Поле цифровой дидактики - Вклад [ru]

Обсуждение модуля:SimpleGenerator/Weather

2026-06-16T07:34:52Z

Infectedsword64: Новая страница: «== Спасибо Хадижа == === Спасибо Хадижа === ==== Спасибо Хадижа ==== ===== Спасибо Хадижа ===== Спасибо хадижа»

== Спасибо Хадижа ==
=== Спасибо Хадижа ===
==== Спасибо Хадижа ====
===== Спасибо Хадижа =====
Спасибо хадижа

Обсуждение:Obsidian

2026-06-16T07:18:11Z

Infectedsword64: Новая страница: «== Датасет в Obsidian. Визуализация. == Визуализация данных для датасета, самостоятельно собранного в течение нескольких лет. Из всего пула данных выбраны те, которые тем или иным образом относятся к Индустрии 4.0. Отбор проводился по упоминанию данных, инт...»

== Датасет в [[Obsidian]]. Визуализация. ==

Визуализация данных для датасета, самостоятельно собранного в течение нескольких лет. Из всего пула данных выбраны те, которые тем или иным образом относятся к Индустрии 4.0. Отбор проводился по упоминанию данных, интернета вещей, искусственного интеллекта и смежных с ним технологий, кибербезопасности и т.д.
[[Файл:Фрагмент базы знаний.png|мини|Фрагмент базы знаний]]
Фрагмент базы знаний иллюстрирует часть базы знаний, собранных в течение некоторого времени на личном ПК.
[[Файл:Фрагмент базы данных датасет Индустрия 4.0.png|мини]]
Фрагмент базы данных иллюстрирует часть базы данных, выделенной из общего пула заметок. Отбор проводился по тегам, которые назначены каждой заметке.
[[Файл:Граф Индустрия 4.0.png|мини]]
Кроме перечисленных тегов, на графе, составленном на основе всего пула заметок с выделением подходящих под теги, также отображены заметки, в которых упоминаются данные в любом контексте. Эти заметки выступают связующим звеном между остальными кластерами.

Описательная статистика R Карпов

2026-06-15T09:08:47Z

Infectedsword64:

== Использование R в описательной статистике ==
Проанализируем очищенный от служебного текста текст статьи из Википедии, посвящённой интернету вещей. https://ru.wikipedia.org/wiki/Интернет_вещей

=== Код программы ===
<syntaxhighlight lang="R" line>
# Подключаем библиотеки
library(tidyverse)
library(tidytext)
library(wordcloud)
library(ggplot2)

# Читаем текст
text_data <- read_lines("topic.txt") %>%
enframe(name = "line", value = "text")

# Добавляем разделы для группировки
sections <- text_data %>%
mutate(section = ifelse(str_detect(text, "^(История|Технологии|Приложения|Тенденции|Прогнозы|Литература|Ссылки)$"), text, NA)) %>%
fill(section, .direction = "down") %>%
filter(!is.na(section), section != text, text != "")

# Токенизация
tokens <- sections %>%
unnest_tokens(word, text) %>%
anti_join(stop_words, by = "word") %>%
filter(!str_detect(word, "[0-9]+")) # убираем числа

# ============================================
# 1. Type-Token Ratio
# ============================================
total_words <- nrow(tokens)
unique_words <- n_distinct(tokens$word)
tt_ratio <- unique_words / total_words * 100

cat("Общее количество слов:", total_words, "\n")
cat("Уникальных слов:", unique_words, "\n")
cat("Type-Token Ratio:", round(tt_ratio, 2), "%\n\n")

# ============================================
# 2. Частотный анализ (топ-20 слов)
# ============================================
word_freq <- tokens %>%
count(word, sort = TRUE)

cat("Топ-20 самых частотных слов:\n")
print(word_freq %>% head(20))

# Визуализация топ-20 слов
p1 <- ggplot(word_freq %>% head(20), aes(x = reorder(word, n), y = n)) +
geom_bar(stat = "identity", fill = "steelblue") +
coord_flip() +
labs(title = "Топ-20 слов в тексте",
x = "Слово", y = "Частота") +
theme_minimal()
print(p1)

# Облако слов
set.seed(123)
wordcloud(words = word_freq$word,
freq = word_freq$n,
max.words = 100,
random.order = FALSE,
colors = brewer.pal(8, "Dark2"))

# ============================================
# 3. Биграммы (частоты пар слов)
# ============================================
bigrams <- sections %>%
unnest_tokens(bigram, text, token = "ngrams", n = 2) %>%
separate(bigram, c("word1", "word2"), sep = " ") %>%
filter(!word1 %in% stop_words$word,
!word2 %in% stop_words$word) %>%
count(word1, word2, sort = TRUE)

cat("\nТоп-15 самых частотных биграмм:\n")
print(bigrams %>% head(15))

# Визуализация топ-15 биграмм
bigrams_plot <- bigrams %>%
head(15) %>%
unite(bigram, word1, word2, sep = " ") %>%
ggplot(aes(x = reorder(bigram, n), y = n)) +
geom_bar(stat = "identity", fill = "coral") +
coord_flip() +
labs(title = "Топ-15 биграмм", x = "Биграмма", y = "Частота") +
theme_minimal()
print(bigrams_plot)

# Тепловая карта биграмм (матрица)
bigram_matrix <- bigrams %>%
head(30) %>%
mutate(word1 = as.factor(word1),
word2 = as.factor(word2))

if(nrow(bigram_matrix) > 0) {
p_heatmap <- ggplot(bigram_matrix, aes(x = word1, y = word2, fill = n)) +
geom_tile() +
scale_fill_gradient(low = "white", high = "red") +
labs(title = "Тепловая карта биграмм") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
print(p_heatmap)
}

# ============================================
# 4. Сравнение частот между разделами
# ============================================
section_word_freq <- tokens %>%
filter(section %in% c("История", "Технологии", "Приложения")) %>%
count(section, word, sort = TRUE) %>%
group_by(section) %>%
top_n(10, n) %>%
ungroup()

p_sections <- ggplot(section_word_freq, aes(x = reorder(word, n), y = n, fill = section)) +
geom_bar(stat = "identity", position = "dodge") +
facet_wrap(~section, scales = "free") +
coord_flip() +
labs(title = "Топ-10 слов по разделам", x = "Слово", y = "Частота") +
theme_minimal()
print(p_sections)

# ============================================
# 5. Статистика по разделам (исправленная)
# ============================================
section_stats <- tokens %>%
group_by(section) %>%
summarise(
total_words = n(),
unique_words = n_distinct(word),
tt_ratio = unique_words / total_words * 100
) %>%
arrange(desc(total_words))

cat("\nСтатистика по разделам:\n")
print(section_stats)

# Визуализация TTR по разделам
p_ttr <- ggplot(section_stats, aes(x = reorder(section, tt_ratio), y = tt_ratio, fill = section)) +
geom_bar(stat = "identity") +
coord_flip() +
labs(title = "Лексическое разнообразие (TTR) по разделам",
x = "Раздел", y = "Type-Token Ratio (%)") +
theme_minimal() +
theme(legend.position = "none")
print(p_ttr)

# ============================================
# 6. Распределение длин предложений
# ============================================
sentence_lengths <- sections %>%
mutate(sentence = str_extract_all(text, "[^.!?]+")) %>%
unnest(sentence) %>%
mutate(length = str_count(sentence, "\\w+")) %>%
filter(length > 0)

# Boxplot длины предложений
p_boxplot <- ggplot(sentence_lengths, aes(x = section, y = length, fill = section)) +
geom_boxplot() +
coord_flip() +
labs(title = "Распределение длины предложений по разделам",
x = "Раздел", y = "Количество слов в предложении") +
theme_minimal() +
theme(legend.position = "none")
print(p_boxplot)

# Гистограмма общей длины предложений
p_hist <- ggplot(sentence_lengths, aes(x = length)) +
geom_histogram(binwidth = 5, fill = "steelblue", color = "white") +
labs(title = "Распределение длины предложений",
x = "Длина предложения (слова)", y = "Частота") +
theme_minimal()
print(p_hist)

# ============================================
# 7. Дополнительная статистика
# ============================================
cat("\n=== Общая статистика текста ===\n")
cat("Количество разделов:", n_distinct(tokens$section), "\n")
cat("Средняя длина предложения:", round(mean(sentence_lengths$length), 2), "слов\n")
cat("Медианная длина предложения:", median(sentence_lengths$length), "слов\n")
cat("Минимальная длина предложения:", min(sentence_lengths$length), "слов\n")
cat("Максимальная длина предложения:", max(sentence_lengths$length), "слов\n")

# Наиболее частотные слова в каждом разделе
cat("\n=== Наиболее характерные слова по разделам ===\n")
top_words_by_section <- tokens %>%
group_by(section) %>%
count(word) %>%
top_n(5, n) %>%
arrange(section, desc(n))

print(top_words_by_section)
</syntaxhighlight>

=== Вывод программы ===

Общее количество слов: 4137
Уникальных слов: 1941
Type-Token Ratio: 46.92 %

Топ-20 самых частотных слов:
1 и 170
2 в 147
3 вещей 89
4 для 87
5 интернета 64
6 на 51
7 с 51
8 как 47
9 к 37
10 или 31
11 также 28
12 могут 23
13 по 23
14 может 22
15 системы 22
16 данных 21
17 устройств 21
18 интернет 19
19 которые 19
20 устройства 19

Топ-15 самых частотных биграмм:

1 интернета вещей 64
2 интернет вещей 12
3 вещей в 10
4 с помощью 10
5 а также 9
6 такие как 9
7 могут быть 8
8 может быть 8
9 устройства интернета 7
10 в этом 6
11 для обеспечения 6
12 за счет 6
13 передачи данных 6
14 таких как 6
15 умного дома 6

Статистика по разделам:
1 Приложения 3369 1596 47.4
2 Технологии 404 275 68.1
3 История 364 279 76.6

=== Общая статистика текста ===
Количество разделов: 3
Средняя длина предложения: 20.57 слов
Медианная длина предложения: 20 слов
Минимальная длина предложения: 1 слов
Максимальная длина предложения: 91 слов

=== Наиболее характерные слова по разделам ===
1 История в 15
2 История вещей 11
3 История и 11
4 История как 8
5 История с 7
6 Приложения и 154
7 Приложения в 118
8 Приложения для 75
9 Приложения вещей 69
10 Приложения интернета 54
11 Технологии в 14
12 Технологии вещей 9
13 Технологии для 9
14 Технологии как 8
15 Технологии средства 7

=== Результаты анализа ===

Текст обладает достаточно высоким лексическим разнообразием (почти половина слов уникальны). Это характерно для научно-технических статей, где используется разнообразная терминология.

