Факультеты > Институт математики и информационных технологий > Кафедра прикладной математики > Преподаватели

Жигалов Артур Юрьевич

Образование: высшее по направлению бакалавриата "Прикладная математика и информатика" (2018, квалификация: бакалавр), высшее по направлению магистратуры "Прикладная математика и информатика" (2020, квалификация: магистр)

Ученая степень: отсутствует

Должность: преподаватель кафедры прикладной математики

Общий стаж работы: 5 лет 3 месяца 25 дней

Стаж педагогической работы: 2 года 2 дня

Расписание преподавателя


Профессиональная переподготовка

  • Сетевое и системное администрирование (2022, право на ведение профессиональной деятельности в сфере информационных технологий)

Повышение квалификации (за последние три года)

  • Профилактика распространения в образовательных организациях радикальной и иной деструктивной идеологии (2021)
  • Преподаватель в области искусственного интеллекта (2022)
  • Электронная информационно-образовательная среда вуза в условиях цифровой трансформации (2022)

Преподаваемые дисциплины (за последние три учебных года)

  • Автоматическое машинное обучение
  • Интеллектуальные технологии анализа данных
  • Математические основы искусственного интеллекта
  • Машинное обучение
  • Основы нейронных сетей
  • Проектирование и разработка интеллектуальных систем
  • Системы искусственного интеллекта
  • Технологии анализа данных
  • Технологии машинного обучения
  • Технологии программирования и обучения глубоких сетей

