- Информация о материале
- Просмотров: 729
Guliyev J.Т., Gulieva F.О.
Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
Guliyev Jamil Tahir – Teacher,
CONSTRUCTION COLLEGE
AZERBAIJAN UNIVERSITY OF ARCHITECTURE AND CONSTRUCTION,
Graduate Student,
KIEV NATIONAL UNIVERSITY OF CONSTRUCTION AND ARCHITECTURE;
Gulieva Firangiz Oktay - Candidate of Geological and Mineralogical
Sciences, Teacher,
SCHOOL № 169,
BAKU, REPUBLIC OF AZERBAIJAN
Abstract: geothermal energy is considered one of the promising types of alternative energy in Azerbaijan. The territory of the country is rich in thermal waters. The article summarizes the materials on the current state and perspective directions of the use of thermal waters in order to satisfy part of the needs for thermal energy in everyday life and in other areas. The article shows the reserves of thermal waters in the region of the Greater and Lesser Caucasus, on the Absheron Peninsula and in other territorial regions of the country. The total energy capacity of thermal waters by hydrogeological zones of the republic is presented. The rationale for the feasibility of expanding the scale of development of the heat supply system through thermal waters is given.
Keywords: thermal waters, renewable energy sources, heat supply, geothermal energy, temperature.
Кулиев Д.Т., Кулиева Ф.О.
Кулиев Джамиль Тахир – преподаватель,
Cтроительный колледж
Азербайджанский архитектурно-строительный университет,
аспирант,
Киевский национальный университет строительства и архитектуры;
Кулиева Фирангиз Октай кызы - кандидат геолого-минералогических
наук, преподаватель,
школа № 169,
г. Баку, Азербайджанская Республика
Аннотация: геотермальная энергия считается одним из перспективных видов альтернативной энергии в Азербайджане. Территория страны богата термальными водами. В статье обобщены материалы по существующему состоянию и перспективным направлениям использования термальных вод, для того чтобы удовлетворить часть потребностей в тепловой энергии в быту и в других сферах. В статье показаны запасы термальных вод в районе Большого и Малого Кавказа, на Апшеронском полуострове и в других территориальных областях страны. Представлена суммарная энергетическая мощность термальных вод по гидрогеологическим зонам республики. Дано обоснование целесообразности расширения масштаба развития системы теплоснабжения за счет термальных вод.
Ключевые слова: термальные воды, возобновляемые источники энергии, теплоснабжение, геотермальная энергия, температура.
Список литературы / References
- Müseyibov M.A. Физическая география Азербайджана. Учебник. Баку. Издательство Маариф, 1998, 360 стр.
- Асадова А.В., Мухтаров А.Ш. Ресурсы геотермальной энергии по республике Азербайджан // Мониторинг: науки и технологии, 2013. № 2. [Электронный ресурсhttp://csmos.ru/index.php?page=mnt-issue-2013-2/ (дата обращения: 25.01.2021).
- «Стратегическая дорожная карта национальной экономики Азербайджанской Республики», утвержденная Указом Президента Азербайджанской Республики от 6 декабря 2016 г. Баку, 2018. 111 стр.
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. Кулиев Д.Т., Кулиева Ф.О. ТЕОРЕТИЧЕСКИЕ ПРЕДПОСЫЛКИ ИСПОЛЬЗОВАНИЙ ТЕРМАЛЬНЫХ ВОД АЗЕРБАЙДЖАНА ДЛЯ ГОРЯЧЕГО ВОДОСНАБЖЕНИЯ И ОТОПЛЕНИЯ ЗДАНИЙ [THEORETICAL BACKGROUND OF THE USE OF AZERBAIJAN'S THERMAL WATER FOR HOT WATER SUPPLY AND HEATING OF BUILDINGS] // XIX INTERNATIONAL SCIENTIFIC REVIEW OF THE TECHNICAL SCIENCES, MATHEMATICS AND COMPUTER SCIENCE Свободное цитирование при указании авторства: https://scientific-conference.com/grafik/2019-vtoroe-polugodie.html ( Boston. USA. - 30 December, 2020). с. {см. сборник} |
- Информация о материале
- Просмотров: 578
Lyashenko I.I.
Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
Lyashenko Irina Ivanovna – Мaster of computer Science,
DEPARTMENT ENERGY, METALLURGY AND INFORMATION TECHNOLOGIES,
INNOVATIVE EURASIAN UNIVERSITY,
PAVLODAR, REPUBLIC OF KAZAKHSTAN
Abstract: the article presents one of the ways to solve the problem of optimizing the educational process in educational institutions, in particular, teaching programming in low-level (machine) languages, which include assembly languages. To improve the quality of knowledge and skills of students, it is proposed to use in the educational process a developed specialized programming platform with a full set of functions necessary for teaching and self-learning programming in the FLAT ASSEMBLER language. The electronic platform includes a module of educational materials to help students.