В тексте доминирует терминология, связанная с устройствами, сетями и передачей данных. Союз «и» лидирует, что указывает на перечислительный стиль изложения.

Ключевой биграммой является "интернета вещей", так как она встречается 64 раза, что подтверждает центральную тему.

Характерны вводные обороты: такие как, а также, с помощью
Выделяется сочетание умного дома — важная прикладная область.

Выводы по разделам:

«Приложения» — самый большой раздел (81% текста). Низший TTR (47.4%) объясняется повторяемостью терминов (умный дом, медицина, транспорт, сельское хозяйство). Стиль — описательный и перечислительный.

«Технологии» — высокое разнообразие (68.1%). Используются узкоспециализированные термины (RFID, 6LoWPAN, PLC, ZigBee, сенсоры, идентификация).

«История» — самое высокое лексическое разнообразие (76.6%). Хронологический нарратив использует разные времена, названия организаций, имена и уникальные формулировки.

Типичное предложение содержит ~20 слов (норма для научно-технического текста)

Присутствуют экстремально длинные предложения (до 91 слова), что характерно для перечислений и сложных конструкций в технической литературе

Короткие предложения (1 слово) — вероятно, заголовки подразделов

Таким образом, на основании этого анализа можно заключить, что данный текст - это научно-техническая статья среднего уровня сложности с хорошим лексическим разнообразием.

Раздел «Приложения» занимает более 80% объёма и имеет описательный, перечислительный характер.

Разделы «История» и «Технологии» короткие, но терминологически насыщенные — в них выше TTR.

Ключевая тема — интернет вещей (устойчивая биграмма, частота 64).

Стиль характеризуется: длинными предложениями (до 91 слова), вводными оборотами (такие как, а также, с помощью), обилием союза и.

Текст пригоден для дальнейшего семантического анализа, извлечения сущностей (имена, технологии, организации) и построения тематических моделей.
[[Категория:CompLing Works]]

Voyant Tools Карпов Семён

2026-06-15T09:08:24Z

Infectedsword64:

== Источник исследования ==
Источником исследования является статья с Википедии, посвящённая интернету вещей.

Ссылка на статью - https://ru.wikipedia.org/wiki/Интернет_вещей.

== Инструменты для анализа и обработки текста ==
Инструментами работы стали Voyant Tools и средства искусственного интеллекта, ввиду трудностей с установкой некоторых инструментов на ОС Linux.

== Этапы работы ==
=== Очищение найденной статьи от служебного текста ===

Найденная статья Википедии была сохранена в виде html-файла и передана системе ИИ "DeepSeek" для очищения от служебного текста.
С результатом можно ознакомиться по ссылке: https://chat.deepseek.com/share/ylep2n4pj4872rxhg2

Полученный корпус сохранён в виде текстового файла и загружен в Voyant Tools.

=== Обработка текста в Voyant tools ===
{{#widget:iframe
|url=https://voyant-tools.org/?corpus=f19f4b0bc2fd2971f0e5e230fb1c1ad3&panels=corpusterms,reader,trends,summary,bubblelines
|width=800
|height=600
}}

Проанализировав облако слов (Cirrus), и мы можем увидеть, что основные темы, ассоциированные с интернетом вещей это:

1. интернет
2. вещи
3. данные
4. управление
5. система
6. устройства
7. iot
8. технологии
9. мониторинг
10. сети

=== Результат анализа ===
В качестве результата анализа одной статьи можно вывести, что интернет вещей тесно связан с такими понятиями как вещи (основной участник сетей интернета вещей) данные, управление различными системами, мониторингом, а также, с понятием сетей как таковых.

Таким образом, с помощью Voyant Tools мы смогли составить общую картину интернета вещей и его связей с различными понятиями.

[[Категория:CompLing Works]]

Запрос в песочницу Карпов

2026-06-14T18:25:26Z

Infectedsword64: Новая страница: «== Описание выбранной категории == Для анализа выбраны статьи, связанные с интернетом вещей, такие как # https://ru.wikipedia.org/wiki/Интернет_вещей # https://ru.wikipedia.org/wiki/Умный_дом # https://ru.wikipedia.org/wiki/RFID # https://ru.wikipedia.org/wiki/Промышленный_интернет_вещей == API-запрос == Для выполне...»

== Описание выбранной категории ==
Для анализа выбраны статьи, связанные с интернетом вещей, такие как
# https://ru.wikipedia.org/wiki/Интернет_вещей
# https://ru.wikipedia.org/wiki/Умный_дом
# https://ru.wikipedia.org/wiki/RFID
# https://ru.wikipedia.org/wiki/Промышленный_интернет_вещей

== API-запрос ==
Для выполнения задания использовался следующий запрос: https://ru.wikipedia.org/w/api.php?action=query&titles=Интернет_вещей%7CУмный_дом%7CRFID%7CПромышленный_интернетвещей&prop=extracts&explaintext=1&format=json&formatversion=2

=== Результат API-запроса ===
В ответе [https://ru.wikipedia.org/w/api.php?action=query&titles=Интернет_вещей%7CУмный_дом%7CRFID&prop=extracts&explaintext=1&format=json&formatversion=2 API запроса] содержится полный текст каждой страницы в формате JSON.

