Россия
Россия
Рассматривается технология обработки статистических данных с использованием программного обеспечения и языка программирования С#. Рассматриваются различные подходы к изучению статистических данных, как с помощью специальных математических программных средствам, таких как Scilab, MATLAB, Octave так и путем написания собственных программ с использованием специализированных математических библиотек. Дается обзор методик математической обработки результатов опыта. Выполняется сравнительный анализ различных библиотек для выполнения статистической обработке данных для языка программирования C#. Выполняется сравнительный анализ выбора языка программирования с точки зрения использования прикладных библиотек в зависимости от присутствия математических библиотек для обработки статистических данных. Строятся программные конструкции для библиотеки ILNumerics Ultimate VS, которая представляет собой расширение для Visual Studio и позволяет писать и выполнять математические алгоритмы очень быстрым и эффективным образом. Изучаются функции по интерполяции данных и их визуализации на основании построения графиков функций на основе статистических данных. Рассматривается библиотека Microsoft Word XX.YY Object Library, которая позволяет выполнить обработку текстовых, табличных и графических данных с целью размещения их и сохранения в MS Word.
Статистические данные, интерполяция, язык С#, библиотека ILNumerics Ultimate VS, библиотека Microsoft Word XX.YY Object Library, Scilab, MATLAB, Octave.
1. Качественная теория динамических систем 2-го порядка / А.А. Андронов, Е.А. Леонтович, М.И. Гордон, А.Г. Майер. - М. : Наука, 1966. - 568 с.
2. Арайс, Е.А. Автоматизация моделирования многосвязных механических систем. / Е.А. Арайс, В.М. Дмитриев. - М.: Машиностроение, 1987.- 240 с.
3. Бенькович, Е.С. Практическое моделирование сложных динамических систем. / Е.С. Бенькович, Ю.Б. Колесов, Ю.Б. Сениченков. - С. Петербург, БХВ, 2001.- 441 с.
4. Деммель, Дж. Вычислительная линейная алгебра. Теория и приложения / Дж. Деммель. - М.: Мир, 2001. - 430 с.
5. Зольников, К.В. Математическая модель оценки показателей надежности сложных программно-технических комплексов / К.В. Зольников, Д.М. Уткин, Ю.А. Чевычелов // Моделирование систем и процессов. - 2018. - Т. 11, № 1. - С. 21-26. - DOI:https://doi.org/10.12737/article_5b574c7dda04e4.25586128.
6. Зольников, В.К. Моделирование и анализ производительности алгоритмов балансировки нагрузки облачных вычислений / В.К. Зольников, О.В. Оксюта, Н.Ф. Даюб // Моделирование систем и процессов. - 2020. - Т. 13, № 1. - С. 32-39. - DOI:https://doi.org/10.12737/2219-0767-2020-13-1-32-39.
7. Оксюта, О.В. Разработка математической модели оптимального функционирования транспортно-логистического комплекса / О.В. Оксюта, В.А. Коротких // Моделирование систем и процессов. - 2017. - Т. 10, № 3. - С. 55-66. - DOI:https://doi.org/10.12737/article_5a29283f79c556.29247378.
8. Координация проектных работ в области СНК и сложно функциональных блоков / К.В. Зольников, В.И. Анциферова, С.А. Евдокимова, С.В. Гречаный // Моделирование систем и процессов. - 2020. - Т. 13, № 3. - С. 71-76. - DOI:https://doi.org/10.12737/2219-0767-2020-13-3-71-76.
9. Юров, А.Н. Организация технических условий и информационных данных в 3D моделях программных систем / А.Н. Юров, В.В. Сокольников, К.С. Меремьянин // Моделирование систем и процессов. - 2020. - Т. 13, № 4. - С. 83-89. - DOI:https://doi.org/10.12737/2219-0767-2021-13-4-83-89.
10. Модели интеллектуальных интерфейсов поисковых информационных систем / А.А. Абдуллин, В.В. Лавлинский, И.А. Земцов [и др.] // Моделирование систем и процессов. - 2019. - Т. 12, № 2. - С. 4-9. - DOI:https://doi.org/10.12737/10.12737/article_5db1e3e5e16f07.14402511.
11. Информационные модели радиационных эффектов для оценки адекватности принятия решений / К.В. Зольников, В.М. Антимиров, А.Ю. Кулай [и др.] // Моделирование систем и процессов. - 2018. - Т. 11, № 1. - С. 15-20. - DOI:https://doi.org/10.12737/article_5b574c7c764b99.21100850.
12. К вопросу о распределении ресурсов в информационной системе / М.А. Ивановский, Н.Г. Шахов, Ю.В. Кулаков, В.В. Севенюк // Моделирование систем и процессов. - 2018. - Т. 11, № 2. - С.16-24. - DOI:https://doi.org/10.12737/article_5b57794ad6fb08.16724494.
13. Построение законов распределения случайных величин при моделировании информационных систем / Ю.В. Минин, О.Г. Иванова, Е.А. Байбаков, Х.Л. Маджет // Моделирование систем и процессов. - 2018. - Т. 11, № 2. - С.37-44. - DOI:https://doi.org/10.12737/article_5b57794da92980.07304947.
14. Лавлинский, В.В. Имитационная модель оценки стойкости шифрования методом анализа криптографических алгоритмов с позиций виртуализации 8-битных идентификаторов / В.В. Лавлинский, А.С. Березнев, А.А. Змеев // Моделирование систем и процессов. - 2018. - Т. 11, № 4. - С. 71-78. - DOI:https://doi.org/10.12737/article_5c79642e5bdef2.80886383.
15. Руководство пользователя LINPACK / J.J. Dongarra, C.B. Moler, J.R. Bunch, G.W. Stewart // Общество промышленной и прикладной математики. - 1979. - С. 38-42.
16. High-performance RF Power Amplifier Module using Optimum Chip-level Packaging Structure / H. Nam, J. Kim, , J. Jeon [et al.] // IEEE Transactions on Industrial Electronics. - 2021. - Vol. 69, № 6. - Pp. 5660-5668. - DOI:https://doi.org/10.1109/TIE.2021.3088328.
17. Bae, Y. A programmable impedance tuner with a high resolution using a 0.18-um CMOS SOI process for improved linearity / Y. Bae, H. Jhon, J. Kim // Electronics. - 2020. - Vol. 9(1). - C. 7. - DOI:https://doi.org/10.3390/electronics9010007.
18. Quinacridone-quinoxaline-based copolymer for organic field-effect transistors and its high-voltage logic circuit operations / J. Jeon, H. Jhon, M. Kang [et al.] // Organic Electronics. - 2018. - Vol. 56, № 2. - Pp. 1-4. - DOI:https://doi.org/10.1016/j.orgel.2018.01.019.
19. Vahidian, S. Personalized federated learning by structured and unstructured pruning under data heterogeneity / S. Vahidian, M. Morafah, B. Lin // Proceedings - 2021 IEEE 41st International Conference on Distributed Computing Systems Workshops, ICDCSW 2021. - 2021. - Pp. 27-34. - DOI:https://doi.org/10.1109/ICDCSW53096.2021.00012.
20. MEMTONIC: A Neuromorphic Accelerator for Energy Efficient Deep Learning / D. Dang, S. Taheri, B. Lin, D. Sahoo // 2020 57th ACM/IEEE Design Automation Conference (DAC). - 2020. - Pp. 1-2. - DOI:https://doi.org/10.1109/DAC18072.2020.9218560.