Keywords: programmed learning, informatization of the learning process, optimization, information technologies, assembler, educational and software complex.
Ляшенко И.И.
Ляшенко Ирина Ивановна – магистр информатики,
кафедра энергетики, металлургии и информационных технологий,
Инновационный Евразийский университет,
г. Павлодар, Республика Казахстан
Аннотация: в статье приводится один из способов решения задачи оптимизации учебного процесса в учебных заведениях, в частности, обучение программированию на языках низкого (машинного) уровня, к которым относятся языки ассемблера. Для повышения качества знаний и умений обучающихся предлагается использование в учебном процессе разработанной специализированной платформы для программирования с полным комплексом функций, необходимых для обучения и самообучения программированию на языке FLAT ASSEMBLER. В электронную платформу включен модуль учебных материалов в помощь обучающимся.
Ключевые слова: программированное обучение, информатизация процесса обучения, оптимизация, информационные технологии, ассемблер, учебно-программный комплекс.
Список литературы / References
- СУБД-движок SQLite. [Электронный ресурсhttp://bourabai.ru/dbt/dbms/sqlite.htm/ (дата обращения: 04.01.2021).
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. Ляшенко И.И. О ПРИМЕНЕНИИ СОВРЕМЕННЫХ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ В ПРОЦЕССЕ ОБУЧЕНИЯ ПРОГРАММИРОВАНИЮ [ON THE APPLICATION OF MODERN INFORMATION TECHNOLOGIES IN THE PROCESS OF LEARNING PROGRAMMING] // XIX INTERNATIONAL SCIENTIFIC REVIEW OF THE TECHNICAL SCIENCES, MATHEMATICS AND COMPUTER SCIENCE Свободное цитирование при указании авторства: https://scientific-conference.com/grafik/2019-vtoroe-polugodie.html ( Boston. USA. - 30 December, 2020). с. {см. сборник} |
- Информация о материале
- Просмотров: 571
Makarov A.E., Varlamov A.A.
Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
Makarov Anatoly Evgenievich - Solutions Architect,
IBM,
MOSCOW;
Varlamov Aleksandr Aleksandrovich – Senior Solutions Architect,
LI9 INC,
NORTH CAROLINA, RALEIGH, UNITED STATES OF AMERICA
Abstract: the analysis of virtualization features of a cloud service's hardware complex is carried out, methods of distribution of virtual machines are considered. A methodology has been developed to reduce the problem of optimizing hardware resources to the mathematical problem of finding the minimum of a function. Analytical solutions are proposed to calculate the depreciation of the consumption of computing power, RAM, and electricity by the cloud service and minimize the delay in executing user requests. A generalized scheme of the methodology for constructing elite and non-elite evolutionary algorithms for multi-purpose optimization is developed.
Keywords: virtual machines placement, evolutionary algorithms, cloud service, computing power, random access memory, power consumption, latency, multiobjective optimization.
Макаров А.Е., Варламов А.А.
Макаров Анатолий Евгеньевич - архитектор решений,
IBM,
г. Москва;
Варламов Александр Александрович – главный архитектор решений,
Li9 INC,
Северная Каролина, г. Райли, Соединенные Штаты Америки
Аннотация: проведен анализ особенностей виртуализации аппаратного комплекса облачного сервиса, рассмотрены методы распределения виртуальных машин. Разработана методология по сведению задачи оптимизации использования аппаратных ресурсов к математической задаче нахождения минимума функции. Предложены аналитические решения для расчета минимизации потребления облачным сервисом вычислительных мощностей, оперативной памяти и электроэнергии, а также по минимизации задержки при выполнении пользовательских запросов. Разработана обобщенная схема методологии построения элитарных и не элитарных эволюционных алгоритмов многоцелевой оптимизации.
Ключевые слова: распределение виртуальных машин, эволюционные алгоритмы, облачный сервис, вычислительная мощность, оперативная память, энергопотребление, задержка, многоцелевая оптимизация.
Список литературы / References
- Dimitrov V., Cloud Programming Models (MapReduce). Encyclopedia of Cloud Computing, 596-608. doi:10.1002/9781118821930.ch49.
- Gordon D.G., Legal Aspects of Cloud Computing. Encyclopedia of Cloud Computing, 462-475. doi:10.1002/9781118821930.ch38.
- Nedjah N., De M.M. & Lopes H.S., Evolutionary multi-objective system design: Theory and applications. Boca Raton, FL: CRC Press, Taylor & Francis Group.