<syntaxhighlight lang="R" line>
{"continue":{"excontinue":1,"continue":"||"},"warnings":{"extracts":{"warnings":"\"exlimit\" was too large for a whole article extracts request, lowered to 1."}},"query":{"normalized":[{"fromencoded":false,"from":"Интернет_вещей","to":"Интернет вещей"},{"fromencoded":false,"from":"Умный_дом","to":"Умный дом"},{"fromencoded":false,"from":"Промышленный_интернетвещей","to":"Промышленный интернетвещей"}],"pages":[{"ns":0,"title":"Промышленный интернетвещей","missing":true},{"pageid":22119,"ns":0,"title":"RFID","extract":"RFID (англ. Radio Frequency IDentification, радиочастотная идентификация) — способ автоматической идентификации объектов, в котором посредством радиосигналов считываются или записываются данные, хранящиеся в так называемых транспондерах, или RFID-метках.\nЛюбая RFID-система состоит из считывающего устройства (считыватель, ридер или интеррогатор) и транспондера (он же RFID-метка, иногда также применяется термин RFID-тег).\nПо дальности считывания RFID-системы можно подразделить на системы:\n\nближней идентификации (считывание производится на расстоянии до 20 см);\nидентификации средней дальности (от 20 см до 5 м);\nдальней идентификации (от 5 м до 300 м)\nБольшинство RFID-меток состоит из двух частей. Первая — интегральная схема (ИС) для хранения и обработки информации, модулирования и демодулирования радиочастотного (RF) сигнала и некоторых других функций. Вторая — антенна для приёма и передачи сигнала.\nC введением RFID-меток в повседневную жизнь связан ряд проблем. Например, потребители, не обладающие считывателями, не всегда могут обнаружить метки, прикреплённые к товару на этапе производства и упаковки, и избавиться от них. Хотя при продаже, как правило, такие метки уничтожаются, сам факт их наличия вызывает опасения у правозащитных и религиозных организаций.\nУже известные приложения RFID (бесконтактные карты в системах контроля и управления доступом, системах дальней идентификации и в платёжных системах) получают дополнительную популярность с развитием интернет-услуг.\n\n\n== История RFID-меток ==\n\nТехнология, наиболее близкая к данной — система распознавания «свой-чужой» IFF (Identification Friend or Foe), изобретённая Исследовательской лабораторией ВМС США в 1937 году. Она активно применялась союзниками во время Второй мировой войны, чтобы определить, своим или чужим является объект в небе. Подобные системы до сих пор используются как в военной, так и в гражданской авиации.\nВ 1945 году советский ученый Лев Сергеевич Термен изобрёл устройство, которое позволило накладывать аудиоинформацию на случайные радиоволны. Звук вызывал колебание диффузора, которое незначительно изменяло форму резонатора, модулируя отражённую радиочастотную волну. И хотя устройство представляло лишь пассивный передатчик (т. н. «жучок»), это изобретение причисляют к первым предшественникам RFID-технологии.\nЕщё одной вехой в использовании RFID-технологии является послевоенная работа Гарри Стокмана (Harry Stockman) под названием «Коммуникации посредством отражённого сигнала» (англ. \"Communication by Means of Reflected Power\") (доклады IRE, стр. 1196—1204, октябрь 1948). Стокман отмечает, что «…значительные работы по исследованию и разработке были сделаны до того, как были решены основные проблемы в связи посредством отражённого сигнала, а также до того, как были найдены области применения данной технологии».\nПервая демонстрация современных RFID-чипов (на эффекте обратного рассеяния), как пассивных, так и активных, была проведена в Исследовательской лаборатории Лос-Аламоса (англ. Los Alamos Scientific Laboratory) в 1973 году. Портативная система работала на частоте 915 МГц и использовала 12-битные метки.\nПервый патент, связанный собственно с названием RFID, был выдан Чарльзу Уолтону (Charles Walton) в 1983 году (патент США за № 4,384,288).\nВ 1997 году Кевин Эштон работая помощником бренд-менеджера в Procter & Gamble (P&G), заинтересовался использованием RFID для управления цепочками поставок продуктов P&G. В 1999 году Эштон совместно с профессорами Санджай Сарма, Санни Сиу и исследователем Дэвидом Броком открыли Auto-ID центр при MIT. В центре была создана глобальная стандартная система для RFID и других сенсоров.\n\n\n== Классификация RFID-меток ==\nСуществует несколько способов систематизации RFID-меток и систем:\n\nПо рабочей частоте\nПо источнику питания\nПо типу памяти\nПо исполнению\n\n\n=== По источнику питания ===\nПо типу источника питания RFID-метки делятся на:\n\nПассивные\nАктивные\nПолупассивные\n\n\n==== Пассивные ====\n\nПассивные RFID-метки не имеют встроенного источника энергии. Электрический ток, индуцированный в антенне электромагнитным сигналом от считывателя, обеспечивает достаточную мощность для функционирования кремниевого КМОП-чипа, размещённого в метке, и передачи ответного сигнала.\nКоммерческие реализации низкочастотных RFID-меток могут быть встроены в стикер (наклейку) или имплантированы под кожу (см. VeriChip).\nВ 2006 Hitachi изготовила пассивное устройство, названное µ-Chip (мю-чип), размерами 0,15×0,15 мм (не включая антенну) и тоньше бумажного листа (7,5 мкм). Такого уровня интеграции позволяет достичь технология «кремний-на-изоляторе» (SOI). µ-Chip может передавать 128-битный уникальный идентификационный номер, записанный в микросхему на этапе производства. Данный номер не может быть изменён в дальнейшем, что гарантирует высокий уровень достоверности и означает, что этот номер будет жёстко привязан (ассоциирован) с тем объектом, к которому присоединяется или в который встраивается этот чип. µ-Chip от Hitachi имеет типичный радиус считывания 30 см (1 фут). В феврале 2007 года Hitachi представила RFID-устройство, обладающее размерами 0,05×0,05 мм, и толщиной, достаточной для встраивания в лист бумаги.\nКомпактность RFID-меток зависит от размеров внешних антенн, которые по размерам превосходят чип во много раз и, как правило, определяют габариты меток.\nНаименьшая стоимость RFID-меток, которые стали стандартом для таких компаний, как Wal-Mart, Target, Tesco в Великобритании, Metro AG в Германии и Министерства обороны США, составляет примерно 5 центов за метку фирмы SmartCode (при покупке от 100 млн штук). К тому же, из-за разброса размеров антенн, и метки имеют различные размеры — от почтовой марки до открытки. На практике максимальная дистанция считывания пассивных меток варьируется от 10 см (4 дюймов) (согласно стандарту ISO 14443) до нескольких метров (стандарты EPC и ISO 18000-6), в зависимости от выбранной частоты и размеров антенны. В некоторых случаях антенна может быть изготовлена печатным способом.\nПроизводственные процессы от Alien Technology под названием Fluidic Self Assembly, от SmartCode — Flexible Area Synchronized Transfer (FAST) и от Symbol Technologies — PICA направлены на дальнейшее уменьшение стоимости меток за счёт применения массового параллельного производства. Alien Technology в настоящее время использует процессы FSA и HiSam для изготовления меток, в то время как PICA — процесс от Symbol Technologies — находится ещё на стадии разработки. Процесс FSA позволяет производить свыше 2 миллионов ИС пластин в час, а PICA процесс — более 70 миллиардов меток в год (если его доработают). В этих технических процессах ИС присоединяются к пластинам меток, которые в свою очередь присоединяются к антеннам, образуя законченный чип. Присоединение ИС к пластинам и в дальнейшем пластин к антеннам — самые пространственно чувствительные элементы процесса производства. Это значит, что при уменьшении размеров ИС-монтаж (англ. Pick and place) станет самой дорогой операцией. Альтернативные методы производства, такие как FSA и HiSam, могут значительно уменьшить себестоимость меток. Стандартизация производства (англ. Industry benchmarks) в конечном счёте приведёт к дальнейшему падению цен на метки при их широкомасштабном внедрении.\nНекремниевые метки могут изготавливаться из полимерных полупроводников. В настоящее время их разработкой занимаются несколько компаний по всему миру. Метки, изготавливаемые в лабораторных условиях и работающие на частотах 13,56 МГц, были продемонстрированы в 2005 году компаниями PolyIC (Германия) и Philips (Голландия). В промышленных условиях полимерные метки будут изготавливаться методом прокатной печати (технология напоминает печать журналов и газет), в результате чего они будут дешевле, чем метки на основе ИС. В конечном счёте это может закончиться тем, что для большинства сфер применения метки станут печатать так же просто, как и штрих-коды, и они станут такими же дешёвыми.\nПассивные метки УВЧ и СВЧ диапазонов (860—960 МГц и 2,4-2,5 ГГц) передают сигнал методом модуляции отражённого сигнала несущей частоты (англ. Backscattering Modulation — модуляция обратного рассеяния). Антенна считывателя излучает сигнал несущей частоты и принимает отражённый от метки модулированный сигнал. Пассивные метки ВЧ-диапазона передают сигнал методом модуляции нагрузки сигнала несущей частоты (англ. Load Modulation — нагрузочная модуляция). Каждая метка имеет идентификационный номер. Пассивные метки могут содержать перезаписываемую энергонезависимую память EEPROM-типа. Дальность действия меток составляет 1—200 см (ВЧ-метки) и 1-10 метров (УВЧ и СВЧ-метки).\n\n\n==== Активные ====\nАктивные RFID-метки обладают собственным источником питания и не зависят от энергии считывателя, вследствие чего они читаются на дальнем расстоянии, имеют бо́льшие размеры и могут быть оснащены дополнительной электроникой. Однако такие метки наиболее дороги, а у батарей ограничено время работы.\nАктивные метки в большинстве случаев более надёжны и обеспечивают самую высокую точность считывания на максимальном расстоянии. Активные метки, обладая собственным источником питания, также могут генерировать выходной сигнал большего уровня, чем пассивные, позволяя применять их в более агрессивных для радиочастотного сигнала средах: воде (включая людей и животных, которые в основном состоят из воды), металлах (корабельные контейнеры, автомобили), для больших расстояний на воздухе. Большинство активных меток позволяет передать сигнал на расстояния в сотни метров при жизни батареи питания до 10 лет. Некоторые RFID-метки имеют встроенные сенсоры, например, для мониторинга температуры скоропортящихся товаров. Другие типы сенсоров в совокупности с активными метками могут применяться для измерения влажности, регистрации толчков/вибрации, света, радиации, температуры и газов в атмосфере (например, этилена).\nАктивные метки обычно имеют гораздо больший радиус считывания (до 300 м) и объём памяти, чем пассивные, и способны хранить больший объём информации для отправки приёмопередатчиком.\n\n\n==== Полупассивные ====\nПолупассивные RFID-метки, также называемые полуактивными, очень похожи на пассивные метки, но оснащены батареей, которая обеспечивает чип энергопитанием. При этом дальность действия этих меток зависит только от чувствительности приёмника считывателя и они могут функционировать на большем расстоянии и с лучшими характеристиками.\n\n\n=== По типу используемой памяти ===\nПо типу используемой памяти RFID-метки делятся на:\n\nRO (англ. Read Only) — данные записываются только один раз, сразу при изготовлении. Такие метки пригодны только для идентификации. Никакую новую информацию в них записать нельзя, и их практически невозможно подделать.\nWORM (англ. Write Once Read Many) — кроме уникального идентификатора такие метки содержат блок однократно записываемой памяти, которую в дальнейшем можно многократно читать.\nRW (англ. Read and Write) — такие метки содержат идентификатор и блок памяти для чтения/записи информации. Данные в них могут быть перезаписаны многократно.\n\n\n=== По рабочей частоте ===\n\n\n==== Метки диапазона LF (125—134 кГц) ====\n\nПассивные системы данного диапазона имеют низкие цены и в связи с физическими характеристиками используются для подкожных меток при чипировании животных и людей. Однако, в связи с длиной волны, существуют проблемы со считыванием на большие расстояния, а также проблемы, связанные с появлением коллизий при считывании.\n\n\n==== Метки диапазона HF (13,56 МГц) ====\nСистемы 13 МГц дёшевы, не имеют экологических и лицензионных проблем, хорошо стандартизованы, имеют широкую линейку решений. Применяются в платежных системах, логистике, идентификации личности. Для частоты 13,56 МГц разработан стандарт ISO 14443 (виды A/B). В отличие от Mifare 1К, в данном стандарте обеспечена система диверсификации ключей, что позволяет создавать открытые системы. Используются стандартизованные алгоритмы шифрования.