Среда, 28 февраля 2018 15:00 к.310 ЛИТ Т.С. Шиняева (Астраханский государственный университет) Математические модели информационных процессов в академическом сообществе В результате исследования предложена модель активности в сети и её анализ. Разработанная модель отличается от известных тем, что впервые процесс распространения возбуждения рассмотрен в рамках модели Винера-Розенблюта на безмасштабной сети, а не на регулярном графе. Предложена и исследована модель временной динамики индекса Хирша отдельного ученого. Предложенная модель корректно описывает динамику индекса Хирша за счёт дополнительного (по сравнению с имеющимися моделями) учёта изменения публикационной активности ученого на начальной стадии научной карьеры, распределения статей по числу цитирований, динамики цитирования каждой конкретной статьи. Проведен анализ взаимосвязи между рейтингами отечественных научных журналов, подсчитанных различными организациями. Низкая корреляция между наукометрическими показателями научных журналов, полученных с использованием различных баз данных, не позволяет построить единую шкалу оценки качества научных публикаций как для отечественных, так и для международных публикаций. Реализованы программные модули для информационно-аналитической системы «Результаты научной деятельности» Астраханского государственного университета, обеспечивающие удобное хранение, представление и анализ информации о результатах интеллектуальной деятельности. Проведен наукометрический анализ журнальных статей, в которых опубликованы основные результаты диссертационных исследований. На сегодняшний день не удалось ответить на вопрос, существуют ли объективные, адекватные и информативные индикаторы для определения признаков нарушений публикационной этики в научных статьях. Предложена методика оценки результативности текущих научных исследований, основанная на анализе престижа журналов, в которых опубликованы результаты научных исследований научного коллектива. Разработанный показатель ориентирован на стимулирование сотрудников к публикации работ в высокорейтинговых журналах с соблюдением принципов публикационной этики. С.А. Бобков (НИЦ "Курчатовский институт") Классификация дифракционных изображений по типам биомолекул, исследуемых в экспериментах на лазерах на свободных электронах, с помощью методов машинного обучения (по материалам кандидатской диссертации) Метод когерентной рентгеновской дифракционной микроскопии (CXDI) на лазерах на свободных электронах даёт возможность определения трёхмерной структуры наноразмерных объектов, в том числе таких биологических частиц как белки и вирусы, с разрешением до 1 Å. Экземпляры изучаемого объекта вводятся в пучок когерентного рентгеновского излучения в случайных ориентациях и собираются дифракционные изображения, на основе которых определяется трёхмерная структура. Однако, большинство получаемых изображений пустые, многие изображения относится к частицам примеси, другие содержат дифракционную картину от нескольких частиц. Все такие изображения должны быть исключены из анализа, что может быть сделано на основе классификации по типу структуры. Автором разработаны методы для классификации дифракционных изображений, получаемых в экспериментах CXDI, в соответствии с типом структуры исходной частицы. Методы основаны на подходах машинного обучения: метод опорных векторов, кластерный анализ, искусственные нейронные сети и другие. Проведено исследование эффективности предложенных методов на разных наборах экспериментальных данных, полученных на лазере на свободных электронах LCLS (Стэнфорд). Исследована точность и полнота классификации, скорость работы рассмотренных подходов, определены оптимальные размеры обучающих наборов при классификации. В 2017 году начала работу установка класса мегасайенс European XFEL (Гамбург), которая позволяет регистрировать до 27000 дифракционных изображений в секунду с уникальными характеристиками фемтосекундных импульсов рентгеновского типа. В работе исследована возможность классификации изображений, получаемых в экспериментах на European XFEL, в потоковом режиме.