- Ishibuchi H. & Shibata Y. (2004). Single-Objective And Multi-Objective Evolutionary Flowshop Scheduling. Applications of Multi-Objective Evolutionary Algorithms Advances in Natural Computation, 529-554. doi:10.1142/9789812567796_0022.
- Fei Z., Li B., Yang S., Xing C., Chen H., Hanzo L.: A survey of multi-objective optimization in wireless sensor networks: metrics, algorithms, and open problems. IEEE Commun. Surv. Tutor. 19 (1), 550–586 (2016).
- Pan J. (2020). Genetic and evolutionary computing: Proceedings of the thirteenth International Conference on Genetic and Evolutionary Computing, November 1-3, 2019, Qingdao, China. Gateway East, Singapore: Springer.
- Branke J., Deb K., Miettinen K., Słowi´nski R.: Multiobjective Optimization, Interactive and Evolutionary Approaches. Springer, Berlin, Heidelberg (2008).
- Baykasoğlu A. & Ozsoydan F.B. (2017). Evolutionary and population-based methods versus constructive search strategies in dynamic combinatorial optimization. Information Sciences, 420, 159-183. doi:10.1016/j.ins.2017.08.058.
- Jansen T. (2012). Evolutionary Algorithms and Other Randomized Search Heuristics. Analyzing Evolutionary Algorithms Natural Computing Series, 7-29. doi:10.1007/978-3-642-17339-4_2.
- Song B. & Li V.O. (2020). A Revisit of Infinite Population Models for Evolutionary Algorithms on Continuous Optimization Problems. Evolutionary Computation, 28 (1), 55-85. doi:10.1162/evco_a_00249.
- Zhang Q., Li H.: MOEA/D: a multiobjective evolutionary algorithm based on decomposition. IEEE Trans. Evol. Comput.11 (6), 712–731 (2007).
- Deb K. et al.: A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE Trans. Evol. Comput. 6 (2), 182–197 (2002).
- Multiobjective Genetic Algorithm for Pareto-Optimal Route Selection. (2009). Intelligent Engineering Systems through Artificial Neural Networks, 323-330. doi:10.1115/1.802953.paper41.
- Vandeva E. (2012). MultiObjective Genetic Modified Algorithm (MOGMA). Cybernetics and Information Technologies, 12 (2), 23-33. doi:10.2478/cait-2012-0010.
- Kamkar I. & Akbarzadeh T.M. (2010). Multiobjective cellular genetic algorithm with adaptive fuzzy fitness granulation. 2010 IEEE International Conference on Systems, Man and Cybernetics. doi:10.1109/icsmc.2010.5642401.
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. Макаров А.Е., Варламов А.А. ОСОБЕННОСТИ ПРИМЕНЕНИЯ ЭВОЛЮЦИОННЫХ АЛГОРИТМОВ ПРИ МНОГОЦЕЛЕВОЙ ОПТИМИЗАЦИИ РАБОТЫ ВИРТУАЛЬНОЙ МАШИНЫ В СРЕДЕ ОБЛАЧНОГО СЕРВИСА [FEATURES OF APPLICATION OF EVOLUTIONARY ALGORITHMS FOR MULTI-PURPOSE OPTIMIZATION OF THE OPERATION OF A VIRTUAL MACHINE IN A CLOUD SERVICE ENVIRONMENT] // XIX INTERNATIONAL SCIENTIFIC REVIEW OF THE TECHNICAL SCIENCES, MATHEMATICS AND COMPUTER SCIENCE Свободное цитирование при указании авторства: https://scientific-conference.com/grafik/2019-vtoroe-polugodie.html ( Boston. USA. - 30 December, 2020). с. {см. сборник} |
- Информация о материале
- Просмотров: 591
Makarov A.E., Varlamov A.A.
Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
Makarov Anatoly Evgenievich - Solutions Architect,
IBM,
MOSCOW;
Varlamov Aleksandr Aleksandrovich – Senior Solutions Architect,
LI9 INC,
NORTH CAROLINA, Raleigh, UNITED STATES OF AMERICA
Abstract: the features of the analysis methods of big data arrays generated by social networks' cloud services are considered. Classification of typical tasks for this class of hardware and software platforms by the generated data format and the analysis system development goals is proposed. In contrast, the urgency of the task of automatic keyword recognition is indicated. To solve this problem, within the framework of the study, a complex methodology for constructing graph models of deep analysis was proposed, which is based on calculating the term frequency, determining the centrality measure, and the position of the nodes in the network. As a result of this work, a technique for recognizing keywords with several attributes was developed.
Keywords: graph model, deep analysis, social network, multi-attribute keyword extraction, centrality measures.
Макаров А.Е., Варламов А.А.
