В условиях быстрой урбанизации общества моделирование процессов устойчивого развития городов привлекает значительное внимание ученых. В данной статье представлено исследование нечетких когнитивных карт (НКК) как междисциплинарной модели для имитации процессов городского развития. Это подчеркивает универсальность НКК в интеграции экспертных знаний и количественной оценке влияния показателей, которые формируют городское пространство, от инфраструктуры и жилья до экологической устойчивости и благополучия общества. В исследовании используется синтез обширного обзора литературы и экспертных мнений с целью создания и уточнения когнитивной карты, адаптированной для развития муниципальных образований. Изложенная методология формулирует систематический подход к выбору концептов, присвоению весов и проверке модели. Благодаря сотрудничеству с межотраслевыми экспертами, исследование подтверждает ценность НКК для выявления каскадных эффектов в процессе принятия решений при формировании стратегий развития города. Признавая ограничения, присущие экспертным методам и нечеткий характер данных, авторы приводят доводы в пользу эффективности НКК не только в выявлении, но и в решении возникающих проблем урбанизации. В конечном счете, эта статья привносит детальный взгляд на дискурс стратегического планирования, поскольку авторы выступают за использование НКК в качестве инструмента поддержки принятия управленческих решений, который может помочь руководящим органам в обеспечении устойчивого и справедливого городского будущего.

Ключевые слова: нечеткие когнитивные карты, городское развитие, городское планирование, устойчивая урбанизация, экспертные системы, благополучие общества

2.3.1 - Системный анализ, управление и обработка информации , 2.3.4 - Управление в организационных системах

В современном мире распознавание лиц становится все более важной и актуальной задачей. С развитием технологий и возрастанием объема данных увеличивается потребность в надежных, точных и эффективных системах распознавания лиц. Нейронные сети демонстрируют высокую эффективность в решении задач компьютерного зрения и имеют большой потенциал для улучшения существующих математических моделей распознавания лиц. Данная статья посвящена исследованию методов для распознавания лиц человека, будет подробно рассмотрен алгоритм Виолы-Джонса, который, который можно применять в задаче по распознаванию лиц с применением нейронных сетей. Также будут проанализированы методики обучения моделей глубокого обучения с помощью библиотек, использующие также алгоритм Виолы-Джонса и будет описан алгоритм использования обученной модели в API, которая будет использована в десктопных и мобильных приложениях.

Ключевые слова: биометрическая идентификация, распознавание лица человека, математические модели, методы распознавания лиц, глубокое обучение, сверточные нейронные сети, tensorflow

1.2.2 - Математическое моделирование, численные методы и комплексы программ