Публикации преподавателя

  1. Development of a Model for Efficient Processing and Presentation Data for Discovering Traffic Anomalies in Vehicular ad hoc Networks [Электронный ресурс] / L.S. Grishina, A. Yu. Zhigalov, D. I. Parfenov, I. P. Bolodurina, L. V. Legashev // AIP Conference Proceedings,2023. - Vol. 2700А: Proceedings of the iv international scientific conference on advanced technologies in aerospace, mechanical and automation engineering: (MIST: Aerospace-IV 2021), Krasnoyarsk, 10-11 December 2021 / Ed. I. Kovalev, A. Voroshilova. - P. 1-8. . - 8 с.
    Электронный источник
  2. Extracting and Processing of Russian Unstructured Clinical Texts for a Medical Decision Support System [Электронный ресурс] / I. Bolodurina, A. Shukhman, L. Legashev, L. Grishina, A. Zhigalov // Engineering Proceedings ,2023. - Vol. 33, Iss. 1 : Proceedings of 15th International Conference "Intelligent Systems" (INTELS'22). - P. 41. . - 9 с. The rapid growth in the volume of medical data is pushing the development and implementation of artificial intelligence (AI) tools. One of the directions of the application of AI in the field of healthcare is the use of natural language processing methods to build medical decision support systems based on electronic medical record (EMC) data. As a result of this study, a module for the extraction and pretreatment of patients'EMC was developed. In addition, an approach was implemented to extract features from the unstructured textual information of patient admission protocols, with the formation of an appropriate vector representation of data. Predictive models for the diagnosis of groups of diseases based on the logistic regression model and BERT were developed. The obtained results have been posted for public access based on the django framework and can be used for preliminary assessment of patient health status, as well as integrated into existing medical decision support systems.
    Электронный источник
  3. Intelligent system for automatic image description of optical coherence tomography [Электронный ресурс] / I. P. Bolodurina, A. O. Lositsky, E. L. Borshchuk, A. E. Voronina, A. Yu. Zhigalov, L S. Grishina // Journal of Physics: Conference Series,2023. - Vol. 2514 : International Workshop on Mathematical Modeling and Scientific Computing 2022, 04.10.2022 - 07.10.2022 Munich, Germany. - Р. 012004. . - 5 с. The development and implementation of an intelligent system for automatic image description of an optical coherence tomograph allows us to reduce the time of image processing and, consequently, to accelerate the diagnosis of diseases.
    Электронный источник
  4. Investigation of the Security of ML-models in IoT Networks from Adversarial Attacks [Электронный ресурс] / D. Parfenov, L. Grishina, L. Legashev, A. Zhigalov, A. Parfenov // 2023 IEEE Ural-Siberian Conference on Biomedical Engineering, Radioelectronics and Information Technology (USBEREIT) : [Proceedings of Conferences], Yekaterinburg, 15-17 May 2023,2023. - . - P. 229-232. . - 4 с.
    Электронный источник
  5. Интерпретация результатов структурной ОКТ макулы при динамическом наблюдении пациентов с помощью систем искусственного интеллекта [Электронный ресурс] / А. Д. Чупров, И. П. Болодурина, А. О. Лосицкий, А. Ю. Жигалов, О. В. Плигина, А. Р. Субханкулова, М. С. Королькова // Российский общенациональный офтальмологический форум,2023. - Т. 1. - С. 104-108. . - 5 с.
    Электронный источник
  6. Исследование атак на модели машинного обучения в сетях 5G на основе генеративно-состязательных сетей [Электронный ресурс] / Д. И. Парфёнов, И. П. Болодурина, Л. В. Легашев, А. Ю. Жигалов, Л. С. Гришина // Прикаспийский журнал: управление и высокие технологии,2023. - № 1 (61). - С. 89-96. . - 8 с. В данном исследовании проведен анализ данных в миллиметровых волнах (mmWave) и массивных системах MIMO, сгенерированных на платформе DeepMIMO на основе сценария трассировки лучей на открытом пространстве. Набор данных использован с целью построения моделей машинного обучения для предсказания, находится ли пользователь в зоне линии прямой видимости базовой станции. Кроме того, в рамках данной работы рассмотрен вопрос устойчивости построенных моделей к состязательным атакам и предложен подход к применению генеративно-состязательных сетей для генерации синтетических состязательных образцов путем замены истинных значений целевого признака.
    Электронный источник
  7. Исследование подходов к распознаванию именованных сущностей в русскоязычном тексте [Электронный ресурс] / И. П. Болодурина, И. А. Хохлов, Л. С. Гришина, А. Ю. Жигалов // Университетский комплекс как региональный центр образования, науки и культуры : сб. материалов Всерос. науч.-метод. конф., Оренбург, 26-27 янв. 2023 г. / Оренбург. гос. ун-т ; ред. А. В. Пыхтин. - Оренбург : ОГУ,2023. - . - С. 1252-1257. . - 6 с.
    Электронный источник
  8. Исследование современных архитектур генерации русскоязычного текста на основе неструктурированных медицинских данных [Электронный ресурс] / И. П. Болодурина, Е. Л. Борщук, Л. С. Гришина, А. Ю. Жигалов // Университетский комплекс как региональный центр образования, науки и культуры : сб. материалов Всерос. науч.-метод. конф., Оренбург, 26-27 янв. 2023 г. / Оренбург. гос. ун-т ; ред. А. В. Пыхтин. - Оренбург : ОГУ,2023. - . - С. 3760-3764. . - 5 с.
    Электронный источник
  9. Исследование эффективности целевых состязательных атак на модели машинного обучения по табличным данным [Электронный ресурс] / И. П. Болодурина, Д. И. Парфёнов, П. Л. Нирян, Л. С. Гришина, А. Ю. Жигалов // Университетский комплекс как региональный центр образования, науки и культуры : сб. материалов Всерос. науч.-метод. конф., Оренбург, 26-27 янв. 2023 г. / Оренбург. гос. ун-т ; ред. А. В. Пыхтин. - Оренбург : ОГУ,2023. - . - С. 1248-1251. . - 4 с.
    Электронный источник
  10. Метод идентификации сетевых атак и выбор оптимальных инструментов защиты сети VANET [Электронный ресурс] / И. П. Болодурина, Д. И. Парфёнов, Л. С. Гришина, А. Ю. Жигалов // Университетский комплекс как региональный центр образования, науки и культуры : сб. материалов Всерос. науч.-метод. конф., Оренбург, 26-27 янв. 2023 г. / Оренбург. гос. ун-т ; ред. А. В. Пыхтин. - Оренбург : ОГУ,2023. - . - С. 3770-3774. . - 5 с.
    Электронный источник
  11. Модуль исследования эффективности графового представления данных для модели прогнозирования ССЗ на основе неструктурированных клинических текстов [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ 2023610238 / Ю. В. Варенникова, И. П. Болодурина, А. Е. Шухман, А. Ю. Жигалов, Л. С. Гришина, Л. В. Легашев; правообладатель Оренбург. гос. ун-т.- № 2022685667заявл. 22.12.2022опубл. 09.01.2023, 2023. - 1 с.
    Электронный источник
  12. Модуль противодействия состязательным атакам на модели искусственного интеллекта [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ 2023610248 / И. П. Болодурина, Д. И. Парфенов, А. Ю. Жигалов, Л. С. Гришина, С. В. Толмачев, А. И. Парфенов; правообладатель Оренбург. гос. ун-т.- № 2022685450заявл. 21.12.2022опубл. 10.01.2023, 2023. - 1 с.
    Электронный источник
  13. Программа выбора метода повторной операции при хирургическом лечении глаукомы с применением искуственной нейронной сети [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ 2023610176 / А. Д. Чупров, Е. Л. Борщук, И. П. Болодурина, Д. Н. Бегун, А. Ю. Жигалов, Л. С. Гришина, А. О. Лосицкий; правообладатель Нац. мед. исслед. центр "Межотраслевой науч.-техн. комплекс "Микрохирургия глаза" им. акад. С. Н. Федорова, Оренбург. гос. мед. ун-т.- № 2022685635заявл. 20.12.2022опубл. 10.01.2023, 2023. - 1 с.
    Электронный источник
  14. Прототип модуля автоматизированной системы машинного обучения для выявления состязательных атак на ML-модели [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ 2023684599 / Д. И. Парфенов, А. Ю. Жигалов, Л. С. Гришина, А. И. Парфенов; правообладатель: Оренбург. гос. ун-т.- № 2023683706заявл. 09.11.2023опубл. 16.11.2023, 2023. - 1 с.
    Электронный источник
  15. Прототип модуля системы машинного обучения для идентификации аномалий и противодействия инцидентам кибербезопасности [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ 2023684499 / Д. И. Парфенов, А. Ю. Жигалов, Л. С. Гришина, А. И. Парфенов; правообладатель: Оренбург. гос. ун-т.- № 2023683734заявл. 09.11.2023опубл. 15.11.2023, 2023. - 1 с.
    Электронный источник
