Технические науки

Тарасенко С.Е.

Тарасенко Сергей Евгеньевич - магистр,

кафедра урбанистики и теории архитектуры, факультет архитектуры и градостроительного развития,

Институт архитектуры и строительства

Волгоградский государственный технический университет, г. Волгоград

Аннотация: во всем мире наблюдается рост интереса к зеленым зданиям. Это выражается не только в появлении новых зданий, отвечающих требованиям зеленого строительства, но и в реконструкции существующих объектов с минимизированным негативным воздействием на окружающую среду.

Ключевые слова: зеленое строительство, РУСО, устойчивость среды, градостроительство.

Список литературы

• Табунщиков Ю.А., Бродач М.М., Шилкин Н.В. Энергоэффективные здания. М.: АВОК-ПРЕСС, 2003. 192 с.
• Есаулов Г.В. Энергоэффективность и устойчивая архитектура как векторы развития // АВОК, 2015. № 5. С. 4–13.
• Теличенко В.И., Бенуж А.А. Совершенствование принципов устойчивого развития на основе опыта применения «зеленых» стандартов при строительстве олимпийских объектов в Сочи // Промышленное и гражданское строительство, 2014. № 10. С. 40–43.
• Горшков А.С., Дерунов Д.В., Завгородний В.В. Технология и организация строительства здания с нулевым потреблением энергии // Строительство уникальных зданий и сооружений, 2013. № 3 (8). С. 12–23.
• Корниенко С.В. Зеленое строительство – комплексное решение задач энергоэффективности, экологии и экономии // Энергосбережение, 2017. № 3. С. 22–27.
• Корниенко С.В., Попова Е.Д. «Зеленое» строительство в России и за рубежом // Строительство уникальных зданий и сооружений, 2017. № 4 (55). С. 67–93.
• СТО НОСТРОЙ 2.35.4–2011 «Зеленое строительство». Здания жилые и общественные. Рейтинговая система оценки устойчивости среды обитания».

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. Тарасенко С.Е.  ПОВЫШЕНИЕ УСТОЙЧИВОСТИ СРЕДЫ ОБИТАНИЯ УНИВЕРСИТЕТСКОГО КАМПУСА ИАИС ВОЛГГТУ // XXXV Международная научно-практическая конференция «Современные инновации: достижения и перспективы III тысячелетия» Свободное цитирование при указании авторства: https://moderninnovation.ru/o-konferentsii-serii-sovremennye-innovatsii/o-konferentsii-serii-sovremennye-innovatsii-3.html (Россия. Москва. 17 февраля 2020). С.  {см. сборник}.

Гузенко Ю.В.

Гузенко Юлия Владленовна – студент, кафедра разработки нефтяных и газовых месторождений, Тюменский индустриальный университет, г. Тюмень

Аннотация: в статье анализируются современные методы извлечения нефти из нефтеносных пластов, их особенности. Добыча нефти в России, в том числе на территории Западной Сибири, ведется уже долгое время, поэтому большинство разрабатываемых месторождений находится на завершающей стадии разработки, характеризующейся высокой обводненностью добываемой продукции, реализацией проектного фонда скважин, а также большими экономическими затратами на различные геолого–технические мероприятия, направленные на сохранение высоких показателей по добыче.

Ключевые слова: методы увеличения нефтеотдачи, поверхностно-активные вещества, извлекаемые запасы, вторичные и третичные методы, физико-химические методы, газовые методы, тепловые методы.

Список литературы

1. Сургучев М.Л. «Вторичные и третичные методы увеличения нефтеотдачи». М. Недра, 1985. С. 308
2. Амелин И.Д., Сургучев М.Л., Давыдов А.В. «Прогноз разработки нефтяных залежей на поздней стадии». М. Недра, 1994. С. 308.
3. Степанова Г.С. «Газовые и водогазовые методы воздействия на нефтяные пласты». Москва: Газоил пресс, 2006.198 с.
4. Сургучев М.Л., Желтов Ю.В., Симкин Э.М. «Физико-химические микропроцессы в нефтегазоносных пластах». М. Недра, 1985. С. 215
5. Климов А.А. «Методы повышения нефтеотдачи пластов». Материалы ХХХ1Х научно-технической конференции по итогам работы профессорско-преподавательского состава СевКавГТУ, 2009.