Макаров Анатолий Евгеньевич - архитектор решений,
IBM,
г. Москва;
Варламов Александр Александрович – главный архитектор решений,
Li9 INC,
Северная Каролина, г. Райли, Соединенные Штаты Америки
Аннотация: рассмотрены особенности анализа больших массивов данных, которые генерируются в рамках работы облачных сервисов, специализирующихся на работе с социальными сетями. Предложена классификация задач, характерных для данного класса аппаратно-программных платформ в соответствии с форматом генерируемых данных, а также целей, которые преследует разработка системы анализа; при этом указана актуальность задачи автоматического распознавания ключевых слов. Для решения данной задачи в рамках исследования была предложена комплексная методология построения графовых моделей глубинного анализа, которая базируется на расчете частоты появления терминов, определении показателя центральности и положения узлов. В результате проведенной работы была разработана методика распознавания ключевых слов с несколькими атрибутами.
Ключевые слова: графовая модель, глубинный анализ, социальная сеть, распознавание ключевых слов с несколькими атрибутами, показатель центральности.
Список литературы / References
- Shabunina E. & Pasi G. (2018). A graph-based approach to ememes identification and tracking in Social Media streams. Knowledge-Based Systems, 139, 108-118. doi:10.1016/j.knosys.2017.10.013.
- Bordoloi M. & Biswas S.K. (2018). Keyword extraction from micro-blogs using collective weight. Social Network Analysis and Mining, 8 (1). doi:10.1007/s13278-018-0536-8
- Weiler A., Grossniklaus M. & Scholl M.H. (2016). Editorial: Survey and Experimental Analysis of Event Detection Techniques for Twitter. The Computer Journal. 60 (3), 329–346 doi:10.1093/comjnl/bxw056.
- Li Y., Li M. & Shen Y. (2016). A Multi-attribute Keyword Retrieval Mechanism for Encrypted Cloud Data. International Journal of Security and Its Applications, 10 (12), 335-346. doi:10.14257/ijsia.2016.10.12.27.
- Bondade A. R., Patil P. & Patle G. (2020). Attribute based Encryption for Improved Multi-Keyword Search in Information Network, 5th International Conference on Communication and Electronics Systems (ICCES). doi:10.1109/icces48766.2020.9138046.
- He X. & Meghanathan N. (2016). Alternatives to Betweenness Centrality: A Measure of Correlation Coefficient. Computer Science & Information Technology (CS & IT). doi:10.5121/csit.2016.61301.
- Nikolaev A.R., Giannini M., Meghanathan R.N. & Leeuwen C.V., Enhanced information processing at revisited fixation locations. doi:10.1101/660308.
- Benyahia O., Largeron C.: Centrality for graphs with numerical attributes. In: 2015 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining (ASONAM). Р 1348–1353. IEEE (2015).
- Richiardi J., Achard S., Bullmore E. & Ville D.V. (2011). Classifying Connectivity Graphs Using Graph and Vertex Attributes, 2011 International Workshop on Pattern Recognition in NeuroImaging. doi:10.1109/prni.2011.18.
- Hernández J.M., Van Mieghem P.: Classification of Graph Metrics, 2011. Р 1–20. Delft University of Technology. Mekelweg. The Netherlands.
- Yang Y., Xie G.: Efficient identification of node importance in social networks. Inf. Process. Manage, 2016. 52 (5), 911–922.
- Shi S., Chen K., Wang Y. & Luo R., Node Importance Analysis in Complex Networks Based on Hardware Computing. Journal of Electronics & Information Technology, 33 (10), 2536-2540. doi:10.3724/sp.j.1146.2011. 00363.
- Biswas S.K., Bordoloi M., Shreya J.: A graph based keyword extraction model using collective node weight, 2018. Expert Syst. Appl. 97, 51–59.
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. Макаров А.Е., Варламов А.А. ПОСТРОЕНИЕ ГРАФОВЫХ МОДЕЛЕЙ ГЛУБИННОГО АНАЛИЗА ДАННЫХ ОБЛАЧНЫХ СЕРВИСОВ, СПЕЦИАЛИЗИРУЮЩИХСЯ НА РАБОТЕ С СОЦИАЛЬНЫМИ СЕТЯМИ [BUILDING GRAPH MODELS OF DEPTH ANALYSIS OF DATA OF CLOUD SERVICES SPECIALIZED IN WORKING WITH SOCIAL NETWORKS] // LXXVI International Scientific Review of the Problems and Prospects of Modern Science and Education Свободное цитирование при указании авторства:https://scientific-conference.com/grafik/grafik-2020-pervoe-polugodie.html ( Boston. USA. - 23 December, 2020). с. {см. сборник} |