  16. Разработка веб-сервиса автоматической интеллектуальной системы аннотирования изображений оптической когерентной томографии [Электронный ресурс] / И. П. Болодурина, А. О. Лосицкий, А. Ю. Жигалов, Л. С. Гришина // Университетский комплекс как региональный центр образования, науки и культуры : сб. материалов Всерос. науч.-метод. конф., Оренбург, 26-27 янв. 2023 г. / Оренбург. гос. ун-т ; ред. А. В. Пыхтин. - Оренбург : ОГУ,2023. - . - С. 3765-3769. . - 5 с.
    Электронный источник
  17. Система поддержки принятия врачебных решений описания снимка оптической когерентной томографии при динамическом наблюдении пациентов с патологией заднего отрезка глаза [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ 2023669676 / А. Д. Чупров, И. П. Болодурина, А. О. Лосицкий, А. Ю. Жигалов, Л. С. Гришина, П. Л. Нирян, И. А. Хохлов; правообладатели А. Д. Чупров, И. П. Болодурина, А. О. Лосицкий, А. Ю. Жигалов.- № 2023664812заявл. 11.07.2023опубл. 19.09.2023, 2023. - 1 с.
    Электронный источник
  18. Development of a model for detecting network traffic anomalies in distributed wireless ad hoc networks [Электронный ресурс] / L. V. Legashev, L. S. Grishina, D. I. Parfenov, A. Yu. Zhigalov // Scientific and Technical Journal of Information Technologies, Mechanics and Optics,2022. - Vol. 22, Iss. 4. - P. 699-707. . - 9 с. Mobile ad hoc networks are one of the promising directions of the edge computing technology and they are used in various applications, in particular, in the development of intelligent transport systems. A feature of mobile ad hoc networks lies in the constantly changing dynamic network topology, as a result of which it is necessary to use reactive routing protocols when transmitting packets between nodes. Mobile ad hoc networks are vulnerable to cyber-attacks, so there is a need to develop measures to identify network threats and develop rules for responding to them based on machine learning models. The subject of this study is the development of a dynamic model for detecting network traffic anomalies in wireless distributed ad hoc networks. Within the framework of this study, methods and algorithms of data mining and machine learning were applied.
    Электронный источник
  19. Development of pipeline feature engineering for building an AutoML service [Электронный ресурс] / D. Parfenov, I. Bolodurina, L. Grishina, A. Zhigalov, L. Legashev // Journal of Physics: Conference Series,2022. - Vol. 2388 : IV International Conference on Applied Physics, Information Technologies and Engineering 2022 (APITECH-IV 2022), 05-08 October 2022 Bukhara, Uzbekistan. - P. 1-8. . - 8 с. The large-scale implementation of artificial intelligence approaches in applied fields has a number of limitations, one of which is the availability of research competencies, knowledge of data analysis methods, mathematical statistics and machine learning. Automatic machine learning is designed to simplify the methodology of ML application development. Within the framework of this study, a new approach to the construction of pipeline feature engineering for AutoML service is presented, based on the sequential expansion of the feature space and the use of autoencoders to reduce the dimension of input features and reconstruct the final output features. The results of the presented approach are shown by the example of VANET network traffic data when solving the problem of classifying attacks on nodes.
    Электронный источник
  20. Investigation of the efficiency of graph data representation for a cardiovascular disease predictive model by deep learning methods [Электронный ресурс] / L. S. Grishina, A. Yu. Zhigalov, I. P. Bolodurina, E. L. Borshhuk, D. N. Begun, Yu. V. Varennikova // Far Eastern Mathematical Journal,2022. - Vol. 22, N 2. - P. 179-184. . - 6 с. Currently, cardiovascular diseases (CVD) are the most common cause of death in the world. Artificial intelligence methods provide extensive opportunities for ex- tracting new knowledge from the raw data of medical information systems (MIS). This study is aimed at building a model for predicting the diagnosis of CVD based on patient complaints at a doctor's appointment using natural language processing methods. The formation of the initial data set is based on a graph model of the patient's medical history with CVD according to the visit protocols. A comparative analysis of machine learning models such as the naive Bayesian classifier, the support vector machine and convolution neural networks is carried out. As a result of the experiments, the most effective model for predicting CVD has been selected.
    Электронный источник
  21. Гибридная модель эффективного представления данных в беспроводных транспортных сетях с динамической топологией VANET [Электронный ресурс] / И. П. Болодурина, Л. С. Гришина, А. Ю. Жигалов, Д. И. Парфенов // Вестник ЮУрГУ. Серия "Компьютерные технологии, управление, радиоэлектроника",2022. - Т. 22, № 1. - С. 65-76. . - 12 с. В рамках данного исследования разработан алгоритм RD - протокол передачи и обработки промежуточных данных. Для проведения кластеризации ТС на сегменте сети использован метод обучения без учителя DBSCAN. Предварительный анализ аномального трафика проведен на основе моделей нейронных сетей RNN с кратковременной памятью.
    Электронный источник
  22. Интеллектуальная система распознавания изображений рентгенограмм для диагностики тяжести заболеваний в условиях эпидемии COVID-19 [Электронный ресурс] / А. А. Викулова, И. П. Болодурина, А. Ю. Жигалов, Л. С. Гришина // Перспективные информационные технологии (ПИТ 2022) : сб. науч. трудов междунар. науч.-техн. конф., 18-21 апр., 2022 г. / под ред. С. А. Прохорова.. - Самара : Изд-во Сам. науч. центра РАН,2022. - . - С. 260-263. . - 4 с.
    Электронный источник
  23. Исследование устойчивости свёрточной нейронной сети для классификации изображений при проведении состязательных атак [Электронный ресурс] / С. В. Толмачев, И. П. Болодурина, Д. И. Парфёнов, Л. С. Гришина, А. Ю. Жигалов // Перспективные информационные технологии (ПИТ 2022) : сб. науч. трудов междунар. науч.-техн. конф., 18-21 апр., 2022 г. / под ред. С. А. Прохорова.. - Самара : Изд-во Сам. науч. центра РАН,2022. - . - С. 229-232. . - 4 с.
    Электронный источник
  24. Исследование эффективности трансферного обучения при проведении состязательных атак [Электронный ресурс] / Д. И. Парфёнов, И. П. Болодурина, Л. С. Гришина, А. Ю. Жигалов, С. В. Толмачев // Современные информационные технологии и ИТ-образование,2022. - Т. 18, № 4. - С. 861-871. . - 11 с. Глубокие нейронные сети становятся всё более эффективным инструментом решения широкого спектра сложных прикладных задач, т.к. способны устанавливать закономерности в неструктурированных данных, таких как изображения, видео- и аудиоинформация. В рамках данной работы проведено исследование эффективности применения технологии трансферного обучения для повышения устойчивости сверточных нейронных сетей от состязательных атак. Исследование проводилось на примере задачи распознавания дорожных знаков на снимках, которая является ключевой в области автомобильных беспилотных транспортных сетей.
    Электронный источник
  25. Модуль исследования эффективности выделения признаков на основе трансформеров для обнаружения атак в беспроводных самоорганизующихся сетях [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ 2022680866 / Д. И. Парфенов, И. П. Болодурина, А. Е. Шухман, А. Ю. Жигалов, Л. В. Легашев, Л. С. Гришина; правообладатель Федер. гос. бюджет. образоват. учреждение высш. образования "Оренбург. гос. ун-т".- № 2022680243заявл. 01.11.2022опубл. 08.11.2022, 2022. - 1 с.
    Электронный источник
  26. Обработка русскоязычных неструктурированных медицинских текстов и вероятностное прогнозирование групп заболеваний [Электронный ресурс] / Л. В. Легашев, А. Е. Шухман, И. П. Болодурина, Л. С. Гришина, А. Ю. Жигалов // Врач и информационные технологии,2022. - № 4. - С. 52-63. . - 12 с. Цель - исследование подходов к обработке неструктурированных русскоязычных медицинских текстов и прогнозированию групп заболеваний на основе методов машинного обучения.
    Электронный источник