\nНа основе стандарта ISO 14443 В разработано несколько десятков систем, например, система оплаты проезда общественного транспорта Парижского региона.\nДля существовавших в данном диапазоне частот стандартов были найдены серьёзные проблемы в безопасности: совершенно отсутствовала криптография у дешёвых чипов карты Mifare Ultralight, введённая в использование в Нидерландах для системы оплаты проезда в городском общественном транспорте OV-chipkaart, позднее была взломана считавшаяся более надёжной карта Mifare Classic.\nКак и для диапазона LF, в системах, построенных в HF-диапазоне, существуют проблемы со считыванием с больших расстояний, считывание в условиях высокой влажности, наличия металла, а также проблемы, связанные с появлением коллизий при считывании.\n\n\n==== Метки диапазона UHF (860—960 МГц) ====\nМетки данного диапазона обладают наибольшей дальностью регистрации, во многих стандартах данного диапазона присутствуют антиколлизионные механизмы. Ориентированные изначально для нужд складской и производственной логистики, метки диапазона UHF не имели уникального идентификатора. Предполагалось, что идентификатором для метки будет служить EPC-номер (Electronic Product Code) товара, который каждый производитель будет заносить в метку самостоятельно при производстве. Однако скоро стало ясно, что помимо функции носителя EPC-номера товара хорошо бы возложить на метку ещё и функцию контроля подлинности. То есть возникло требование, противоречащее самому себе: одновременно обеспечить уникальность метки и позволить производителю записывать произвольный EPC-номер.\nДолгое время не существовало чипов, которые бы удовлетворяли этим требованиям полностью. Выпущенный компанией Philips чип Gen 1.19 обладал неизменяемым идентификатором, но не имел никаких встроенных функций по паролированию банков памяти метки, и данные с метки мог считать кто угодно, имеющий соответствующее оборудование. Разработанные впоследствии чипы стандарта Gen 2.0 имели функции паролирования банков памяти (пароль на чтение, на запись), но не имели уникального идентификатора метки, что позволяло при желании создавать идентичные клоны меток.\nНаконец, в 2008 году компания NXP выпустила два новых чипа, которые на сегодняшний день отвечают всем выше перечисленным требованиям. Чипы SL3S1202 и SL3FCS1002 выполнены в стандарте EPC Gen 2.0, но отличаются от всех своих предшественников тем, что поле памяти TID (Tag ID), в которое при производстве обычно пишется код типа метки (и он в рамках одного артикула не отличается от метки к метке), разбито на две части. Первые 32 бита отведены под код производителя метки и её марку, а вторые 32 бита — под уникальный номер самого чипа. Поле TID — неизменяемое, и, таким образом, каждая метка является уникальной. Новые чипы имеют все преимущества меток стандарта Gen 2.0. Каждый банк памяти может быть защищен от чтения или записи паролем, EPC-номер может быть записан производителем товара в момент маркировки.\nВ UHF RFID-системах по сравнению с LF и HF ниже стоимость меток, при этом выше стоимость прочего оборудования.\nВ настоящее время частотный диапазон УВЧ открыт для свободного использования в Российской Федерации в так называемом «европейском» диапазоне — 863—868 МГЦ.\n\n\n===== Радиочастотные UHF-метки ближнего поля =====\nМетки ближнего поля (англ. UHF Near-Field), не являясь непосредственно радиометками, а используя магнитное поле антенны, позволяют решить проблему считывания в условиях высокой влажности, присутствия воды и металла. С помощью данной технологии ожидается начало массового применения RFID-меток в розничной торговле фармацевтическими товарами (нуждающимися в контроле подлинности, учёте, но при этом зачастую содержащими воду и металлические детали в упаковке).\n\n\n== Считыватели (Ридеры) ==\n(от англ. reader)\nПриборы, которые читают информацию с меток и записывают в них данные. Эти устройства могут быть постоянно подключенными к учётной системе или работать автономно.\n\n\n=== Виды считывателей ===\n\n\n==== Стационарные ====\nСтационарные считыватели крепятся неподвижно на стенах, дверях, движущихся складских устройствах (штабеляторах, погрузчиках). Они могут быть выполнены в виде замка́, вмонтированы в стол или закреплены рядом с конвейером на пути следования изделий.\nПо сравнению с переносными, считыватели такого типа обычно обладают большей зоной чтения и мощностью и способны одновременно обрабатывать данные с нескольких десятков меток. Стационарные считыватели подключаются к ПЛК, интегрируются в DCS или подключаются к ПК. Задача таких считывателей — поэтапно фиксировать перемещение маркированных объектов в реальном времени, либо идентифицировать положение меченых предметов в пространстве.\n\n\n==== Мобильные ====\nОбладают сравнительно меньшей дальностью действия и зачастую не имеют постоянной связи с программой контроля и учёта. Мобильные считыватели имеют внутреннюю память, в которую записываются данные с прочитанных меток (потом эту информацию можно загрузить в компьютер) и, как и стационарные считыватели, способны записывать данные в метку (например, информацию о произведённом контроле).\nВ зависимости от частотного диапазона метки, дистанция устойчивого считывания и записи данных в них будет различна.\n\n\n== RFID и альтернативные методы автоматической идентификации ==\n\nПо функциональности RFID-метки, как метод сбора информации, очень близки к штрих-кодам, наиболее широко применяемым сегодня для маркировки товаров. Несмотря на удешевление стоимости RFID-метки, в обозримом будущем полное вытеснение штрих-кодов радиочастотной идентификацией вряд ли состоится по экономическим причинам (система не будет окупаться).\nВ то же время и сама технология штрих-кодов продолжает развиваться. Новые разработки (например, двумерный штрих-код Data Matrix) решают ряд проблем, ранее решавшихся лишь применением RFID. Технологии могут дополнять друг друга. Компоненты с неизменными потребительскими свойствами могут маркироваться постоянной маркировкой на основе оптических технологий распознавания, несущей информацию об их дате выпуска и потребительских свойствах, а на RFID-метку можно записать информацию, подверженную изменению, такую, как данные о конкретном получателе заказа на возвращаемой многоразовой упаковке.\n\n\n=== Преимущества радиочастотной идентификации ===\nВозможность перезаписи. Данные RFID-метки могут перезаписываться и дополняться много раз, тогда как данные на штрих-коде не могут быть изменены — они записываются сразу при печати.\nОтсутствие необходимости в прямой видимости. RFID-считывателю не требуется прямая видимость метки, чтобы считать её данные. Взаимная ориентация метки и считывателя часто не играет роли. Метки могут читаться через упаковку, что делает возможным их скрытое размещение. Для чтения данных метке достаточно хотя бы ненадолго попасть в зону регистрации, перемещаясь, в том числе, и на довольно большой скорости. Напротив, устройству считывания штрих-кода всегда необходима прямая видимость штрих-кода для его чтения.\nБольшее расстояние чтения. RFID-метка может считываться на значительно большем расстоянии, чем штрих-код. В зависимости от модели метки и считывателя радиус считывания может составлять до нескольких сотен метров. В то же время подобные расстояния требуются не всегда.\nБольший объём хранения данных. RFID-метка может хранить значительно больше информации, чем штрих-код.\nПоддержка чтения нескольких меток. Промышленные считыватели могут одновременно считывать множество (более тысячи) RFID-меток в секунду, используя так называемую антиколлизионную функцию. Устройство считывания штрих-кода может единовременно сканировать только один штрих-код.\nСчитывание данных метки при любом её расположении. В целях обеспечения автоматического считывания штрихового кода комитеты по стандартам (в том числе EAN International) разработали правила размещения штрих-меток на товарной и транспортной упаковке. К радиочастотным меткам эти требования не относятся. Единственное условие — нахождение метки в зоне действия считывателя.\nУстойчивость к воздействию окружающей среды. Существуют RFID-метки, обладающие повышенной прочностью и сопротивляемостью жёстким условиям рабочей среды, а штрих-код легко повреждается (например, влагой или загрязнением). В тех сферах применения, где один и тот же объект может использоваться неограниченное количество раз (например, при идентификации контейнеров или возвратной тары), радиочастотная метка оказывается более приемлемым средством идентификации, так как её не требуется размещать на внешней стороне упаковки. Пассивные RFID-метки имеют практически неограниченный срок эксплуатации.\nМногоцелевое использование. RFID-метка может использоваться для выполнения других задач, помимо функции носителя данных. Штрих-код же не программируем и является лишь средством хранения данных.\nВысокая степень безопасности. Уникальное неизменяемое число-идентификатор, присваиваемое метке при производстве, гарантирует высокую степень защиты меток от подделки. Также данные на метке могут быть зашифрованы. Радиочастотная метка обладает возможностью закрыть паролем операции записи и считывания данных, а также зашифровать их передачу. В одной метке можно одновременно хранить открытые и закрытые данные.\n\n\n=== Недостатки радиочастотной идентификации ===\nРаботоспособность метки утрачивается при частичном механическом повреждении.\nСтоимость системы выше стоимости системы учёта, основанной на штрих-кодах.\nСложность самостоятельного изготовления. Тем временем штрих-код можно напечатать на любом принтере.\nПодверженность помехам в виде электромагнитных полей.\nНедоверие пользователей из-за возможности использования её для скрытного сбора информации о людях.\nУстановленная техническая база для считывания штрих-кодов существенно превосходит по объёму решения на основе RFID.\nНедостаточная открытость выработанных стандартов.\n\n\n=== В сравнении с другими универсальными идентификаторами ===\n\n\n== Критика ==\n\n\n=== RFID и права человека ===\n\nДебра Боуэн, сенатор штата Калифорния, на слушаниях 2003 года\nИспользование RFID-меток вызвало серьёзную полемику, критику и даже бойкотирование товаров. Четыре основных проблемы этой технологии, связанные с неприкосновенностью частной жизни, следующие:\n\nПокупатель может даже не знать о наличии RFID-метки. Или не может её удалить\nДанные с метки могут быть считаны дистанционно без ведома владельца\nЕсли помеченный предмет оплачивается кредитной картой, то возможно однозначно связать уникальный идентификатор метки с покупателем\nСистема меток EPCGlobal создаёт или предполагает создание уникальных серийных номеров для всех продуктов, несмотря на то, что это создаёт проблемы с неприкосновенностью частной жизни и совершенно не является необходимым для большинства приложений\nОсновное беспокойство вызывается тем, что иногда RFID-метки остаются в рабочем состоянии даже после того, как товар куплен и вынесен из магазина, и поэтому могут быть использованы для слежки и других неблаговидных целей, не связанных с инвентаризационной функцией меток. Считывание с небольших расстояний также может представлять опасность, если, например, считанная информация накапливается в базе данных, или грабитель использует карманный считыватель для оценки богатства проходящей мимо потенциальной жертвы. Серийные номера на RFID-метках могут выдавать дополнительную информацию даже после избавления от товара. Например, метки в перепроданных или подаренных вещах могут быть использованы для установления круга общения человека.\n\n\n=== Стандарты ===\nНегативное отношение к технологии RFID усугубляется пробелами, существующими во всех нынешних стандартах. Хотя процесс совершенствования стандартов не закончился, во многих прослеживается тенденция скрывать от публики часть команд меток. Например, команда Аутентификация в фирменной технологии Philips MIFARE, использующей стандарт ISO/IEC 14443, после которой метка должна шифровать свои ответы и воспринимать только шифрованные команды, может быть нейтрализована некоторой командой, которую фирма-разработчик держит в секрете. После выполнения этой команды возможно успешное использование ReadBlock, фиктивно зашифрованной на константе (которая используется для подсчёта CRC в стандарте ISO/IEC 14443). Таким образом можно прочитать MIFARE-карточку. Более того, анализируя потребляемый карточкой ток, инженер-схемотехник может прочитать все пароли доступа ко всем блокам MIFARE-карточки (в силу относительной прожорливости EEPROM ячеек и схемотехнической реализации чтения памяти в чипе). Так, в наиболее распространённых RFID-карточках может изначально содержаться закладка.