Содержание журнала, редсовет, редколлегия, информация об обложке и о диске.

Table of contents, editorial board, editors, information on cover.

Статья посвящена одной из ключевых задач теории графов – задаче максимального потока и её применению для эффективной балансировки загрузки в вычислительных сетях. Приведены краткая история задачи максимального потока, обзор некоторых задач из теории графов, которые так или иначе связаны с задачей максимального потока, методов решения этой задачи и модель балансировки загрузки, сводящуюся к частному случаю задачи параметрического потока. С. 3-9.

This paper is devoted to one of the main problems of graph theory, maximum flow problem, and its application for efficient network load balancing. The paper contains a guide to the maximum flow problem including brief history of the problem, related graph theory problems and basic algorithm concepts. Network load balancing model is considered based on a special case of parametric flow problem.

Несмотря на стремительный рост как производительности, так и емкости запоминающих устройств, темпы роста количества вновь создаваемых данных существенно опережают возможности их хранения и, тем более, возможности обработки. В связи с этим попытки экстенсивного подхода, основанного на наращивании мощности вычислительных систем, не могут радикально решить возникающие проблемы. В статье обсуждаются актуальные классы аналитических задач обработки данных, извлечения информации и знаний и анализируются различные альтернативные подходы к их решению. Этот круг задач и подходов, часто неформально объединяемый под зонтиком Big Data, в последнее время характеризуется уже пятью V (Volume, Variety, Velocity, Veraсity and Value). Наиболее сложными и наиболее интересными представляются задачи, связанные с обеспечением скорости получения результатов обработки и оценки их надежности и корректности. С. 10-18.

In spite of rapid growth of both performance and capacity of available processing and storage devices, the amount of produced data significantly exceeds the capacity of available storage and available processing resources and this gap grows steely. Thus the problem cannot be resolved with scale-out approach. In this paper we discuss several classes of analytical processing, tasks, information and knowledge extraction and analyse alternative approaches to their solution. typically these problems are considered under informal umbrella of Big Data, which are characterised with 5 V: volume, variety, velocity, veracity, and value. The most important and challenging issues are the processing speed, reliability and quality of results.

В данной статье приводятся основные понятия относительно нового направления информационных технологий - теории статистического обучения В. Вапника. Эта теория с каждым годом набирает все большую популярность, поскольку объясняет суть машинного обучения с математической точки зрения. Дальнейшие исследования данной теории могут дать существенные улучшения в скорости и качестве работы алгоритмов машинного обучения. Среди огромного количества публикаций, посвященных теории статистического обучения, автор выбрал десяток статей, в которых раскрываются основные понятия и проблемы этой теории, приводятся практически полезные алгоритмы и результаты экспериментов по сравнению различных подходов. В данной статье в сжатом виде приводятся основные результаты обозреваемых работ, что позволит специалистам, только начинающим знакомиться с этой популярной теорией, облегчить вхождение и приступить к реальным исследованиям. C. 19-26.

The basic concepts regarding the new direction of information technology — statistical learning theory — are described in the article. The theory has been gaining more and more popularity since it explains the essence of machine learning from a mathematical point of view. Further studies of the theory may provide significant improvements in the speed and quality of machine learning algorithms. The dozen articles were chosen among the large number of publications devoted to the theory of statistical learning. These articles reveal the basic concepts and problems of this theory and provide practically useful algorithms and the results of experiments comparing different approaches. Main results of the reviewed works are provided in concise form. The form allows professionals just starting to get acquainted with this popular theory facilitate the entry and proceed to the actual studies.

В статье исследуется применимость двух быстрых рандомизированных алгоритмов обнаружения объектов на аэрофотоснимках, основанных на поиске максимума корреляции. Первый алгоритм - FAsT-Match - используется для решения задач обнаружения в условиях произвольных аффинных преобразований. Второй - Ciratefi - имеет меньшую вычислительную сложность, однако, инвариантен лишь к вращению и масштабированию. Алгоритмы запрограммированы на языке C++ и реализованы под традиционную архитектуру последовательного выполнения команд и в среде параллельных вычислений CUDA 5.5. Проведенный сравнительный анализ для различных примеров показывает преимущества того или иного алгоритма в зависимости от относительных размеров шаблонов и оптических свойств линзы камеры. С. 27-45.

The article explores the applicability of two fast randomized algorithms for detecting objects in aerial photos. They are based on a search for the maximum correlation. The first algorithm FAsT-Match is used to solve the problems of detection in the conditions of arbitrary affine transformations. The second one Ciratefi has lower computational complexity, however, it is only invariant to rotation and scaling. Algorithms were programmed in C++ and implemented for traditional architecture of sequential command execution as well, as for the environment of parallel computations CUDA 5.5. The comparative analysis of the various examples demonstrate the advantages of one or another algorithm depending on the relative sizes of the templates and the optical properties of the camera lens.

В статье рассматриваются несколько алгоритмов оценки положения объекта при помощи видео-камеры, основанные на рандомизации ее положения. Случайный характер движения позволяет отслеживать объект при помощи одной камеры как в стационарном случае, так и в случае его движения. Статья содержит описание данных методов и результаты моделирования. С. 46-54.

We introduce several algorithms for object's position estimation using video camera based on its random movement. Randomness allows tracking object using single camera in both stationary and dynamic cases. Paper contains descriptions of algorithms and their testing on model data.

В статье рассматривается алгоритм, изменяющий поведение компьютерных соперников путем анализа действий пользователя и других компьютерных соперников. С. 55-59.

«Современные образовательные технологии в математических учебных программах в инженерном образовании России»: семинар на базе Технического Университета Тампере 26-27 июня 2014. С. 60.