  27. Болодурина, И. П. Основы систем искусственного интеллекта [Электронный ресурс] : учебное пособие для обучающихся по образовательным программам высшего образования по направлениям подготовки 01.03.02 Прикладная математика и информатика, 02.03.02 Фундаментальная информатика и информационные технологии и 09.03.02 Информационные системы и технологии / И. П. Болодурина, Л. С. Гришина, А. Ю. Жигалов; М-во науки и высш. образования Рос. Федерации, Федер. гос. бюджет. образоват. учреждение высш. образования "Оренбург. гос. ун-т". - Электрон. дан. - Оренбург : ОГУ, 2022. - 1 электрон. опт. диск (CD-ROM). - Загл. с этикетки диска. - Систем. требования: Intel Core или аналогич.; Microsoft Windows 7, 8, 10 ; 512 Mб ; монитор, поддерживающий режим 1024х768 ; мышь или аналогич. устройство. - ISBN 978-5-7410-2781-3.. - № гос. регистрации 0322204289.
    Электронный источник
  28. Разработка графовой модели структурных и семантических отношений между сущностями документов для интеллектуальной обработки больших данных [Электронный ресурс] / А. Ю. Жигалов, И. П. Болодурина, Д. И. Парфенов, Л. С. Гришина // Перспективные информационные технологии (ПИТ 2022) : сб. науч. трудов междунар. науч.-техн. конф., 18-21 апр., 2022 г. / под ред. С. А. Прохорова.. - Самара : Изд-во Сам. науч. центра РАН,2022. - . - С. 157-161. . - 5 с.
    Электронный источник
  29. Applying Convolutional Neural Networks for Security in VANET [Электронный ресурс] / D. Parfenov, L. Grishina, A. Zhigalov, I. Bolodurina // 2021 International Conference Engineering and Telecommunication, En and T 2021 : Proceedings of the 2021 international conference, Dolgoprudny, 24-25 November 2021. - Electronic data. - [USA] : Institute of Electrical and Electronics Engineers Inc.,2021. - . - P.. . - с. The problem of detecting attacks in the VANET network using convolutional neural networks is considered. The main idea of this work is to study the effectiveness of using deep learning models of 1D and 2D convolutional neural networks to detect attacks in the VANET network. The analysis of the effectiveness of the considered machine learning models was carried out on synthetically generated data of the VANET network segment with three types of DDoS attacks. In addition, the results obtained are compared with the common ensemble methods Can Boost and Boost. Computational experiments have shown that in terms of accuracy, accuracy, recall and f1-score indicators, the CNN 1D deep learning model is the most effective model for detecting attacks in VANET networks and has an accuracy of 89.081%. The considered structures of convolutional neural networks exceeded the results of ensemble methods by an average of 9.518%.
    Электронный источник
  30. Zhigalov, A. Data Recovery Algorithms Based on the Nearest Neighbor Method for Predicting Traffic Flows [Электронный ресурс] / A. Zhigalov, I. Bolodurina, L. Zabrodina // CEUR Workshop Proceedings,2021. - Vol. 2842 : YRID-2020 : International Workshop on Data Mining and Knowledge Engineering, 15-16 October 2020, Stavropol, Russia. - P. 136-142. . - 7 с. This research examines the problem of short-term forecasting of traffic flows in conditions of incomplete information. For the task of forecasting, a mathematical model has been compiled, which makes it possible to compare the main characteristics of the traffic flow with the value of the forecast - the speed of the flow. Within the framework of this work, various forecasting algorithms have been investigated, which make it possible to analyze the influence of the number of recorded observations and similar records, as well as allowing modifications to increase the forecast accuracy. Also, a data recovery approach has been developed to eliminate noisy and missing data. Experiments of short-term forecasting were carried out on an open dataset from Yandex and confirmed the importance of the stage of preprocessing and analysis of the effectiveness of recovery algorithms.
    Электронный источник
  31. Development of a solution for identifying network attacks based on adaptive neuro-fuzzy networks ANFIS [Электронный ресурс] / D. Parfenov, L. Zabrodina, I. Bolodurina, A. Zhigalov // 2021 IEEE Ural Symposium on Biomedical Engineering, Radioelectronics andInformation Technology (USBEREIT) : [Proceedings of Conferences], 13-14 May 2021, Yekaterinburg. - Electronic data,2021. - . - P. 491-495. . - 5 с. The developed modules can be used to process data obtained from the security information and event management system.
    Электронный источник
  32. Investigation of the effectiveness of metric classification methods in identifying attacks in VANET [Электронный ресурс] / D. Parfenov, I. Bolodurina, L. Grishina, A. Zhigalov // Journal of Physics: Conference Series,2021. - Vol. 2094 : III International Scientific Conference on Applied Physics, Information Technologies and Engineering (APITECH-III 2021) 24 September - 3 October 2021, Krasnoyarsk, Russia. - P. 1-7. . - 7 с. This paper discusses the problem of improving the efficiency of metric machine learning methods of identification attacks in vehicular adhoc networks (VANETs). The main idea of this research is to select the type of nonlinear functions for calculating the distances between the objects of the sample, describing the traffic of VANET using metric methods, such as the method of k-nearest neighbour with linearly decreasing weights and the Parzen window method. The analysis of the effectiveness of the methods considered was carried out on a synthetically generated sample with three different types of attacks on the network. Computational experiments have shown that the k-nearest neighbour method with decreasing weights based on an exponential function with base a
    Электронный источник
  33. Research of Genetic Optimization Algorithms in the Design of VLAN [Электронный ресурс] / D. Parfenov, L. Grishina, A. Zhigalov, I. Bolodurina // 29th Telecommunications Forum, TELFOR 2021, 23-24 November 2021, Belgrade, Serbia : Proceedings. - Electronic data,2021. - . - P. 1. . - 1 с.
    Электронный источник
  34. Генерация случайных чисел с заданным законом распределения [Электронный ресурс] : прикладная программа / И. П. Болодурина [и др.]; М-во науки и высш. образования Рос. Федерации, Федер. гос. бюджет. образоват. учреждение высш. образования "Оренбург. гос. ун-т". - Оренбург : ОГУ. - 2021. - 9 с- Загл. с тит. экрана.
    Электронный источник
  35. Задача поиска минимального остовного дерева с использованием алгоритма Прима-Краскала [Электронный ресурс] : прикладная программа / И. П. Болодурина [и др.]; М-во науки и высш. образования Рос. Федерации, Федер. гос. бюджет. образоват. учреждение высш. образования "Оренбург. гос. ун-т". - Оренбург : ОГУ. - 2021. - 10 с- Загл. с тит. экрана.
    Электронный источник
  36. Задача размещения ферзей на шахматной доске [Электронный ресурс] : прикладная программа / И. П. Болодурина [и др.]; М-во науки и высш. образования Рос. Федерации, Федер. гос. бюджет. образоват. учреждение высш. образования "Оренбург. гос. ун-т". - Оренбург : ОГУ. - 2021. - 9 с- Загл. с тит. экрана.
    Электронный источник
  37. Модуль исследования и классификации аномалий трафика с использованием метрических методов в беспроводных самоорганизующихся сетях [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ / Д. И. Парфенов, И. П. Болодурина, А. Е. Шухман, А. Ю. Жигалов, Л. С. Гришина, Л. В. Легашев; правообладатель Федер. гос. бюджет. образоват. учреждение высш. образования "Оренбург. гос. ун-т".- № 2021680564заявл. 15.12.2021зарегистрировано в реестре программ для ЭВМ 27.12.2021. - 2021. - 1 с.
    Электронный источник
  38. Модуль исследования метрик производительности сегмента мобильной самоорганизующейся сети Мапе1РМ [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ / Легашев Л. В., Парфенов Д. И., Гришина Л. С., Жигалов А. Ю. ; правообладатель Федер. гос. бюджет. образоват. учреждение высш. образования "Оренбург. гос. ун-т".- №2021619735заявл. 23.06.2021зарегистрировано в реестре программ для ЭВМ 01.07.2021. - 2021. - 1 с.
    Электронный источник
  39. Нейронечеткая система классификации инцидентов кибер-безопасности в условиях неопределенности [Электронный ресурс] / Д. И. Парфенов, И. П. Болодурина, Л. С. Забродина, А. Ю. Жигалов // Информационные технологии и нанотехнологии (ИТНТ-2021) : сб. тр. по материалам VII Междунар. конф. и молодеж. шк., 20-24 сент. 2021 г., Самара : [в 3 т.] / М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изображений РАН - фил. ФНИЦ "Кристаллография и фотоника" РАН. - Электрон. дан. - Самара : Самар. нац. исслед. ун-т им. акад. С. П. Королева,2021. - Т. 3. - С. 033962-033962. . - 2 с.
    Электронный источник