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. Гузенко Ю.В. СПОСОБЫ ПОВЫШЕНИЯ ВЫРАБОТКИ ЗАПАСОВ // IX Международная научно-практическая конференция «Современные инновации: достижения и перспективы III тысячелетия» Свободное цитирование при указании авторства: https://moderninnovation.ru/o-konferentsii-serii-sovremennye-innovatsii/o-konferentsii-serii-sovremennye-innovatsii-3.html (Россия. Москва. 15 декабря 2019). С.  {см. сборник}.

Попов В.В.

Попов Виктор Владимирович - специалист по данным, ООО Opex Analytics, г. Чикаго, Соединенные Штаты Америки, магистр компьютерных наук, Корнелльский университет, г. Нью Йорк, Соединенные Штаты Америки, бакалавр мехатроники и робототехники, Московский государственный технический университет им. Н.Э. Баумана, г. Москва

Аннотация: в данной работе рассматриваются моющие рабочие позиции автоматических линий фотолитографии. Основное внимание фокусируется на вопросах модернизации оборудования на базе линий фотолитографии на платах тонкоплёночных микросборок и полупроводниковых пластин с интеграцией генераторов пены, представляющих собой мехатроннное (и, потенциально, робототехническое) устройство. Автор подробно описывает принцип действия рабочей позиции с интегрированным генератором пены как сложной мехатронной системы. Приводится детальная классификация предложенного технического решения в части способа. Автор в деталях описывает отдельные структурные компноненты центрифуги рабочей позиции модуля линии фотолитографии и их взаимосвязи. Также в статье описывается оценка технологического и коммерческого потенциала изобретения, основанная на сравнении с существующими устройствами, исходя из которой делается вывод о превосходстве предлагаемого решения.

Ключевые слова: аэродинамический генератор пены, робототехника, мехатроника, автоматическая производственная линия.

Список литературы

1. Bristol Robert L. et al. “Structures and methods for improved lithographic processing”, U.S. Patent 20180294167, issued October 11, 2018.
2. Liao Chia-Feng et al. “Photolithography tool and method thereof”, U.S. Patent 20170123328, issued May 4, 2017.
3. Popov V. “Application of vortical foam generators in automatic photolithography lines with control systems including elements of artificial intelligence and artificial neural networks”, Vestnik Nauki I Obrazovaniya №21 (75-1). 2019. doi: 10.24411/2312-8089-2019-12101.
4. Sakakura Masayuki et al. “Semiconductor device and manufacturing method thereof”, U.S. Patent 20170148827, issued May 25, 2017.
5. Zhou Wen-Zhan et al. “System and method for supplying and dispensing bubble-free photolithography chemical solutions”, U.S. Patent 20180067395, issued March 8, 2018.
6. Lee Takhee et al. “Method for manufacturing high-density organic memory device”, U.S. Patent 20170331040, issued November 16, 2017.
7. Yuan Guangcai et al. “Thin film transistor, array substrate and manufacturing method thereof, and display device”, U.S. Patent 20180138210, issued May 17, 2018.
8. Popov Victor. Transformation of Aerodynamic Capture Principle to Dynamic Activation of Fuel Mixture principle, Program and Associated Method of Preliminary Tests, "Intellectual Archive" journal, vol.8, #3, 2019. doi: 10.32370/IAJ.2157.
9. Takahashi Satoshi et al. “Method of producing solid-state imaging device, solid-state imaging device, method of producing color filter, and color filter”, U.S. Patent 20180261639, issued September 13, 2018.
10. Ho Johnny Chung Yin et al. “Optical mask for use in a photolithography process, a method for fabricating the optical mask and a method for fabricating an array of patterns on a substrate using the optical mask”, U.S. Patent 20190064656, issued February 28, 2019.
11. Hasebe Kazuhide et al. “MASK PATTERN FORMING METHOD, FINE PATTERN FORMING METHOD, AND FILM DEPOSITION APPARATUS”, U.S. Patent 20180019113, issued January 18, 2018.
12. Hasebe Kazuhide et al. “Mask pattern forming method, fine pattern forming method, and film deposition apparatus”, U.S. Patent 20170162381, issued June 8, 2017.