\nЧасть подозрений в отношении RFID может быть снята выработкой полных и открытых стандартов, отсутствие каковых вызывает подозрения и недоверие к технологии.\nПрименение меток диапазона СВЧ в Российской Федерации в настоящее время регулируется СанПиН 2.1.8/2.2.4.1383-03, утверждёнными Постановлением Главного государственного санитарного врача РФ № 135 от 09.06.2003 г. Несмотря на распространяемое заблуждение о несоответствии данного оборудования стандартам, при реальных расчётах учитывается напряженность электромагнитного поля или плотность потока мощности, излучаемая оборудованием, а не выходная мощность прибора, как это было установлено в СанПиН 2.2.4/2.1.8.055-96, утративших силу с 30.06.2003 г.; фактические значения для расчёта предельно допустимого уровня в реально существующем в России UHF-оборудовании примерно в 10-20 раз ниже, чем установленные санитарно-гигиеническими нормами.\n\n\n== Развитие RFID-рынка ==\nПо мнению экспертов, рынок RFID-систем в России ещё только зарождается, так что предложение в этом сегменте существенно превышает спрос. Из-за этого отставания отечественный рынок развивается опережающими темпами — совокупный среднегодовой темп роста в период с 2008 по 2010 год превышает 19 %. Тогда как среднегодовой темп роста мирового RFID рынка (CAGR) превышает 15 %.\nПо оценкам участников рынка, объём мирового рынка RFID продукции в 2008 году составил 5,29 млрд $. Ожидается, что к 2018 году он вырастет более чем в 5 раз. Объём российского рынка RFID — чуть более одного процента от мирового рынка, и составляет 69 млн $.\n\nВсе системы радиочастотной идентификации в России внедряются впервые. Компании, устанавливающей RFID-систему, не нужно тянуть за собой устаревшее оборудование и частоты, подстраивать под задачу уже имеющееся на объекте оборудование, есть возможность внедрять самые передовые разработки.\nВ силу своей дороговизны RFID в России используется преимущественно для осуществления логистических операций, в метрополитене крупных городов (Москва, Санкт-Петербург, Казань, Екатеринбург), наземном транспорте (например в Республике Башкортостан) и в библиотечных системах. Однако, по мнению генерального директора «Роснано» Анатолия Чубайса, в ближайшие годы возможен переход на наночипы для банковских карт с RFID, с помощью которых технология станет массово использоваться в розничной торговле.\n\n\n== Применение ==\n\nНа текущий момент RFID-технологии применяются в самых разнообразных сферах человеческой деятельности:\n\nпромышленность;\nтранспортная и складская логистика, предотвращение краж в торговых залах;\nсистемы контроля и управления доступом;\nмедицина — мониторинг состояния пациентов, наблюдение за перемещением по зданию больницы;\nбиблиотечное дело — станции автоматической книговыдачи, быстрая инвентаризация;\nпаспорта;\nтранспортные платежи;\nдистанционное управление;\nопознавание животных;\nсельское хозяйство;\nчеловеческие имплантаты;\nсистемы управления багажом;\nсистемы локализации объектов в реальном режиме времени\nавтомобильные иммобилайзеры\nВ применениях используется информация об объекте, его свойствах, качествах, информация о положении объекта.\n\n\n== Стандарты ==\n\nМеждународные стандарты RFID, как составной части технологии автоматической идентификации, разрабатываются и принимаются международной организацией ISO совместно с IEC. Подготовка проектов (разработка) стандартов производится в тесном взаимодействии с инициативными заинтересованными организациями и компаниями.\n\n\n=== Организации-разработчики стандартов ===\n\n\n==== EPCglobal ====\nEPCglobal (совместное предприятие GS1 и GS1 US) работает по международным стандартам в области использования RFID и EPC, с целью создать возможность идентификации любого объекта в цепи поставок товаров компаний во всем мире.\nОдна из миссий EPCglobal состоит в упорядочении большого количества RFID-протоколов, появившихся в мире начиная с 1990-х годов и создании единого протокола для реализации прорыва в восприятии RFID коммерческими организациями.\n\n\n==== AIM global ====\nAIM Global активно работает над промышленными стандартами с 1972 года.\nAIM Global — международная торговая ассоциация, представляющая поставщиков автоматической идентификации и мобильных технологий. Ассоциация активно поддерживает развитие AIM стандартов за счёт собственного Technical Symbology Committee, Global Standards Advisory Groups и группы экспертов RFID, а также через участие в промышленных, национальных (ANSI) и международных (ISO) группах разработок.\nВ России разработка стандартов в области RFID занимается Ассоциации UNISCAN/GS1 Russia.\n\n\n==== GRIFS ====\nGRIFS — двухлетний проект по созданию Форума совместимости Стандартов RFID координируется GS1 совместно с ETSI и CENI. Проект финансируется Европейским сообществом . Начал свою деятельность в январе 2008 года. В рамках данного проекта проведены три конференции в Токио, Гонконге и Брюсселе в 2008—2009 годах.\n\n\n=== EPC Gen2 ===\nEPC Gen2 — сокращение от «EPCglobal Generation 2».\nДеление меток на классы было принято задолго до появления инициативы EPCglobal, однако не существовало общепринятого протокола обмена между считывателями и метками. Это приводило к несовместимости считывателей и меток различных производителей. В 2004 году ISO/IEC приняли единый международный стандарт ISO 18000, описывающий протоколы обмена (радиоинтерфейсы, англ. air interface) во всех частотных диапазонах RFID от 135 кГц до 2,45 ГГц. Диапазону УВЧ (860—960) МГц соответствует стандарт ISO 18000-6А/В. С учётом технических проблем, проявлявшихся при считывании меток классов 0 и 1 первого поколения, в 2004 году специалисты Hardware Action Group в EPCglobal создали новый протокол обмена между считывателем и меткой УВЧ диапазона — Class 1 Generation 2. В 2006 году предложение EPC Gen2 с незначительными изменениями было принято ISO/IEC в качестве дополнения С к существующим вариантам А и В стандарта ISO 18000-6, и на данный момент стандарт ISO/IEC 18000-6C является наиболее распространённым стандартом технологии RFID в УВЧ диапазоне. Этот стандарт был утверждён вопреки претензиям компании Intermec о том, что его принятие может нарушить ряд их патентов, связанных с RFID. Было решено, что стандарт сам по себе не нарушает патентов, однако при определённых обстоятельствах у производителей может возникнуть необходимость платить пошлины Intermec.\nПо сообщению RFID Journal, мировой рынок чипов UHF Gen2 в 2010 году вырос более чем на 200 процентов в сравнении с предыдущим годом. В 2011 году предполагается продолжение роста объёма рынка, по оценкам на 65 процентов.\nРост продаж RFID-меток составил в 2010 году 125 %, и ожидается, что в 2011 году рынок вырастет ещё на 105 процентов.\n\n\n==== Особенности ====\n\n\n===== ID =====\nМетки Gen 2 выпускаются как с записанным производителем номером, так и без него. Записанный производителем товара номер можно заблокировать так же, как и изначально встроенный.\n\n\n===== Антиколлизионный механизм (меток) =====\nСовременные метки стандарта Gen 2 используют эффективный антиколлизионный механизм, основанный на развитой технологии «слотов» — многосессионном управлении состоянием меток во время «инвентаризации», — то есть, считывании меток в зоне регистрации. Данный механизм позволяет увеличить скорость считывания-инвентаризации меток до 1500 меток/сек (запись — до 16 меток/сек) при использовании промышленных портальных считывателей, например, компании Impinj. Считыватель и метки в начале запроса генерируют число q в диапазоне от 0 до 2 в степени n. Если число q считывателя и одной из меток совпало, то они производят обмен информацией. Если же количество отозвавшихся меток не равно единице, то считыватель производит новый запрос, при котором число q генерируется заново. В случае, если часто возникает ситуация, в которой не произошёл обмен информации с меткой (то есть если меток слишком много или слишком мало по сравнению с диапазоном, в котором лежит число q), считыватель корректирует степень двойки n, изменяя границы диапазона. Данный алгоритм работает гораздо быстрее алгоритма, используемого в Gen1, так как в первом случае считыватель побитно перебирает до 64 бит, а во втором работает теория вероятности и имеется механизм регулировки.\n\n\n===== Антиколлизионный механизм (считывателей) =====\nКроме того, Gen 2 метки позволяют эффективно использовать в перекрывающихся и близких зонах несколько считывателей одновременно (технология англ. Multiple Reader Mode) за счёт разнесения друг от друга частотных каналов считывателей.\n\n\n===== Цена =====\nМетки стандарта Gen2 в настоящее время уже существенно дешевле меток предыдущего поколения, что также делает их использование предпочтительным, а оборудование (считыватели) первого поколения в большинстве случаев требуют для работы с новыми стандартами лишь перепрограммирования встроенной программы (перепрошивки).\n\n\n===== Пароли =====\nКак и метки предыдущего стандарта, Gen2 обладают возможностью установки 32х-битного access-пароля. Кроме того, для каждой метки возможна установка килл-пароля (англ. 'kill' password), после введения которого метка навсегда прекратит обмен информацией со считывателями.\n\n\n=== ISO Стандарты ===\nПо состоянию на 2008 год в качестве международного стандарта в области RFID выступает различное множество стандартов описывающих различные области RFID:\n\nISO 11784 — «Радиочастотная идентификация животных — Структура кодов»\nISO 11785 — «Радиочастотная идентификация животных — Техническая концепция»\nISO 14223 — «Радиочастотная идентификация животных — Транспондеры с расширенными функциями»\nISO 10536 — «Идентификационные карты. Бесконтактные чиповые карты»\nISO 14443 — «Идентификационные карты. Бесконтактные чиповые карты. Карты с малым расстоянием считывания»\nISO 15693 — «Идентификационные карты. Бесконтактные чиповые карты. Карты средней дальности считывания»\nDIN/ISO 69873 — «Носители данных для инструмента и зажимных устройств»\nISO/IEC 10374 — «Идентификация контейнеров»\nVDI 4470 — «Системы охраны товаров»\nISO 15961 — «RFID для управления товарами: управляющий компьютер, функциональные команды меток и другие синтаксические возможности»\nISO 15962 — «RFID для управления товарами: синтаксис данных»\nISO 15963 — «Уникальная идентификация радиочастотных меток и регистрация владельца для управления уникальностью»\nISO 18000 — «RFID для управления товарами: беспроводной интерфейс»\nISO 18001 — «Информационные технологии — RFID для управления товарами — Рекомендуемые профили приложений»\n\n\n== См. также ==\nRFID-вирус\nQR код\nSemacode\nPDF417\nAztec Code\nMicrosoft Tag\nКасса самообслуживания\nСмарт-магазин\nДальняя идентификация\nNear Field Communication\n\n\n== Примечания ==\n\n\n== Литература ==\nМаксим Власов. RFID: 1 технология – 1000 решений: Практические примеры использования RFID в различных областях. — М.: Альпина Паблишер, 2014. — 218 с. — ISBN 978-5-9614-4879-5.\nСандип Лахири. RFID. Руководство по внедрению = The RFID Sourcebook / Дудников С.. — М.: Кудиц-Пресс, 2007. — 312 с. — ISBN 5-91136-025-X.\nМаниш Бхуптани, Шахрам Морадпур. RFID-технологии на службе вашего бизнеса = RFID Field Guide: Deploying Radio Frequency Identification Systems / Троицкий Н.. — М.: «Альпина Паблишер», 2007. — 290 с. — ISBN 5-9614-0421-8.\nТ. Шарфельд (с Приложениями И. Девиля, Ж. Дамура, Н. Чаркани, С. Корнеева и А. Гуларии). Системы RFID низкой стоимости / С. Корнеев. — М., 2006.\nКлаус Финкенцеллер. Справочник по RFID. — М.: Издательский дом «Додэка-XXI», 2008. — 496 с. — ISBN 978-5-94120-151-8.\n\n\n== Ссылки ==\n\nrfid-news.ru (рус.). — Информационный портал по российскому RFID-рынку. Дата обращения: 14 октября 2008. Архивировано из оригинала 12 июня 2011 года.\nБёрд Киви. 100% уязвимости при 99% безопасности . computerra.ru (19 сентября 2008). Дата обращения: 18 августа 2011. Архивировано 11 февраля 2017 года.\nRFID Journal (англ.). — Портал журнала, посвящённого RFID-технологиям. Дата обращения: 14 октября 2008. Архивировано 29 января 2011 года.\nRFIDSolutionsOnLine.com (англ.). — Кейсы, истории успеха. Собрание различных материалов по RFID со всего мира. Дата обращения: 14 октября 2008. Архивировано 29 января 2011 года.\nrfid-handbook.de (нем.). — RFID Handbook. Дата обращения: 14 октября 2008. Архивировано из оригинала 13 июня 2006 года."},{"pageid":4244513,"ns":0,"title":"Интернет вещей"},{"pageid":6690013,"ns":0,"title":"Умный дом"}]}}
</syntaxhighlight>

