https://ojs.donntu.ru/infcyb/issue/feedИнформатика и кибернетика2026-05-20T07:50:08+00:00Павлыш В.Н., д.т.н., проф.infcyb.donntu@yandex.ruOpen Journal Systems<div> <p>Международный научно-технический журнал, в котором публикуются научные статьи по следующим группам специальностей:</p> <p><em>1.2.2. Математическое моделирование, численные методы и комплексы программ</em></p> <p><em>2.3.1 Системный анализ, управление и обработка информации, статистика</em></p> <p><em>2.3.3 Автоматизация и управление технологическими процессами и производствами</em></p> Журнал включен в наукометрическую базу РИНЦ договор № 425-07/2016 от 14.07.2016г.</div>https://ojs.donntu.ru/infcyb/article/view/844Исследование влияния глубины стека вызовов на точность предсказания Return Address Stack в процессорах AMD ZEN 42026-05-14T07:06:10+00:00К. А. Безуглыйqoopdata@gmail.comР.В. Мальчеваraisa.malcheva@yandex.ru<p><em>Исследована зависимость между глубиной рекурсивных вызовов и числом промахов предсказателя адресов возврата (</em><em>RAS</em><em>) в микроархитектуре </em><em>AMD</em> <em>Zen</em><em> 4. Разработан микробенчмарк на языке </em><em>Zig</em><em>, использующий аппаратные счётчики производительности через системный вызов </em><em>perf</em><em>_</em><em>event</em><em>_</em><em>open</em><em> для измерения событий ветвлений, промахов предсказателя ветвлений и промахов </em><em>RAS</em><em>. Экспериментально определена граница переполнения </em><em>RAS</em><em>-буфера между глубиной вызовов 24 и 64 на процессоре </em><em>AMD</em> <em>Ryzen</em><em> 7 7840</em><em>HS</em><em>. Представлен анализ дизассемблированного кода и механизма взаимодействия с подсистемой </em><em>perf</em><em> ядра </em><em>Linux</em><em>.</em></p>2026-05-20T00:00:00+00:00Copyright (c) 2025 https://ojs.donntu.ru/infcyb/article/view/845Управление роем дронов при помощи искусственного интеллекта: современные подходы и перспективы2026-05-14T07:15:23+00:00В.Н. Павлышpavlyshvn@mail.ruС. А. Шлыковsersh02@list.ruД.М. Зеленскийdimitrizelenskiy@yandex.ru<p><em>В статье рассмотрены принципы функционирования роевых систем беспилотных летательных аппаратов, основанные на децентрализованном управлении и биоинспирированных алгоритмах. Проанализирована роль искусственного интеллекта — от классических методов (алгоритмы роя частиц) до современных технологий машинного обучения, включая обучение с подкреплением. Описаны ключевые области применения роёв дронов: сельское хозяйство, поиск и спасение, оборона, логистика и развлечения. Отдельное внимание уделено техническим и этическим вызовам, а также перспективам интеграции с 5G, облачными вычислениями и цифровыми двойниками.</em></p>2026-05-20T00:00:00+00:00Copyright (c) 2025 https://ojs.donntu.ru/infcyb/article/view/846Лабораторное тестирование систем ADAS на этапе проектирования для автомобилей массового сегмента2026-05-14T07:23:59+00:00Н.Д. Хоминскийnikita05032003z@mail.ruВ. А. Краснокутскийvladimir.krasnokutskiy@gmail.com<p><em>Рассмотрен подход к аппаратно-программному моделированию (HIL) систем помощи водителю с использованием имитации сигналов радаров и камер. Предложен метод ранней валидации алгоритмов без наличия физического прототипа автомобиля, что особенно актуально при ограниченных ресурсах массового автопрома.</em> <em>Его применение на ранних этапах разработки позволит не только сократить сроки и стоимость проекта, но и значительно повысить уровень безопасности конечного продукта.</em></p>2026-05-20T00:00:00+00:00Copyright (c) 2025 https://ojs.donntu.ru/infcyb/article/view/847Проектирование автоматизированной системы экспресс-диагностики логистической системы организации почтовой связи 2026-05-14T07:29:34+00:00Е.К. ГришуновFox_studio@list.ruА.В. Боднарlinabykova13@ya.ru<p>Статья посвящена разработке автоматизированной системы экспресс-диагностики логистики почтовой связи. Описывается значимость автоматизации для повышения эффективности и качества услуг. Рассматривается архитектура системы, включающая сбор данных с IoT-устройств, обработку с использованием алгоритмов машинного обучения, визуализацию и интеграцию с существующими логистическими платформами. Внедрение системы обеспечивает конкурентоспособность и адаптивность почтовых служб в условиях цифровой трансформации и растущих требований рынка.</p>2026-05-20T00:00:00+00:00Copyright (c) 2025 https://ojs.donntu.ru/infcyb/article/view/848Автономная навигация мобильного робота в условиях смоделированной городской среды2026-05-14T08:27:59+00:00И.