  40. Прототип модуля идентификации атак в автомобильных самоорганизующихся сетях VАNЕТ с применением подхода Ееаtиге Епginееring [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ / Д. И. Парфенов, И. П. Болодурина, А. Е. Шухман, А. Ю. Жигалов, Л. С. Гришина, Л. В. Легашев; правообладатель Федер. гос. бюджет. образоват. учреждение высш. образования "Оренбург. гос. ун-т".- № 2021664909заявл. 27.09.2021зарегистрировано в реестре программ для ЭВМ 14.10.2021. - 2021. - 1 с.
    Электронный источник
  41. Прототип модуля обнаружения вторжений в беспроводных транспортных сетях на основе ансамблевых методов машинного обучения ModIntDetDDoS [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ / Д. И. Парфенов, И. П. Болодурина, А. Е. Шухман, А. Ю. Жигалов, Л. С. Гришина, Л. В. Легашев; правообладатель Федер. гос. бюджет. образоват. учреждение высш. образования "Оренбург. гос. ун-т".- № 2021680572заявл. 15.12.2021зарегистрировано в реестре программ для ЭВМ 16.12.2021. - 2021. - 1 с.
    Электронный источник
  42. Прототип модуля формирования оптимальной схемы доступа к сетевым ресурсам для обеспечения гарантий SLA при решении вычислительных задач по обработке больших данных [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ / И. П. Болодурина, Д. И. Парфенов, А. Ю. Жигалов, Л. С. Гришина, А. И. Парфенов, К. С. Прокофьева; правообладатель Федер. гос. бюджет. образоват. учреждение высш. образования "Оренбург. гос. ун-т".- № 2021680551заявл. 15.12.2021зарегистрировано в реестре программ для ЭВМ 21.12.2021. - 2021. - 1 с.
    Электронный источник
  43. Решение задачи о рюкзаке методом динамического программирования [Электронный ресурс] : прикладная программа / И. П. Болодурина [и др.]; М-во науки и высш. образования Рос. Федерации, Федер. гос. бюджет. образоват. учреждение высш. образования "Оренбург. гос. ун-т". - Оренбург : ОГУ. - 2021. - 10 с- Загл. с тит. экрана.
    Электронный источник
  44. Application of a Modified Ant Colony Imitation Algorithm for the Traveling Salesman Problem with Time Windows When Designing an Intelligent Assistant [Электронный ресурс] / L. Kuznetsova, A. Zhigalov, N. Yanishevskaya, D Parfenov, I. Bolodurina // Advances in Intelligent Systems and Computing,2020. - Vol. 1127 : AISC 2020 : Proceedings of the International Symposium on Computer Science, Digital Economy and Intelligent Systems, CSDEIS 2019, 4-6 October 2019, Moscow, Russian Federation / eds: Z. Hu, S. Petoukhov, M. He. - Electronic data. - P. 346-355. . - 10 c. As part of this study, an intelligent travel planning system has been developed. It includes an intelligent search module and a module for building the optimal route. The intelligent search module acts as a recommendation system and offers the user sights and interesting places to visit. Based on the data obtained, the optimal route planning module plans a schedule of visits to the selected attractions. In this article, the authors considered an algorithmic approach to solving the traveling salesman problem with time windows, based on the heuristic method of ant colony simulation. The comparative analysis of heuristic methods and the modified method of exhaustive search of vertices in the loaded graph - the method of boundary branches is carried out. The study showed the advantages of the method that we used to build the optimal route between the most attractive places for the user.
    Электронный источник
  45. Development and Research of an Evolutionary Algorithm for the Formation of a Feature Space based on AutoML for Solving the Problem of Identifying Cyber Attacks [Электронный ресурс] / D. Parfenov, I. Bolodurina, A. Shukhman, A. Zhigalov, L. Zabrodina // 2020 International Conference Engineering and Telecommunication (En&T) : [Proceedings of the VII International Conference, 25-26 November 2020]. - Electronic data,2020. - . - P. 1-5. . - 5 с. This article presents an approach that allows you to automate the construction and selection of features of raw datasets. The developed method is a logical extension of the ExploreKit algorithm at the stage of generating new feature candidates and calculating meta-objects to represent the dataset and feature candidates. Also, our approach integrated the tree representation of transformations of the AutoFE feature space and methods of evolutionary optimization.
    Электронный источник
  46. Development of a Model for Predicting Treatment of Cardiovascular Diseases Based on Machine Learning Methods [Электронный ресурс] / I. P. Bolodurina, D. I. Parfenov, A. Yu. Zhigalov, L. S. Zabrodina // Advances in Economics, Business and Management Research,2020. - Vol. 138 : Proceedings of the 2nd International Scientific and Practical Conference "Modern Management Trends and the Digital Economy: from Regional Development to Global Economic Growth" (MTDE 2020), 16-17 April, 2020, Yekaterinburg, Russia / Institute of Digital Economics. - Electronic data. - P. 984-989. . - 6 с. This study aims to build a model for predicting cardiovascular disease in patients based on the analysis of personalized patient data cards. The forecast for the treatment of the heart disease clinic was determined using the method of logistic regression, random trees for the algorithm for constructing ID3 decision trees and the ensemble training method - random forest. As part of an experimental study, the effectiveness of the application of the considered methods for forecasting was evaluated based on the analysis of the ROC curve and the AUC metric. Experiments on real datasets of patient visits to the clinic showed that for short-term forecasting, the ID3 algorithm for constructing decision trees showed better results, and with an increase in the period under consideration, the method of logistic regression turned out to be more effective.
    Электронный источник
  47. Development of intelligent virtual assistant for planning the optimal travel route [Электронный ресурс] / I. P. Bolodurina, D. I. Parfenov, L. S. Zabrodina, L. Y. Kuznetsova, A. Y. Zhigalov, N. A. Yanishevskaya // Journal of Physics: Conference Series,2020. - Vol. 1661: International Conference on Information Technology in Business and Industry (ITBI 2020), 6-8 April 2020, Novosibirsk. - P. 1-10. . - 10 с. In this article the developing of an intelligent travel planning system is considered. Travel planning system includes an intelligent search module, an optimal budget planning module and a module for building an optimal route. The intelligent search module acts as a recommendation system and offers the user sights and interesting places to visit. The optimal budget allocation module helps the user to plan their finances taking into account their preferences for the comfort of travel and accommodation. Based on the obtained data, the optimal route planning module plans a schedule of visits to the selected attractions. In this article, we consider the production model of knowledge representation to determine the most preferred travel destinations for tourists, the application of a genetic algorithm for the optimal distribution of the travel budget and the modification of the method of imitation of an ant colony to find the optimal route between the cities.
    Электронный источник
  48. Investigation of the problem of classifying unbalanced datasets in identifying distributed denial of service attacks [Электронный ресурс] / I. Bolodurina, A. Shukhman, D. Parfenov, A. Zhigalov, L. Zabrodina // Journal of Physics: Conference Series,2020. - Vol. 1679, Iss. 4 : 2nd International Scientific Conference on Applied Physics, Information Technologies and Engineering, APITECH 2020, 25 September-4 October 2020, Krasnoyarsk, Siberia, Russian Federation. - Electronic data. - P. 1-8. . - 8 с. This paper examines the impact of data balancing algorithms in the network traffic classification problem on various types of distributed denial of service attacks on the CICDDoS2019 dataset, which contains information about reflection-based and exploitation-based attacks. The results of computational experiments have shown the effectiveness of data balancing algorithms such as naive random sampling, synthetic minority sampling, and adaptive synthetic sampling in identifying network attacks. A comparative analysis of various data sampling approaches has shown that the adaptive synthetic sampling method with the random forest algorithm demonstrates the highest classification accuracy.