== Выводы ==
API Sandbox MediaWiki позволяет удобно получать структурированное содержимое страниц в формате JSON. Полученные данные могут быть использованы для дальнейшего анализа корпуса текстов, извлечения метаданных и автоматизированной обработки вики-контента.

[[Категория:CompLing Works]]

Описательная статистика R Карпов

2026-06-14T17:40:45Z

Infectedsword64: Новая страница: «== Использование R в описательной статистике == Проанализируем очищенный от служебного текста текст статьи из Википедии, посвящённой интернету вещей. https://ru.wikipedia.org/wiki/Интернет_вещей === Код программы === <syntaxhighlight lang="R" line> # Подключаем библиотеки library(tidyverse)...»

R-script Карпов

2026-06-14T15:55:54Z

Infectedsword64: /* Код программы в RStudio */

== Описание датасета ==

Для анализа был взят датасет '''Elections''', который содержит информацию о выборах в США в 2016 году.

Ссылка на датасет на Corgis: [https://corgis-edu.github.io/corgis/datasets/csv/astronauts/astronauts.csv Corgis Dataset].

== Код R-скрипта ==
<syntaxhighlight lang="R" line>
# Устанавливаем tidyverse, если его нет
if (!require(tidyverse)) {
install.packages("tidyverse")
library(tidyverse)
}

# Создаем подключение к файлу для записи
con <- file("election_analysis_results.txt", open = "w")

# Читаем данные
data <- read_csv("https://corgis-edu.github.io/corgis/datasets/csv/election/election.csv")

# Записываем заголовок в файл
writeLines("Анализ данных о выборах", con)
writeLines("-------------------------", con)

# Базовый обзор данных
writeLines("\nОбзор данных:", con)
cat("Всего записей в датасете:", nrow(data), file = con, append = TRUE)

# Правильный анализ кандидатов
unique_candidates <- data %>%
select(contains("Vote Data")) %>%
names() %>%
str_extract("([A-Za-z\\s]+)(?=\\.Number of Votes)") %>% # Извлекаем имена до .Number of Votes
unique() %>%
na.omit() # Удаляем пропущенные значения

# Количество уникальных кандидатов
cat("\nУникальных кандидатов:", length(unique_candidates), file = con, append = TRUE)

# Анализ партий
party_counts <- data %>%
select(contains("Party")) %>%
pivot_longer(everything(), names_to = "candidate", values_to = "party") %>%
filter(!is.na(party)) %>%
count(party, sort = TRUE)

writeLines("\nРаспределение по партиям:", con)
write.table(party_counts, file = con, append = TRUE, row.names = FALSE, quote = FALSE)

# Анализ голосов
votes <- data %>%
select(contains("Number of Votes")) %>%
pivot_longer(everything(), names_to = "candidate", values_to = "votes") %>%
filter(!is.na(votes))

# Топ-10 кандидатов по голосам
top_voters <- votes %>%
group_by(candidate) %>%
summarise(total_votes = sum(as.numeric(votes))) %>%
arrange(desc(total_votes)) %>%
head(10)

writeLines("\nТоп-10 кандидатов по количеству голосов:", con)
write.table(top_voters, file = con, append = TRUE, row.names = FALSE, quote = FALSE)

# Анализ результатов по штатам
state_results <- data %>%
group_by(Location.State) %>%
summarise(total_votes = sum(across(ends_with("Number of Votes"), ~as.numeric(.x)), na.rm = TRUE)) %>%
arrange(desc(total_votes)) %>%
head(10)

writeLines("\nТоп-10 штатов по количеству голосов:", con)
write.table(state_results, file = con, append = TRUE, row.names = FALSE, quote = FALSE)

# Закрываем файл
close(con)

cat("\nАнализ успешно сохранен в файл election_analysis_results.txt")

</syntaxhighlight>

=== Вывод программы в RStudio ===
Анализ данных о выборах
-------------------------

Обзор данных:
Всего записей в датасете: 4216
Уникальных кандидатов: 16
Распределение по партиям:
# Republican 46376
# Democrat 12648
# N/A 8432

Топ-10 кандидатов по количеству голосов:
candidate total_votes
# Vote Data.Hillary Clinton.Number of Votes 15692452
# Vote Data.Donald Trump.Number of Votes 13302541
# Vote Data.Bernie Sanders.Number of Votes 11959102
# Vote Data.Ted Cruz.Number of Votes 7603006
# Vote Data.John Kasich.Number of Votes 4159949
# Vote Data.Marco Rubio.Number of Votes 3321076
# Vote Data.Ben Carson.Number of Votes 564553
# Vote Data.Jeb Bush.Number of Votes 94411
# Vote Data.Chris Christie.Number of Votes 24353
# Vote Data.Carly Fiorina.Number of Votes 15191

Топ-10 штатов по количеству голосов:

# California 4938197
# Texas 4147889
# Florida 3940929
# Illinois 3372537
# Ohio 3204172
# Pennsylvania 3176340
# New York 2686539
# Michigan 2431111
# North Carolina 2185747
# Wisconsin 2073402

== Результаты анализа ==
В выборах участвовало 16 уникальных кандидатов

Преобладание республиканской партии (46376 голосов против 12648 у демократов)

Значительное количество голосов без указания партии (8432)

Лидеры голосования:

# Хиллари Клинтон получила наибольшее количество голосов (15,69 млн)
# Дональд Трамп занял второе место (13,3 млн)
# Берни Сандерс на третьем месте (11,96 млн)
# Республиканская партия:
# Тед Круз показал четвертый результат (7,6 млн)
# Джон Кейсик (4,16 млн)
# Марко Рубио (3,32 млн)
#
Остальные кандидаты значительно отстают

Слабые результаты:

# Карли Фиорина получила минимальное количество голосов среди представленных кандидатов (15,191)
# Джеб Буш (94,411)
# Крис Кристи (24,353)
Географическое распределение

Ключевые штаты:

# Калифорния лидирует по количеству голосов (4,94 млн)
# Техас на втором месте (4,15 млн)
# Флорида замыкает тройку лидеров (3,94 млн)

Важные регионы:

# Средний Запад показывает высокие результаты (Иллинойс, Огайо, Мичиган)
# Северо-Восток представлен Нью-Йорком (2,69 млн)
# Юг представлен Техасом и другими крупными штатами

Выводы
Выборы характеризовались явным разделением между двумя основными партиями

Наибольшую поддержку получили кандидаты от обеих основных партий (Клинтон и Трамп)

Географическое распределение голосов показывает равномерное участие по всей стране

Внутри республиканской партии наблюдалась значительная конкуренция между несколькими кандидатами

Некоторые кандидаты получили крайне низкие результаты, что может указывать на недостаточную поддержку или организационные проблемы

Интересно, что Дональд Трамп победил на президентских выборах США в 2016 году, несмотря на то что Хиллари Клинтон получила больше голосов избирателей, благодаря особенностям двухступенчатой системы выборов в США.

В США президент избирается не напрямую гражданами, а через коллегию выборщиков. Каждый штат имеет определённое количество выборщиков, которое равно сумме его представителей в Конгрессе (сенаторов и членов Палаты представителей). Число выборщиков зависит от численности населения штата и пересматривается после каждой переписи населения.

При голосовании по штатам действует принцип «победитель получает всё»: кандидат, набравший простое большинство голосов в штате, получает все голоса выборщиков от этого штата. Исключение составляют лишь Небраска и Мэн, где голоса распределяются пропорционально.

Для победы кандидату необходимо набрать минимум 270 голосов выборщиков из 538 возможных.

Результаты выборов 2016 года
По итогам голосования 8 ноября 2016 года:

Дональд Трамп получил 289 голосов выборщиков (позже, после голосования коллегии выборщиков 19 декабря 2016 года, их число уточнилось до 304).
Хиллари Клинтон получила 218 голосов выборщиков (позже — 227).
При этом Клинтон опередила Трампа по количеству голосов избирателей: за неё проголосовали примерно на 228 тысяч человек больше.

Почему Трамп победил
Ключевую роль сыграли «колеблющиеся штаты» — регионы, где результаты голосования традиционно непредсказуемы. В 2016 году Трамп сумел одержать победу в шести штатах, которые ранее часто поддерживали демократов: Флориде, Айове, Огайо, Мичигане, Пенсильвании и Висконсине. В некоторых из них республиканец не побеждал несколько десятилетий.

Особенно важно, что Трамп выиграл в штатах «ржавого пояса» — индустриальных регионах, где ощущалась экономическая стагнация. Его кампания сделала ставку на разочарование рабочего класса, что привлекло поддержку в сельских округах этих штатов.

Исторический контекст
Это не первый случай в истории США, когда президент избирался, набрав меньше голосов избирателей, чем его соперник. Подобное происходило ранее в 1824, 1876, 1888 и 2000 годах. Например, в 2000 году Джордж Буш-младший стал президентом, получив меньше голосов избирателей, чем Альберт Гор.

Таким образом, система коллегии выборщиков позволяет кандидату победить, даже если он набрал меньше общего числа голосов избирателей, если он сумел завоевать поддержку в ключевых штатах с большим количеством выборщиков.

[[Категория:CompLing Works]]

R-script Карпов

2026-06-14T15:55:00Z

Infectedsword64: Новая страница: «== Описание датасета == Для анализа был взят датасет '''Elections''', который содержит информацию о выборах в США в 2016 году. Ссылка на датасет на Corgis: [https://corgis-edu.github.io/corgis/datasets/csv/astronauts/astronauts.csv Corgis Dataset]. == Код R-скрипта == <syntaxhighlight lang="R" line> # Устанавливаем tidyverse, если...»

== Описание датасета ==

Для анализа был взят датасет '''Elections''', который содержит информацию о выборах в США в 2016 году.

Ссылка на датасет на Corgis: [https://corgis-edu.github.io/corgis/datasets/csv/astronauts/astronauts.csv Corgis Dataset].