В. Савицкая i.v.savitskaya@mail.ruА.П. Семёноваnastena-semenova19@rambler.ruЕ.В. Грековgrekovegorushka@yandex.ru<p><em>Статья посвящена разработке и практической реализации алгоритма управления мобильным роботом для автономной навигации в условиях модели городской среды – в рамках хакатона «Движение по городу» соревнований «Кубок РТК Высшая лига». В работе описана интегрированная система, сочетающая методы компьютерного зрения (на базе свёрточной нейронной сети YOLOv8) для распознавания дорожных знаков и разметки, а также механизмы планирования маршрута (с учётом ПДД) на основе данных от разнородных датчиков. Представлена аппаратная архитектура робота и программная реализация на Python с использованием библиотек OpenCV и ROS. Приведены параметры производительности системы. Описана схема интеграции компонентов: от детекции знаков нейросетью до формирования команд управления движением. </em></p>2026-05-20T00:00:00+00:00Copyright (c) 2025 https://ojs.donntu.ru/infcyb/article/view/849Сравнительный анализ продукционно-модульного подхода и классических онтологических моделей при синтезе геометрических объектов2026-05-14T08:33:21+00:00Е.С. Бондаренкоkate.bond777@gmail.ruА.В. Григорьевgrigorievalvl@gmail.com<p><em>В статье представлен сравнительный анализ продукционно-модульного подхода и классических онтологических моделей при решении задач геометрического синтеза. Рассмотрены особенности представления знаний, организации логического вывода и обработки зависимостей в обоих подходах. Выявлены ограничения онтологического подхода, обусловленные отсутствием процедурных механизмов и управления последовательностью действий. Обоснована эффективность применения продукционно-модульного подхода и возможность повышения автоматизации проектирования.</em></p>2026-05-20T00:00:00+00:00Copyright (c) 2025 https://ojs.donntu.ru/infcyb/article/view/850Разработка интеллектуальной системы аналитики текстовой информации с помощью больших языковых моделей2026-05-14T08:38:45+00:00Я. И. Райкоmnogorf@gmail.comО. А. Гудаев good_arget@mail.ru<p><em>В работе рассматривается подход к созданию интеллектуальной системы аналитики текстовой информации в маркетинге на основе больших языковых моделей. Предложена схема бизнес-процессов, вариантов использования и архитектура системы. Внедрение системы, основанной на разработанных бизнес‑процессах и архитектурных принципах, создаёт предпосылки для значительного повышения эффективности работы маркетинговых, продуктовых и аналитических подразделений, а также способствует ускорению принятия решений, повышению качества клиентской аналитики, своевременному выявлению трендов и рисков, а также формированию более точных и обоснованных стратегических рекомендаций для развития цифровых продуктов и коммуникаций с пользователем.</em></p>2026-05-20T00:00:00+00:00Copyright (c) 2025 https://ojs.donntu.ru/infcyb/article/view/865Разработка системы обработки и улучшения качества изображений – проблемы, пути решения и экономический аспект реализации2026-05-20T07:22:46+00:00А.В. Плешингерapleshinger@mail.ruС. А. Зориik.ivt.rec@mail.ruА.В. Боднарlinabykova13@ya.ru<p><em>В статье проведен анализ наиболее распространенных проблем в области обработки изображений. Предложена модель системы обработки и улучшения качества изображений, содержащая модифицированные методы обработки изображений. Проведен анализ потенциальной экономической эффективности системы, рассмотрен процесс планирования разработки системы, проведен расчет итоговой стоимости разработки.</em></p>2026-05-20T00:00:00+00:00Copyright (c) 2025 https://ojs.donntu.ru/infcyb/article/view/866Исследование влияния предобработки текста на качество тематической классификации.2026-05-20T07:30:07+00:00Д.Ю. Подзолdavid.podzol@mail.ruИ.А. Коломойцева bolatiger@mail.ru<p><em>В работе исследуется влияние различных стратегий предобработки текста на качество тематической классификации русскоязычных документов. Сравниваются модели SVM, LSTM и RuBERT при использовании трех уровней очистки данных. Показано, что умеренная предобработка повышает точность классических и рекуррентных моделей, тогда как чрезмерная фильтрация снижает качество трансформерных архитектур. На основе результатов предложена адаптивная стратегия предобработки, учитывающая особенности каждой модели.</em></p>2026-05-20T00:00:00+00:00Copyright (c) 2025