    Электронный источник
  49. Research Application of Ensemble Machine Learning Methods to the Problem of Multiclass Classification of DDoS Attacks Identification [Электронный ресурс] / D. Parfenov, I. Bolodurina, L. Kuznetsova, A. Zhigalov, N. Yanishevskaya, L. Legashev // 2020 International Conference Engineering and Telecommunication (En&T) : [Proceedings of the VII International Conference, 25-26 November 2020]. - Electronic data,2020. - . - P. 1-7. . - 7 с. This article studies the actual problem of network security. In particular, the task of identifying DDoS attacks is being solved. As part of the study, a solution was proposed based on expanding the set of features traditionally used to identify attacks on networks using a specialized hashing algorithm for individual blocks of device configuration files in the considered network of devices. Using the proposed approach, the identification of attacks was carried out using machine learning methods to ensure security in the Internet of Things networks. The approaches to the binary and multiclass classification of network traffic were investigated to detect attacking influences, taking into account the proposed hashing algorithm.
    Электронный источник
  50. Research of multiclass fuzzy classification of traffic for attacks identification in the networks [Электронный ресурс] / D. Parfenov, L. Zabrodina, A. Zhigalov, I. Bolodurina // Journal of Physics: Conference Series,2020. - Vol. 1679, Iss. 4 : 2nd International Scientific Conference on Applied Physics, Information Technologies and Engineering, APITECH 2020, 25 September-4 October 2020, Krasnoyarsk, Siberia, Russian Federation. - Electronic data. - P. 1-8. . - 8 с. Currently, data mining methods such as neural networks, decision trees, genetic algorithms, restricted search algorithms, evolutionary programming, reasoning systems based on similar cases, rule induction, analysis with selective action, logical regression, algorithms for determining associations and sequences, data visualization, combined methods are actively used in various specialized areas. The introduction of analytical methods of data mining is primarily aimed at adapting existing solutions to solve new problems related to the informatization of business processes. One of the actively developing areas that use data mining and artificial intelligence methods is network security. To identify and detect anomalies in networks, it is most effective to create profiles of data flow behavior depending on current conditions. In this work, we developed a method that allows us to identify Exploits, Fuzzers, and Generic attacks based on multiclass fuzzy classification.
    Электронный источник
  51. Исследование алгоритмов адаптивных нейро-нечетких сетей ANFIS для решения задачи идентификации сетевых атак [Электронный ресурс] / Д. И. Парфенов, И. П. Болодурина, Л. С. Забродина, А. Ю. Жигалов // Современные информационные технологии и ИТ-образование,2020. - Т. 16, № 3. - С. 533-542. . - 10 с. Полученные результаты общей оценки эффективности идентификации сетевых атак с помощью различных мер точности показали, что наиболее оптимальным нейро-нечетким классификатором является сеть ANFIS с использованием нечеткого вывода Такаги-Сугено-Канга. При этом наименее эффективные результаты идентификации различных типов сетевых атак показало применение нечеткого вывода Ванга-Менделя. Разработанные модули могут использоваться для обработки данных, полученных с датчиков системы управления информацией и событиями безопасности.
    Электронный источник
  52. Жигалов, А. Ю. Многокритериальные алгоритмы прогнозирования транспортных потоков [Электронный ресурс] : выпускная квалификационная работа: направление подготовки 01.04.02 Прикладная математика и информатика / А. Ю. Жигалов. - Оренбург. - 2020. - 63 с.
    Электронный источник
  53. Модуль обнаружения и идентификации кибератак в мультиоблачной инфраструктуре сети провайдеров телекоммуникационных услуг [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ / Д. И. Парфенов, Л. С. Забродина, А. Ю. Жигалов, И. П. Болодурина, А. И. Парфенов; правообладатель Федер. гос. бюджет. образоват. учреждение высш. образования "Оренбург. гос. ун-т".- № 2020664201заявл. 17.11.2020зарегистрировано в реестре программ для ЭВМ 24.11.2020. - 2020. - 1 с.
    Электронный источник
  54. Прототип модуля обнаружения атак сетевой инфраструктуры на основе интеллектуального анализа несбалансированных наборов данных [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ / Л. С. Забродина, А. Ю. Жигалов, Д. И. Парфенов, И. П. Болодурина, А. Е. Шухман; правообладатель Федер. гос. бюджет. образоват. учреждение высш. образования "Оренбургский гос. ун-т".- № 2020662262заявл. 16.10.2020зарегистрировано в реестре программ для ЭВМ 18.11.2020. - 2020. - 1 с.
    Электронный источник
  55. Разработка модели управления потоком пациентов с сердечно-сосудистыми заболеваниями методами интеллектуального анализа данных [Электронный ресурс] / И. П. Болодурина, А. М. Назаров, Д. И. Кича, Л. С. Забродина, А. Ю. Жигалов // Вестник Южно-Уральского государственного университета. Серия: Компьютерные технологии, управление, радиоэлектроника,2020. - Т. 20, № 2. - С. 105-115. . - 11 с. Эксперименты на массиве электронных персонифицированных данных о медицинских услугах в территориальном фонде обязательного медицинского страхования (ТФОМС) и медицинском информационно-аналитическом центре г. Оренбурга показали, что для краткосрочного прогнозирования на 1 месяц более высокие результаты показал алгоритм ID3 построения решающих деревьев, а при увеличении рассматриваемого периода до 3 месяцев более эффективным оказался метод логистической регрессии. Заключение. Предложенный подход к прогнозированию обращений пациентов позволяет повысить качество управления клинико-организационной системой здравоохранения при оказании медицинской помощи, а также спланировать объем и количество отдельных медицинских услуг.
    Электронный источник
  56. Developing an approach to summarizing the flows of security events to identify attacks in the network of telecommunication service providers [Электронный ресурс] / D. I. Parfenov, L. S. Zabrodina, A. Y. Zhigalov, A. I. Parfenov // TELFOR 2019 : Proceedings of the 27th Telecommunications Forum, 26-27 November 2019, Belgrade, Serbia. - Electronic data,2019. - . - P. 1-4. . - 4 с. This study aims to develop a combined attack detection approach based on analysis of node state chains, as well as analysis of time delays within the network. The proposed algorithm allows you to determine the entry point to the network through which the attack began. Based on binary logistic regression, nodes with suspicious activity are identified and using the genetic algorithm to determine their belonging to the type of attack that takes place on the first studied node. As part of an experimental study, the effectiveness of the developed approach for identifying attacks in the network of telecommunication service providers was evaluated, which shows a sufficiently high determination accuracy, as well as good performance on large network topologies.
    Электронный источник
  57. Development of a model of cyberattacks identification based on the analysis of device states in the network of a telecommunications service provider [Электронный ресурс] / L. Zabrodina, D. Parfenov, I. Bolodurina, V. Torchin, A. Zhigalov // 2019 International Multi-Conference on Engineering, Computer and Information Sciences (SIBIRCON), Novosibirsk, Russian Federation, 21-27 October 2019 : Proceedings.- Electronic data. - Novosibirsk : Institute of Electrical and Electronics Engineers Inc. (IEEE),2019. - . - P. 675-680. . - 6 c. This paper is aimed in development of an attack detection model based on an analysis of the state chains of network nodes. In our research, we solve the problem of a typical attack profile in a network of telecommunication service providers formalization while constructing a sequence of network nodes state shiftings and a state change time of particulary investigated devices. The research includes the most popular types of attacks.
    Электронный источник