== Код R-скрипта ==
<syntaxhighlight lang="R" line>
# Устанавливаем tidyverse, если его нет
if (!require(tidyverse)) {
install.packages("tidyverse")
library(tidyverse)
}

# Создаем подключение к файлу для записи
con <- file("election_analysis_results.txt", open = "w")

# Читаем данные
data <- read_csv("https://corgis-edu.github.io/corgis/datasets/csv/election/election.csv")

# Записываем заголовок в файл
writeLines("Анализ данных о выборах", con)
writeLines("-------------------------", con)

# Базовый обзор данных
writeLines("\nОбзор данных:", con)
cat("Всего записей в датасете:", nrow(data), file = con, append = TRUE)

# Правильный анализ кандидатов
unique_candidates <- data %>%
select(contains("Vote Data")) %>%
names() %>%
str_extract("([A-Za-z\\s]+)(?=\\.Number of Votes)") %>% # Извлекаем имена до .Number of Votes
unique() %>%
na.omit() # Удаляем пропущенные значения

# Количество уникальных кандидатов
cat("\nУникальных кандидатов:", length(unique_candidates), file = con, append = TRUE)

# Анализ партий
party_counts <- data %>%
select(contains("Party")) %>%
pivot_longer(everything(), names_to = "candidate", values_to = "party") %>%
filter(!is.na(party)) %>%
count(party, sort = TRUE)

writeLines("\nРаспределение по партиям:", con)
write.table(party_counts, file = con, append = TRUE, row.names = FALSE, quote = FALSE)

# Анализ голосов
votes <- data %>%
select(contains("Number of Votes")) %>%
pivot_longer(everything(), names_to = "candidate", values_to = "votes") %>%
filter(!is.na(votes))

# Топ-10 кандидатов по голосам
top_voters <- votes %>%
group_by(candidate) %>%
summarise(total_votes = sum(as.numeric(votes))) %>%
arrange(desc(total_votes)) %>%
head(10)

writeLines("\nТоп-10 кандидатов по количеству голосов:", con)
write.table(top_voters, file = con, append = TRUE, row.names = FALSE, quote = FALSE)

# Анализ результатов по штатам
state_results <- data %>%
group_by(Location.State) %>%
summarise(total_votes = sum(across(ends_with("Number of Votes"), ~as.numeric(.x)), na.rm = TRUE)) %>%
arrange(desc(total_votes)) %>%
head(10)

writeLines("\nТоп-10 штатов по количеству голосов:", con)
write.table(state_results, file = con, append = TRUE, row.names = FALSE, quote = FALSE)

# Закрываем файл
close(con)

cat("\nАнализ успешно сохранен в файл election_analysis_results.txt")

</syntaxhighlight>

=== Код программы в RStudio ===

=== Вывод программы в RStudio ===
Анализ данных о выборах
-------------------------

Обзор данных:
Всего записей в датасете: 4216
Уникальных кандидатов: 16
Распределение по партиям:
# Republican 46376
# Democrat 12648
# N/A 8432

Топ-10 кандидатов по количеству голосов:
candidate total_votes
# Vote Data.Hillary Clinton.Number of Votes 15692452
# Vote Data.Donald Trump.Number of Votes 13302541
# Vote Data.Bernie Sanders.Number of Votes 11959102
# Vote Data.Ted Cruz.Number of Votes 7603006
# Vote Data.John Kasich.Number of Votes 4159949
# Vote Data.Marco Rubio.Number of Votes 3321076
# Vote Data.Ben Carson.Number of Votes 564553
# Vote Data.Jeb Bush.Number of Votes 94411
# Vote Data.Chris Christie.Number of Votes 24353
# Vote Data.Carly Fiorina.Number of Votes 15191

Топ-10 штатов по количеству голосов:

# California 4938197
# Texas 4147889
# Florida 3940929
# Illinois 3372537
# Ohio 3204172
# Pennsylvania 3176340
# New York 2686539
# Michigan 2431111
# North Carolina 2185747
# Wisconsin 2073402

== Результаты анализа ==
В выборах участвовало 16 уникальных кандидатов

Преобладание республиканской партии (46376 голосов против 12648 у демократов)

Значительное количество голосов без указания партии (8432)

Лидеры голосования:

# Хиллари Клинтон получила наибольшее количество голосов (15,69 млн)
# Дональд Трамп занял второе место (13,3 млн)
# Берни Сандерс на третьем месте (11,96 млн)
# Республиканская партия:
# Тед Круз показал четвертый результат (7,6 млн)
# Джон Кейсик (4,16 млн)
# Марко Рубио (3,32 млн)
#
Остальные кандидаты значительно отстают

Слабые результаты:

# Карли Фиорина получила минимальное количество голосов среди представленных кандидатов (15,191)
# Джеб Буш (94,411)
# Крис Кристи (24,353)
Географическое распределение

Ключевые штаты:

# Калифорния лидирует по количеству голосов (4,94 млн)
# Техас на втором месте (4,15 млн)
# Флорида замыкает тройку лидеров (3,94 млн)

Важные регионы:

# Средний Запад показывает высокие результаты (Иллинойс, Огайо, Мичиган)
# Северо-Восток представлен Нью-Йорком (2,69 млн)
# Юг представлен Техасом и другими крупными штатами

Выводы
Выборы характеризовались явным разделением между двумя основными партиями

Наибольшую поддержку получили кандидаты от обеих основных партий (Клинтон и Трамп)

Географическое распределение голосов показывает равномерное участие по всей стране

Внутри республиканской партии наблюдалась значительная конкуренция между несколькими кандидатами

Некоторые кандидаты получили крайне низкие результаты, что может указывать на недостаточную поддержку или организационные проблемы

Интересно, что Дональд Трамп победил на президентских выборах США в 2016 году, несмотря на то что Хиллари Клинтон получила больше голосов избирателей, благодаря особенностям двухступенчатой системы выборов в США.

В США президент избирается не напрямую гражданами, а через коллегию выборщиков. Каждый штат имеет определённое количество выборщиков, которое равно сумме его представителей в Конгрессе (сенаторов и членов Палаты представителей). Число выборщиков зависит от численности населения штата и пересматривается после каждой переписи населения.

При голосовании по штатам действует принцип «победитель получает всё»: кандидат, набравший простое большинство голосов в штате, получает все голоса выборщиков от этого штата. Исключение составляют лишь Небраска и Мэн, где голоса распределяются пропорционально.

Для победы кандидату необходимо набрать минимум 270 голосов выборщиков из 538 возможных.

Результаты выборов 2016 года
По итогам голосования 8 ноября 2016 года:

Дональд Трамп получил 289 голосов выборщиков (позже, после голосования коллегии выборщиков 19 декабря 2016 года, их число уточнилось до 304).
Хиллари Клинтон получила 218 голосов выборщиков (позже — 227).
При этом Клинтон опередила Трампа по количеству голосов избирателей: за неё проголосовали примерно на 228 тысяч человек больше.

Почему Трамп победил
Ключевую роль сыграли «колеблющиеся штаты» — регионы, где результаты голосования традиционно непредсказуемы. В 2016 году Трамп сумел одержать победу в шести штатах, которые ранее часто поддерживали демократов: Флориде, Айове, Огайо, Мичигане, Пенсильвании и Висконсине. В некоторых из них республиканец не побеждал несколько десятилетий.

Особенно важно, что Трамп выиграл в штатах «ржавого пояса» — индустриальных регионах, где ощущалась экономическая стагнация. Его кампания сделала ставку на разочарование рабочего класса, что привлекло поддержку в сельских округах этих штатов.

Исторический контекст
Это не первый случай в истории США, когда президент избирался, набрав меньше голосов избирателей, чем его соперник. Подобное происходило ранее в 1824, 1876, 1888 и 2000 годах. Например, в 2000 году Джордж Буш-младший стал президентом, получив меньше голосов избирателей, чем Альберт Гор.

Таким образом, система коллегии выборщиков позволяет кандидату победить, даже если он набрал меньше общего числа голосов избирателей, если он сумел завоевать поддержку в ключевых штатах с большим количеством выборщиков.

[[Категория:CompLing Works]]

Voyant Tools Карпов Семён

2026-06-14T13:36:06Z

Infectedsword64: Новая страница: «== Источник исследования == Источником исследования является статья с Википедии, посвящённая интернету вещей. Ссылка на статью - https://ru.wikipedia.org/wiki/Интернет_вещей. == Инструменты для анализа и обработки текста == Инструментами работы стали Voyant Tools и средств...»

Obsidian

2025-12-19T11:00:11Z

Infectedsword64: Новая страница: «== Obsidian == '''Obsidian''' — проприетарное приложение для работы с персональными базами знаний (Personal Knowledge Management, PKM) и ведения заметок, построенное на принципах локальности, связности и использования простых текстовых файлов в формате Markdown. ==Обзор== В отличие о...»

== Obsidian ==

'''Obsidian''' — проприетарное приложение для работы с персональными базами знаний (Personal Knowledge Management, PKM) и ведения заметок, построенное на принципах локальности, связности и использования простых текстовых файлов в формате Markdown.

==Обзор==
В отличие от многих облачных сервисов для заметок, '''Obsidian''' хранит данные пользователя локально в виде обычных файлов .md (Markdown) в папке на устройстве, называемой хранилищем (vault). Это обеспечивает полный контроль над данными и позволяет использовать сторонние инструменты (например, git) для синхронизации и резервного копирования. Основная философия приложения сосредоточена на создании и визуализации связей между заметками, что способствует нелинейному мышлению и помогает выстраивать сложные сети знаний.

==История==
'''Obsidian''' был впервые анонсирован в публичную бета-версию в начале 2020 года разработчиками Шью Дэем (Shida Li) и Эрикой Сюй (Erica Xu). Приложение быстро набрало популярность в сообществах, посвящённых эффективному обучению, написанию текстов и управлению знаниями (например, среди сторонников методики Zettelkasten). Официальный релиз состоялся в октябре 2020 года. С тех пор проект активно развивается, регулярно выпуская обновления с новыми функциями и улучшениями.

==Ключевые особенности==
'''Связывание заметок (Linking):''' Базовая концепция '''Obsidian''' — создание двусторонних ссылок между заметками с помощью двойных квадратных скобок [[ ]]. Это позволяет легко переходить между связанными идеями.

'''Граф связей (Graph View):''' Визуальное представление всех заметок в хранилище и связей между ними в виде интерактивного графа. Помогает увидеть общую структуру знаний и обнаружить неожиданные связи.

'''Режим канбан (Canvas):''' Бесконечная цифровая доска, на которую можно помещать заметки, картинки, PDF-файлы и создавать связи между ними в свободной форме.

'''Система плагинов (Community Plugins):''' Obsidian обладает мощной экосистемой сторонних плагинов, которые значительно расширяют базовый функционал (календари, диаграммы, таблицы баз данных, управление задачами и т.д.).

Режим чтения и редактирования: Чистый, отвлекающий интерфейс для фокусировки на написании текста с предпросмотром в реальном времени.

'''Поддержка тем оформления (Themes):''' Внешний вид интерфейса полностью настраивается с помощью пользовательских CSS-тем.

'''Запросы (Queries):''' Встроенный язык запросов позволяет динамически находить и отображать заметки на основе тегов, связей или содержимого.

==Архитектура и форматы==
'''Obsidian''' не использует собственную базу данных или закрытый формат. Все заметки — это текстовые файлы в формате Markdown, что делает их читаемыми в любом другом текстовом редакторе. Связи, метаданные и настройки плагинов хранятся либо в виде специального синтаксиса внутри файлов (frontmatter в YAML), либо в конфигурационных файлах в папке хранилища. Такая архитектура гарантирует долгосрочную сохранность и переносимость данных.