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. Попов В.В. МОЮЩИЕ РАБОЧИЕ ПОЗИЦИИ АВТОМАТИЧЕСКИХ ЛИНИЙ ФОТОЛИТОГРАФИИ НА ПЛАТАХ ТОНКОПЛЁНОЧНЫХ МИКРОСБОРОК И ПОЛУПРОВОДНИКОВЫХ ПЛАСТИН С АДАПТИРОВАННЫМИ ГЕНЕРАТОРАМИ ПЕНЫ // IX Международная научно-практическая конференция «Современные инновации: достижения и перспективы III тысячелетия» Свободное цитирование при указании авторства: https://moderninnovation.ru/o-konferentsii-serii-sovremennye-innovatsii/o-konferentsii-serii-sovremennye-innovatsii-3.html (Россия. Москва. 15 декабря 2019). С.  {см. сборник}.

Усов А.Е., Варламов А.А., Бабкин О.В., Дос Е.В., Мостовщиков Д.Н.

Усов Алексей Евгеньевич – ведущий архитектор;

Варламов Александр Александрович – старший архитектор;

Бабкин Олег Вячеславович – старший архитектор;

Дос Евгений Владимирович – архитектор;

Мостовщиков Дмитрий Николаевич – старший архитектор,

 системный интегратор «Li9 Technology Solutions»,

г. Райли, Соединенные Штаты Америки

Аннотация: рассмотрены методы нечеткой кластеризации, в частности применение метода нечетких c-средних. Показана необходимость построения теоретической методологии использования метода нечетких c-средних. Рассмотрены модели нечеткой кластеризации, которые базируются на концепции смесей вероятностных распределений, а также введении в статистическую модель алгоритмов нечеткой регулируемой коррекции. При этом метод нечетких c-средних, основанный на энтропийной регуляризации, рассматривается в рамках модели смеси гауссовых распределений и фаззификации, сравнивается по эффективности с классическим методом нечетких c-средних. Помимо этого, концепция регуляризации обсуждается в контексте нечеткой бикластеризации, а также рассматривается полиноминальная модель кластеризации. На основе результатов экспериментальной верификации данных моделей показано, что модель нечеткой кластеризации, которая базируется на концепции смесей вероятностных распределений и введении в статистическую модель алгоритмов нечеткой регулируемой коррекции демонстрирует улучшение интерпретируемости разбиения объекта на кластеры.

Ключевые слова: информационные системы, метод нечетких c-средних, метод энтропийной регуляризации, смеси гауссовых распределений, фаззификация, нечеткая бикластеризация, полиноминальная модель кластеризации.