  58. Development of an intellectual module for selection of places to travel in the virtual assistant system for planning trips [Электронный ресурс] / N. Yanishevskaya, L. Kuznetsova, A. Zhigalov, D. Parfenov, I. Bolodurina // Journal of Physics: Conference Series,2019. - Vol. 1399, Iss. 3, 5 December 2019 : proceedings of the International Conference on Information Technologies and Engineering 2019, APITECH 2019, 25-27 September 2019, Krasnoyarsk, Russian Federation / Krasnoyarsk Science and Technology City Hall. - Electronic data. - P. 1-7. . - 7 с. Often it is difficult for the tourists to determine their preferences and choose destinations for the trip. To simplify the planning of the upcoming vacation, you can use recommendation systems that, based on a survey of users, determine the most preferred places to visit. Also, the key to a successful trip is a well-planned route. The developed travel planning system combines both of these aspects: the intelligent module will recommend the user sights and interesting places to visit based on a small survey, after which the optimal route planning module build the schedule of their visit. In this article, the authors considered in detail the approach to the construction of individual user recommendations highlighted the main characteristics inherent in each region of the Russian Federation and built a decision tree.
    Электронный источник
  59. Investigation of the method for identifying cyberattacks based on analysis of the state of network nodes [Электронный ресурс] / D. Parfenov, L. Zabrodina, A. Zhigalov, V. Torchin, A. Parfenov // Engineering and Telecommunication (EnT 2019) : Processings of the 6th International Conference, 20-21 November 2019, Dolgoprudny, Russian Federation. - Electronic data. - Dolgoprudny : IEEE,2019. - . - P. 1-5. . - 5 с. This study is aimed at building a model of attack detection based on the analysis of chains of states of network nodes. The proposed model allows us to determine the speed and acceleration of state change for a particular type of network attack at a given time. On the basis of the revealed patterns of changes in the States of network nodes, the study of chains of network events to identify the type of attacks. As part of the experimental study, the effectiveness of the developed model of attack recognition in the network of telecommunications service providers was evaluated, which shows a sufficiently high accuracy of determining the class of suspicious activity.
    Электронный источник
  60. Демонстрация применения алгоритмов теории игр на примере логической игры "Foxes and Hens" [Электронный ресурс] : прикладная программа / И. П. Болодурина [и др.]; М-во науки и высш. образования Рос. Федерации, Федер. гос. бюджет. образоват. учреждение высш. образования "Оренбург. гос. ун-т". - Оренбург : ОГУ. - 2019. - 6 с- Загл. с тит. экрана.
    Электронный источник
  61. Линейная задача оптимального быстродействия [Электронный ресурс] : прикладная программа / И. П. Болодурина [и др.]; М-во науки и высш. образования Рос. Федерации, Федер. гос. бюджет. образоват. учреждение высш. образования "Оренбург. гос. ун-т". - Оренбург : ОГУ. - 2019. - 8 с- Загл. с тит. экрана.
    Электронный источник
  62. Моделирование идентификации профиля кибератак на основе анализа поведения устройств в сети провайдера телекоммуникационных услуг [Электронный ресурс] / И. П. Болодурина, Д. И. Парфенов, Л. С. Забродина, А. Ю. Жигалов, В. А. Торчин // Вестник ЮУрГУ. Серия "Компьютерные технологии, управление, радиоэлектроника",2019. - Т. 19, № 4. - С. 48-59. . - 12 с. Разработан подход и проведено моделирование обнаружения атак на основе анализа цепочек состояний сетевых узлов. Предложенный подход позволяет осуществлять сопоставление событий, происходящих в сети, с событиями, фиксируемыми системами обнаружения вторжений.
    Электронный источник
  63. Оптимальное кодирование алгоритмом Хаффмана [Электронный ресурс] : прикладная программа / И. П. Болодурина [и др.]; М-во науки и высш. образования Рос. Федерации, Федер. гос. бюджет. образоват. учреждение высш. образования "Оренбург. гос. ун-т". - Оренбург : ОГУ. - 2019. - 5 с- Загл. с тит. экрана.
    Электронный источник
  64. Волкова, Т. В. Повышение производительности протоколов маршрутизации для ограничения зараженного трафика компьютерной сети университета [Электронный ресурс] / Т. В. Волкова, А. Ю. Жигалов // Цифровые технологии в образовании, науке, обществе : материалы XIII Всерос. науч.-практ. конф., 17-20сент. 2019 г., Петрозаводск / М-во науки и высш. образования Рос. Федерации [и др.]; отв. ред. О. Ю. Насадкина. - Электрон. дан. - Петрозаводск : Петрозаводский гос. ун-т,2019. - . - С. 49-51. . - 3 с.
    Электронный источник
  65. Программная реализация клеточного автомата Дж. Конвея "Игра "Жизнь" [Электронный ресурс] : прикладная программа / И. П. Болодурина [и др.]; М-во образования и науки Рос. Федерации, Федер. гос. бюджет. образоват. учреждение высш. проф. образования "Оренбург. гос. ун-т". - Оренбург : ОГУ. - 2019. - 5 с- Загл. с тит. экрана.
    Электронный источник
  66. Прототип интеллектуальной системы планирования оптимального маршрута путешествия [Электронный ресурс] / И. П. Болодурина, А. Ю. Жигалов, Л. С. Забродина, Л. Ю. Кузнецова, Д. И. Парфенов, Н. А. Янишевская; правообладатели И. П. Болодурина, А. Ю. Жигалов, Л. С. Забродина, Л. Ю. Кузнецова, Д. И. Парфенов, Н. А. Янишевская.- № 2019662733заявл. 15.10.2019опубл. 07.11.2019. - 2019. - 1 с. Программа предназначена для подбора района для путешествия в Оренбургской области с учетом индивидуальных предпочтений пользователя.
    Электронный источник
  67. Прототип модуля интеллектуального анализа потока событий инцидентов безопасности для обнаружения аномалий в сетевой среде security ModIEFdetecting [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ / Д. И. Парфенов, А. И. Парфенов, А. Ю. Жигалов, И. П. Болодурина, Л. С. Забродина, В. А.Торчин; правообладатель Федеральное государственное бюджетное образовательное учреждение высшего образования Оренбургский государственный университет.- № 2019665616заявл. 02.12.2019зарегистрировано в реестре программ для ЭВМ 13.12.2019. - 2019. - 1 с.
    Электронный источник
  68. Разработка интеллектуального виртуального ассистента планирования оптимального маршрута путешествия [Электронный ресурс] / И. П. Болодурина, А. Ю. Жигалов, Л. С. Забродина, Л. Ю. Кузнецова, Д. И. Парфенов, Н. А. Янишевскася // Информационные технологии в науке, управлении, социальной сфере и медицине : сб. науч. тр. VI Междунар. науч. конф., 14-19 окт. 2019 г., Томск / Нац. исследоват. Томский политехн. ун-т; под ред. О. Г. Берестневой [и др.]. - Электрон. дан. - Томск : Изд-во ТПУ,2019. - . - С. 314-320. . - 7 с.
    Электронный источник
  69. Янишевская, Н. А. Разработка метода оценки влияния снежного покрова на урожайность с использованием анализа данных дистанционного зондирования Земли [Электронный ресурс] / Н. А. Янишевская, А. Ю. Жигалов // Фундаментальные основы технологического развития сельского хозяйства : материалы рос. науч.-практ. конф. с междунар. участием, 24-25 окт. 2019 г., Оренбург / под общ. ред. А. С. Мирошникова. - Электрон. дан. - Оренбург : Изд-во ФНЦ БСТ РАН,2019. - . - С. 377-381. . - 5 с.
    Электронный источник
  70. Разработка подхода к определению кибератак на основе анализа поведения функции ускорения изменения состояний сетевых узлов [Электронный ресурс] / И. П. Болодурина, Д. И. Парфенов, Л. С. Забродина, А. Ю. Жигалов, В. А. Торчин // Информационные технологии в науке, управлении, социальной сфере и медицине : сб. науч. тр. VI Междунар. науч. конф., 14-19 окт. 2019 г., Томск / Нац. исследоват. Томский политехн. ун-т; под ред. О. Г. Берестневой [и др.]. - Электрон. дан. - Томск : Изд-во ТПУ,2019. - . - С. 531-538. . - 8 с.
    Электронный источник
  71. Учет записей пациентов клинико-диагностической лаборатории [Электронный ресурс] : прикладная программа / И. П. Болодурина [и др.]; М-во науки и высш. образования Рос. Федерации, Федер. гос. бюджет. образоват. учреждение высш. образования "Оренбург. гос. ун-т". - Оренбург : ОГУ. - 2019. - 6 с- Загл. с тит. экрана.
    Электронный источник
  72. Жигалов, А. Ю. Математическое моделирование и оптимальное управление распределенных транспортных потоков [Электронный ресурс] : выпускная квалификационная работа: направление подготовки 01.03.02 Прикладная математика и информатика / А. Ю. Жигалов. - Оренбург. - 2018. - 55 с.
    Электронный источник
Данные на странице из БД ИАС
Сведения об образовании, ученых степенях, званиях, стаже работы, профессиональной переподготовке, повышении квалификации, читаемых дисциплинах и публикациях — из базы данных ИАС ОГУ