==Бизнес-модель==
Основное приложение '''бесплатно для личного использования.''' Команда разработчиков предлагает '''платные коммерческие лицензии''' для компаний. Также существуют платные службы синхронизации и публикации (Sync и Publish), разрабатываемые и поддерживаемые создателями Obsidian. Они являются опциональными, так как пользователи могут организовать синхронизацию самостоятельно (через Dropbox, iCloud, Git и т.д.).

==Платформы==
Obsidian является кроссплатформенным приложением и доступно для:
*Windows
*macOS
*Linux
*Android
*iOS

==Значение и влияние==
Obsidian стал одним из флагманских инструментов в движении «локальных-first» (приложения, в приоритете хранящие данные на устройстве пользователя). Он популяризировал идеи сетевого мышления и Zettelkasten среди широкой аудитории, выйдя за рамки академической среды. Благодаря активному сообществу и экосистеме плагинов, Obsidian превратился из простого редактора Markdown в мощную универсальную платформу для управления знаниями и личной информацией.

Обсуждение участника:Infectedsword64

2025-12-16T08:07:10Z

Infectedsword64: /* Датасет в Obsidian. Визуализация. */

== STEAM education ==

* https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1AGsKHZ5ddy2fkbmBmH075Ynw92QFlfYe

{{#widget:iframe
|url=https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1AGsKHZ5ddy2fkbmBmH075Ynw92QFlfYe
|width=1000
|height=1000
}}

== Количество публикаций о безопасности в контексте ОС Linux по странам ==

https://openalex.org/works?page=1&filter=title_and_abstract.search:Linux+AND+security

== Распределение миллиардеров по возрастам ==

Ссылка на датасет из CORGIS https://corgis-edu.github.io/corgis/visualizer/billionaires/
[[Файл:Screenshot 1.png|мини]]

На приведённом скриншоте видно, что основная часть миллиардеров, это люди в районе 60 лет. К этому времени действительно можно скопить состояние на какой-либо предпринимательской деятельности и заработать влияние в определённых кругах. также, мы видим ещё не рождённых миллиардеров, которым -40 или 0 лет, однако это скорее всего просто ошибки. Совсем мало миллиардеров младше 40 лет. Вероятно, это связано с тем, что к этому возрасту человек ещё не имеет достаточного веса в обществе. если не имеет изначально хороших стартовых позиций в виде состояния родителей. Миллиардеры младше 20 лет уже совсем являются исключением из правил. В таком возрасте получить такое состояние можно только получив его в наследство, что случается нечасто.

== Датасет в Obsidian. Визуализация. ==

Визуализация данных для датасета, самостоятельно собранного в течение нескольких лет. Из всего пула данных выбраны те, которые тем или иным образом относятся к Индустрии 4.0. Отбор проводился по упоминанию данных, интернета вещей, искусственного интеллекта и смежных с ним технологий, кибербезопасности и т.д.
[[Файл:Фрагмент базы знаний.png|мини|Фрагмент базы знаний]]
Фрагмент базы знаний иллюстрирует часть базы знаний, собранных в течение некоторого времени на личном ПК.
[[Файл:Фрагмент базы данных датасет Индустрия 4.0.png|мини]]
Фрагмент базы данных иллюстрирует часть базы данных, выделенной из общего пула заметок. Отбор проводился по тегам, которые назначены каждой заметке.
[[Файл:Граф Индустрия 4.0.png|мини]]
Кроме перечисленных тегов, на графе, составленном на основе всего пула заметок с выделением подходящих под теги, также отображены заметки, в которых упоминаются данные в любом контексте. Эти заметки выступают связующим звеном между остальными кластерами.

Обсуждение участника:Infectedsword64

2025-12-16T08:06:08Z

Infectedsword64: /* Датасет в Obsidian. Визуализация. */ новая тема

== STEAM education ==

* https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1AGsKHZ5ddy2fkbmBmH075Ynw92QFlfYe

{{#widget:iframe
|url=https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1AGsKHZ5ddy2fkbmBmH075Ynw92QFlfYe
|width=1000
|height=1000
}}

== Количество публикаций о безопасности в контексте ОС Linux по странам ==

https://openalex.org/works?page=1&filter=title_and_abstract.search:Linux+AND+security

== Распределение миллиардеров по возрастам ==

Ссылка на датасет из CORGIS https://corgis-edu.github.io/corgis/visualizer/billionaires/
[[Файл:Screenshot 1.png|мини]]

На приведённом скриншоте видно, что основная часть миллиардеров, это люди в районе 60 лет. К этому времени действительно можно скопить состояние на какой-либо предпринимательской деятельности и заработать влияние в определённых кругах. также, мы видим ещё не рождённых миллиардеров, которым -40 или 0 лет, однако это скорее всего просто ошибки. Совсем мало миллиардеров младше 40 лет. Вероятно, это связано с тем, что к этому возрасту человек ещё не имеет достаточного веса в обществе. если не имеет изначально хороших стартовых позиций в виде состояния родителей. Миллиардеры младше 20 лет уже совсем являются исключением из правил. В таком возрасте получить такое состояние можно только получив его в наследство, что случается нечасто.

== Датасет в Obsidian. Визуализация. ==

Визуализация данных для датасета, самостоятельно собранного в течение нескольких лет. Из всего пула данных выбраны те, которые тем или иным образом относятся к Индустрии 4.0. Отбор проводился по упоминанию данных, интернета вещей, искусственного интеллекта и смежных с ним технологий, кибербезопасности и т.д.
[[Файл:Фрагмент базы знаний.png|мини|Фрагмент базы знаний]]
Этот фрагмент иллюстрирует часть базы знаний, собранных в течение некоторого времени на личном ПК.
[[Файл:Фрагмент базы данных датасет Индустрия 4.0.png|мини]]
Фрагмент иллюстрирует часть базы данных, выделенной из общего пула заметок. Отбор проводился по тегам, которые назначены каждой заметке.
[[Файл:Граф Индустрия 4.0.png|мини]]
Кроме перечисленных тегов, на графе также отображены заметки, в которых упоминаются данные в любом контексте. Эти заметки выступают связующим звеном между остальными кластерами.

Файл:Граф Индустрия 4.0.png

2025-12-16T08:05:10Z

Infectedsword64:

Граф, описывающий связи между различными категориями заметок, относящихся к индустрии 4.0

Файл:Фрагмент базы данных датасет Индустрия 4.0.png

2025-12-16T08:03:37Z

Infectedsword64:

База данных, собранная из всего пула заметок в программе Obsidian

Файл:Фрагмент базы знаний.png

2025-12-16T08:02:04Z

Infectedsword64:

Фрагмент базы знаний, откуда взяты данные об Индустрии 4.0

Обсуждение участника:Infectedsword64

2025-12-15T14:19:37Z

Infectedsword64: /* Распределение миллиардеров по возрастам */

Обсуждение участника:Infectedsword64

2025-12-15T14:12:42Z

Infectedsword64: /* Распределение миллиардеров по возрастам */ новая тема

Файл:Screenshot 1.png

2025-12-15T14:12:01Z

Infectedsword64:

Датасет с миллиардерами

Обсуждение участника:Infectedsword64

2025-10-03T22:53:02Z

Infectedsword64: /* Количество публикаций о безопасности в контексте ОС Linux по странам */ новая тема

Файл:My Dataset.png

2025-10-03T22:50:30Z

Infectedsword64:

Граф, представляющий количество публикаций на тему безопасности в ОС Linux по странам (США и Китай лидируют)

Тут ИНФА предложения вносит

2025-09-12T12:25:51Z

Infectedsword64: Новая страница: «ПРЕДЛОЖЕНИЯ:»

ПРЕДЛОЖЕНИЯ:

Категория:ИНФА-221

2025-09-12T12:25:02Z

Infectedsword64:

[[Тут ИНФА предложения вносит]]

Это категория для группы ИНФА-221:

# [[Semantic MediaWiki]]
# [[CORGIS]]
# [[RAWGraphs]]
# [[МЭШ]]
# [[Graphviz]]
# [[OpenAlex]]
# [[VOSviewer]]
# [[MediaWiki]]

{{#ask: [[Категория:ИНФА-221]] [[Field_of_knowledge::+]] | ?Field_of_knowledge | ?Working_On }}

Категория:ИНФА-221

2025-09-12T12:24:39Z

Infectedsword64:

Это категория для группы ИНФА-221:

# [[Тут ИНФА предложения вносит]]

# [[Semantic MediaWiki]]
# [[CORGIS]]
# [[RAWGraphs]]
# [[МЭШ]]
# [[Graphviz]]
# [[OpenAlex]]
# [[VOSviewer]]
# [[MediaWiki]]

{{#ask: [[Категория:ИНФА-221]] [[Field_of_knowledge::+]] | ?Field_of_knowledge | ?Working_On }}

Обсуждение участника:Ключникова Дарья

2025-09-12T12:02:49Z

Infectedsword64: /* Вау, тут можно создавать темы разговоров? */ новая тема

== Возможности Mermaid ==

Test [[Mermaid|mermaid]] - --[[Участник:Patarakin|Patarakin]] ([[Обсуждение участника:Patarakin|обсуждение]]) 15:00, 12 сентября 2025 (MSK)

{{#mermaid:sequenceDiagram
actor Ученик
Ученик ->>Платформа Roblox: Какой предмет?
Платформа Roblox->>Ученик: Информатика
actor Учитель
Учитель ->> Платформа Roblox: Открыть 1 параграф

}}

== Вау, тут можно создавать темы разговоров? ==

Погодите, это реально?!

Но как обсуждать?

Участник:Infectedsword64

2025-09-12T11:44:43Z

Infectedsword64:

{{UserMGPU
|Field_of_knowledge=Информатика, Робототехника, Искусственный интеллект, Интернет вещей, Game design, Игра, Мехатроника, Схемотехника, Инженерия
|Ancestors=Абушкин Д.Б
|similar_concepts=Программирование, ИИ, Интернет-вещей
|Environment=VSCode, PyCharm
|Position=Бакалавриат
|Profile=Информатика, Английский язык
|PedDirection=Да
|Community=GitHub
|Виды_спорта=Шахматы
|Working_On=Телеграм-боты, Домашняя автоматизация, Интернет-вещей
}}
[[Категория:UserMGPU]]
[[Категория:ИНФА-221]]

Участник:Infectedsword64

2025-09-12T11:42:12Z

Infectedsword64: Новая страница: «Категория:UserMGPU Категория:ИНФА-221»

[[Категория:UserMGPU]]
[[Категория:ИНФА-221]]