Список литературы

1. Haqiqi B.N. & Kurniawan R., Analisis Perbandingan Metode Fuzzy C-Means Dan Subtractive Fuzzy C-Means. Media Statistika, 8 (2). doi:10.14710/medstat.8.2.59-67.
2. Lee S., Kim J. & Jeong Y., Various Validity Indices for Fuzzy K-means Clustering. Korean Management Review, 46(4), 1201-1226. doi:10.17287/kmr.2017.46.4.1201.
3. Yasuda M., Q-increment deterministic annealing fuzzy c-means clustering using Tsallis entropy. 2014 11th International Conference on Fuzzy Systems and Knowledge Discovery (FSKD). doi:10.1109/fskd.2014.6980802.
4. Chen S., An improved fuzzy decision analysis framework with fuzzy Mahalanobis distances for individual investment effect appraisal. Management Decision, 55(5), 935-956. doi:10.1108/md-11-2015-0512.
5. Baili N., Unsupervised and semi-supervised fuzzy clustering with multiple kernels. Louisville, KY: University of Louisville.
6. Lee J. & Lee J., K-means clustering based SVM ensemble methods for imbalanced data problem. 2014 Joint 7th International Conference on Soft Computing and Intelligent Systems (SCIS) and 15th International Symposium on Advanced Intelligent Systems (ISIS). doi:10.1109/scis-isis.2014.7044861.
7. A New Membership Function on Hexagonal Fuzzy Numbers. (2015). International Journal of Science and Research (IJSR), 5(5), 1129-1131. doi:10.21275/v5i5.nov163626.
8. Miyamoto S., Ichihashi Н. and Honda K. Algorithms for Fuzzy Clustering. Springer, 2008.
9. Miyamoto S. and Umayahara К. “Fuzzy clustering by quadratic regularization,” Proc. 1998 IEEE Int. Conf. Fuzzy Systems and IEEE World Congr. Computational Intelligence. Vol. 2. Pp. 1394–1399, 1998.
10. Bishop C.M. Neural Networks for Pattern Recognition, Clarendon Press, 1995.
11. Hualde J. & Robinson P.M., Gaussian pseudo-maximum likelihood estimation of fractional time series models. The Annals of Statistics, 39(6), 3152-3181. doi:10.1214/11-aos931.
12. 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. doi:10.1145/2815111.2815138.
13. Ichihashi Н., Miyagishi К. and Honda К. “Fuzzyc-means clustering with regularization by K-L information”, Proc. of 10th IEEE International Conference on Fuzzy Systems, Vol.2, Pp. 924–927, 2001.
14. Honda К. and Ichihashi Н. “Regularized linear fuzzy clustering and probabilistic PCA mixture models”, IEEE Trans. Fuzzy Systems. Vol. 13. № 4. 508–516, 2005.
15. Ichihashi H., Notsu A. & Honda K., Semi-hard c-means clustering with application to classifier design. International Conference on Fuzzy Systems. doi:10.1109/fuzzy.2010.5584553
16. Oh C.-H., Honda К. and Ichihashi Н. “Fuzzy clustering for categorical multivariate data,” Proc. of Joint 9th IFSA World Congress and 20th NAFIPS International Conference. Pp. 2154–2159, 2001.
17. Kummamuru К., Dhawale А. and Krishnapuram R. “Fuzzy co-clustering of documents and keywords,” Proc. 2003 IEEE Int’l Conf. Fuzzy Systems. Vol. 2. Pp. 772–777, 2003.
18. Rigouste L., Cappé О.and Yvon F. “Inference and evaluation of the multinomial mixture model for text clustering,” Information Processing and Management, Vol. 43, no. 5, Pp. 1260–1280, 2007.
19. Honda К., Oshio S. and Notsu А. “Fuzzy co-clustering induced by multinomial mixture models,” Journal of Advanced Computational Intelligence and Intelligent Informatics, vol. 19, no. 6, pp. 717–726, 2015.
20. Kumar P. & Chaturvedi A., Probabilistic query generation and fuzzyc-means clustering for energy-efficient operation in wireless sensor networks. International Journal of Communication Systems, 29(8), 1439-1450. doi:10.1002/dac.3112.
21. Wang Z., Wang L., Dang H. & Pan L., Web clustering based on hybrid probabilistic latent semantic analysis model. Journal of Computer Applications, 32 (11), 3018-3022. doi:10.3724/sp.j.1087.2012.03018.
22. Raveendran R. & Huang B., Mixture Probabilistic PCA for Process Monitoring - Collapsed Variational Bayesian Approach. IFAC-PapersOnLine, 49(7), 1032-1037. doi:10.1016/j.ifacol.2016.07.338.

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. Усов А.Е., Варламов А.А., Бабкин О.В., Дос Е.В., Мостовщиков Д.Н. ПРИМЕНЕНИЕ ПАРАДИГМЫ НЕЧЕТКОЙ КЛАСТЕРИЗАЦИИ И БИКЛАСТЕРИЗАЦИИ ПРИ МОНИТОРИНГЕ ИНФРАСТРУКТУРЫ ЦЕНТРОВ ОБРАБОТКИ ДАННЫХ // IX Международная научно-практическая конференция «Современные инновации в эпоху глобализации: теория, методология, практикаl» (Россия. Москва. 20 августа 2019). С.  {см. сборник}.