Для того, чтобы мы могли качественно предоставить вам услуги, мы используем cookies, которые сохраняются на вашем компьютере (сведения о местоположении; ip-адрес; тип, язык, версия ОС и браузера; тип устройства и разрешение его экрана; источник, откуда пришел на сайт пользователь; какие страницы открывает и на какие кнопки нажимает пользователь; эта же информация используется для обработки статистических данных использования сайта посредством аналитической системы «Спутник» и интернет-сервиса Яндекс.Метрика). Нажимая кнопку «Согласен», вы подтверждаете то, что вы проинформированы об использовании cookies на нашем сайте. Отключить cookies вы можете в настройках своего браузера.

424242
Почтовый адрес:

460018, г. Оренбург,

просп. Победы, д. 13

Телефон:

+7 (35-32) 77-67-70

Горячая линия Минобрнауки России:

- по обеспечению правовой и социальной защиты обучающихся: 8 800 222-55-71 (доб. 1)

- по психологической помощи студенческой молодежи: 8 800 222-55-71 (доб. 2)

     

Официальный сайт федерального государственного бюджетного образовательного учреждения высшего образования «Оренбургский государственный университет».

Соглашение об использовании сайтаПолитика обработки персональных данных веб-сайтов ОГУ

© ОГУ, 1999–2024. При использовании материалов сайта гиперссылка обязательна!