.С., Раужин И.Г. Геоинформационная система полимасштабного мониторинга миграционных процессов в России // ИнтерКарто-ИнтерГИС-18: Устойчивое развитие территорий: теория ГИС и практический опыт / ред. С.П. Евдокимов. Смоленск, 2012
10. Белозеров В.С., Панин А.Н., Чихичин В.В. Этнический атлас Ставропольского края – Ставрополь: из-во СГУ, 2008. 208 с.
11. Белозеров В.С., Панин А.Н. Мониторинг этнических процессов Северного Кавказа с помощью ГИС-технологий // Расселений, этнокультурная мозаика, геополитика и безопасность горных стран: тезисы Международной конференции. Ставрополь: Из-во СГУ, 2001. С. 226.
12. Белозеров В.С., Черкасов А.А. Исследование этнических аспектов урбанизации в России с помощью ГИС технологий // Вестник Ставропольского государственного университета. 2012. Вып. 80 (3). С. 183–188.
13. Белозеров В.С, Щитова Н.А., Панин А.Н., Чихичин В.В., Фурщик М.А., Черкасов А А. и др. Миграционные процессы в России: Атлас. Ставрополь: Изд-во СГУ, 2011. 52 с.: Ил.
14. Белозеров В.С., Черкасов А.А. ГИС-мониторинг этнических процессов в России // Современная наука и инновации. Ставрополь, 2013. № 1 С. 157–161.
15. Берлянт А.М. Картографический метод исследования. М.: Изд-во МГУ, 1978 (2-е изд. 1988).
16. Жиренко Г.Н. Региональные особенности демографических процессов в Ставропольском крае. /Проблемы миграции и опыт ее регулирования в полиэтничном Кавказском регионе: тезисы Международной научной конференции. Ставрополь, 2003. С. 93-95.
17. Коломоец Н.И. Геоинформационное моделирование территориальных рынков банковских услуг: подходы, технологии, реализация (На примере Ростовской области). Автореферат диссертации на соискание ученой степени кандидата географических наук. Ростов-на-Дону, 2004.
18. Панин А.Н. Атласная информационная система Этнодемографические процессы в Ставропольском крае» /Диссертация на соискание ученой степени кандидата географических наук. Ставрополь 2005.
19. Тойн П., Ныоби П. Методы географических исследований // 1 Выпуск Экономическая география. М.: Издательство «Прогресс», 1977. 270 с.
20. Положение о правительственной комиссии по геоинформационным системам. Утверждено Постановлением Правительства Российской Федерации от 22 ноября 1997 г. № 1482.
21. Полян П.М., Брановский Ю.С., Белозеров B.C. и др. Геоинформационная система "Население Северного Кавказа" // Расселение, этнокультурная мозаика, геополитика и безопасность горных стран: Тезисы Международной конференции. Ставрополь: Изд-во СГУ, 2001. С. 233-236.
22. Полян П.М., Брановский Ю.С., Белозеров В.С., Данин А.Н., Егоров Е. ГИС - население Северного Кавказа // Расселение, этнокультурная.
23. Щитова Н.А., Чихичин В.В. Теоретико-методологические аспекты географического исследования процессов адаптации и интеграции иностранных мигрантов ЖУРНАЛ: НАУКА. ИННОВАЦИИ. ТЕХНОЛОГИИ Издательство: Северо-Кавказский федеральный университет (Ставрополь), 2016. ISSN: 2308-4758.

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.
Ссылка для цитирования. Арутюнов Е.М. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ГЕОИНФОРМАЦИОННОГО МОНИТОРИНГА АДАПТАЦИИ И ИНТЕГРАЦИИ ЭТНИЧЕСКИХ МИГРАНТОВ // IX Международная научно-практическая конференция «Современные инновации в России и за рубежом: прошлое, настоящее, будущее» (Россия. Москва. 20 июня 2019). С.  {см. сборник}.

Оразымбетова А.К.

Оразымбетова Аксунгул Куанышбаевна – ассистент, кафедра финансов, социальный экономический факультет, Каракалпакский государственный университет, г. Нукус, Республика Узбекистан

Аннотация: рассматриваются теоретические аспекты использования налоговых инструментов в целях стимулирования инновационной деятельности предприятий и о решении налогового регулирования инновационной деятельности в республике Узбекистане.

Ключевые слова: налогообложения, совокупности налогов, инновационная деятельность, налоговое стимулирование, налоговое регулирование, инновации.

Список литературы

1. Стратегия действий по пяти приоритетным направлениям развития Республики Узбекистан в 2017-2021 годах (Приложение N 1 к Указу Президента РУз от 07.02.2017 г. N УП-4947).
2. Указ Президента Республики Узбекистан от 29 июня 2018 года № УП-5468 «О концепции совершенствования налоговой политики Республики Узбекистан».
3. Концепция инновационного развития Узбекистана на 2012-2020 годы с. 21.

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.
Ссылка для цитирования. Оразымбетова А.К. ИННОВАЦИОННАЯ ДЕЯТЕЛЬНОСТЬ КАК ОБЪЕКТ НАЛОГОВОГО СТИМУЛИРОВАНИЯ// IX Международная научно-практическая конференция «Современные инновации в науке, образовании и технике» (Россия. Москва. 16 мая 2019). С.  {см. сборник}.