| Инд. авторы: | Клименко О.А. |
| Заглавие: | Математические основы цифровой экономики |
| Библ. ссылка: | Клименко О.А. Математические основы цифровой экономики // Информационные и математические технологии в науке и управлении. - 2018. - № 2(10). - С.121-127. - ISSN 2413-0133. |
| Внешние системы: | DOI: 10.25729/2413-0133-2018-2-12; РИНЦ: 36322151; |
| Реферат: | eng: The penetration of information and telecommunication technologies into industry, agriculture, medicine, education, logistics and other areas of human activity resulted in the emergence of the digital economy. A review of mathematical problems, the role of which has greatly increased over the past decade due to total digitalization, is carried out in this article. In general, we can define two major types of problems - the construction of mathematical models or digital twins of physical objects (both natural and artificial) and the task of processing large amounts of data. rus: Проникновение информационных и телекоммуникационных технологий в промышленность, сельское хозяйство, медицину, образование, логистику и другие области человеческой деятельности привели к возникновению цифровой экономики. В статье выполнен обзор математических задач, роль которых очень возросла за последнее десятилетие в связи с тенденцией всеобщей цифровизации. В целом, можно выделить два больших класса задач: построение математических моделей или цифровых двойников реальных объектов (природных и искусственных) и задача обработки больших объемов данных. |
| Ключевые слова: | цифровые двойники; Большие Данные; цифровая экономика; |
| Издано: | 2018 |
| Физ. характеристика: | с.121-127 |
| Цитирование: | 1. Айзенберг Н.И., Зоркальцев В.И., Мокрый И.В. Исследование нестационарных олигопольных рынков // Сиб. журн. индустр. матем. 2017. Т.20. №1. С. 11-20. 2. Артемьев С.С. , Марченко М.А., Корнеев В.Д., Якунин М.А. и др. Анализ стохастических колебаний методом Монте-Карло на суперкомпьютерах. Новосибирск: Изд-во СО РАН. 2016. 294 с. 3. Боровков А.И., Марусева В.М., Рябов Ю.А., Щербина Л.А. Бионический дизайн. СПб.: Изд-во Политехнического ун-та. 2015. 92 с. 4. Годунов С.К., Киселев С.П., Куликов И.М., Мали В.И. Моделирование ударно-волновых процессов в упругопластических материалах на различных (атомный, мезо и термодинамический) структурных уровнях. Москва, Ижевск: Из-во Ижевского института компьютерных исследований. 2014. 296 с. 5. Зоркальцев В.И., Пержабинский С.М. Модели оценки дефицита мощности электроэнергетической системы // Сиб. журн. индустр. матем. 2012. Т. 15. №1. С. 34 - 43 6. Майер-Шенбергер В., Кукьер К. Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим. М.: Манн, Иванов и Фербер. 2014. 230 с. 7. Указ Президента РФ от 9 мая 2017 г. № 203. http://kremlin.ru/acts/bank/41919 8. Фигурнов М.В., Струминский К.А., Ветров Д.П. Устойчивый к шуму метод обучения вариационного автокодировщика // Интеллектуальные системы. Теория и приложения. 2017. Т. 21. № 2. С. 90 - 109. 9. Davydov I., Kochetov Yu. VNS-based heuristic with an exponential neighborhood for the server load balancing problem // Electronic Notes in Discrete Mathematics. 2015. Vol. Pp. 53-60 DOI: 10.1016/j.endm.2014.11.008 10. Iellamo S., Alekseeva E., Chen L., Coupechoux M., Kochetov Yu. Competitive location in cognitive radio networks // 4OR. 2015. Vol. 13. Issue 1. Pp. 81-110. DOI: 10.1007/s10288-014-0268-1 11. Kabanikhin S.I., Novikov N.S., Oseledets I.V., Shishlenin M.A. Fast Toeplitz linear system inversion for solving two-dimensional acoustic inverse problem // J. of Inverse and Ill-Posed Problems. 2015. Vol. 23. No. 6. Pp. 687-700. 12. Massel L.V., Massel A.G. Intelligent system of semiotic type for decision-making support in Russia energy sector based on situational management conception /Proceedings of IV International scientific conference "Information technologies in science, management, social sphere and medicine" (ITSMSSM 2017)) // Advances in Computer Science Research (ACSR). Volume 72. 2017. Pp. 423-429. Available at: https://www.atlantis-press.com/proceedings/itsmssm-17 13. Materialise Slicing Technology Enables Toyota’s Lightweight Car Seat. Available at: http://www.materialise.com/en/cases/materialise-slicing-technology-enables-toyota%E2%80%99s-lightweight-car-seat. 14. Molchanov D., Ashukha A., Vetrov D. Variational Dropout Sparsifies Deep Neural Networks // Proceedings of Machine Learning Research. Proceedings of the International Conference on Machine Learning (ICML 2017). Vol. 70. Sydney: 2017. Pp. 2498 - 2507. 15. Shokin Y.I., Cherny S.G., Esipov D.V., Lapin V.N., Lyutov A.E., Kuranakov D.S. Three-dimensional model of fracture propagation from the cavity caused by quasi-static load or viscous fluid pumping // Communications in Computer and Information Science. 2015. Vol. 549. Pp. 143-157. ISSN 1865-0929. EISSN 1865-0937. 16. What is Industrie 4.0? Available at: http://www.plattform-i40.de/I40/Navigation/EN/Industrie40/WhatIsIndustrie40/what-is-industrie40.html |
