<?xml version="1.0" encoding="UTF-8"?>
<article xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:noNamespaceSchemaLocation="JATS-archive-oasis-article1-4.xsd" article-type="research-article" dtd-version="1.4" xml:lang="ru">
  <front>
    <journal-meta>
      <journal-title-group>
        <journal-title>Журнал Современные наукоемкие технологии</journal-title>
      </journal-title-group>
      <issn>1812-7320</issn>
      <publisher>
        <publisher-name>Общество с ограниченной ответственностью &amp;quot;Издательский Дом &amp;quot;Академия Естествознания&amp;quot;</publisher-name>
      </publisher>
    </journal-meta>
    <article-meta>
      <article-id pub-id-type="publisher-id">ART-37202</article-id>
      <title-group>
        <article-title>МАТЕМАТИЧЕСКИЕ МОДЕЛИ ВОСПИТАНИЯ РОБОТОВ С ПОМОЩЬЮ СРЕДСТВ МАССОВОЙ ИНФОРМАЦИИ</article-title>
      </title-group>
      <contrib-group>
        <contrib contrib-type="author">
          <name-alternatives>
            <name xml:lang="ru">
              <surname>Пенский</surname>
              <given-names>О.Г.</given-names>
            </name>
          </name-alternatives>
          <name-alternatives>
            <name xml:lang="en">
              <surname>Penskiy</surname>
              <given-names>O.G.</given-names>
            </name>
          </name-alternatives>
          <email>ogpensky@mail.ru</email>
          <xref ref-type="aff" rid="aff1"/>
          <xref ref-type="aff" rid="aff2"/>
        </contrib>
        <contrib contrib-type="author">
          <name-alternatives>
            <name xml:lang="ru">
              <surname>Ощепкова</surname>
              <given-names>Н.В.</given-names>
            </name>
          </name-alternatives>
          <name-alternatives>
            <name xml:lang="en">
              <surname>Oschepkova</surname>
              <given-names>N.V.</given-names>
            </name>
          </name-alternatives>
          <email>nvopsu@mail.ru</email>
          <xref ref-type="aff" rid="aff1"/>
        </contrib>
      </contrib-group>
      <aff id="aff1">
        <institution xml:lang="ru">ФГБОУ ВО «Пермский государственный национальный исследовательский университет»</institution>
        <institution xml:lang="en">Perm State University</institution>
      </aff>
      <aff id="aff2">
        <institution xml:lang="ru">ФГБОУ ВО «Пермский государственный аграрно-технологический университет имени академика Д.Н. Прянишникова»</institution>
        <institution xml:lang="en">Perm State Agrarian-Technological University named after Academician D.N. Pryanishnikov</institution>
      </aff>
      <pub-date date-type="pub" iso-8601-date="2018-10-09">
        <day>09</day>
        <month>10</month>
        <year>2018</year>
      </pub-date>
      <issue>10</issue>
      <fpage>98</fpage>
      <lpage>102</lpage>
      <permissions>
        <license xlink:href="https://creativecommons.org/licenses/by/4.0/">
          <license-p>This is an open-access article distributed under the terms of the CC BY 4.0 license.</license-p>
        </license>
      </permissions>
      <self-uri content-type="url" hreflang="ru">https://top-technologies.ru/article/view?id=37202</self-uri>
      <abstract xml:lang="ru" lang-variant="original" lang-source="author">
        <p>На основе существующей теории роботов с неабсолютной памятью впервые поставлена математическая задача получения наибольшего воспитания роботов – психологических аналогов человека с помощью средств массовой информации. Доказано, что для получения наибольшего воспитания у роботов необходимо в каждом воспитательном цикле, состоящем из непрерывных трансляций передач медиапроектов и пропусков передач в трансляциях, делать не более одного пропуска. Решена задача нахождения количества полных воспитательных циклов, количества непрерывных воспитательных тактов и количество фиктивных тактов в каждом полном воспитательном цикле, обеспечивающих наибольшее воспитание робота при завершении воспитания. На основе методов математического анализа показано, что для получения наибольшего воспитания робота с помощью средств массовой информации достаточно в полных воспитательных циклах после непрерывных трансляций передач медиапроекта делать не более одного пропуска передач в эфире. Доказано, что большему значению коэффициента памяти равномерно забывчивого робота с равноценными эмоциями соответствует большее воспитание, полученное в результате воздействия на робота равными полными воспитательными циклами, причем чем больше количество этих циклов, тем больше воспитание робота. Решена задача получения наибольшего воспитания с помощью средств массовой информации для роботов – цифровых двойников.</p>
      </abstract>
      <abstract xml:lang="en" lang-variant="translation" lang-source="translator">
        <p>On the basis of the existing theory of robots with non-absolute memory, the mathematical task of obtaining the greatest education of robots-psychological analogues of man with the help of mass media was put for the first time. It is proved that in order to receive the greatest education in robots, it is necessary to do not more than one badge in every educational cycle, consisting of continuous broadcasts of media projects and transmission passes in broadcasts. The problem of finding the number of complete educational cycles, the number of continuous educational measures, and the number of fictitious cycles in each complete educational cycle, ensuring the greatest education of the robot at the end of education, was solved. Based on the methods of mathematical analysis, it is shown that in order to get the most education of a robot with the help of the mass media, it is enough in full educational cycles after continuous broadcasts of the media project to make no more than one skipping broadcast on the air. It is proved that the greater value of the memory coefficient of a uniformly forgetful robot with equal emotions corresponds to the greater education resulting from the impact on the robot by equal complete educational cycles, and the more the number of these cycles, the more the robot is raised. The task of obtaining the greatest education through the media for robots-digital doubles is solved.</p>
      </abstract>
      <kwd-group xml:lang="ru">
        <kwd>робот</kwd>
        <kwd>медиа</kwd>
        <kwd>воспитание</kwd>
        <kwd>память робота</kwd>
        <kwd>математическое моделирование</kwd>
      </kwd-group>
      <kwd-group xml:lang="en">
        <kwd>robot</kwd>
        <kwd>media</kwd>
        <kwd>education</kwd>
        <kwd>robot memory</kwd>
        <kwd>mathematical modeling</kwd>
      </kwd-group>
    </article-meta>
  </front>
  <back>
    <ref-list>
      <ref>
        <note>
          <p>1. Бахитова Р.Х., Исламов И.Я. Региональные телеканалы: роль и место в медиаэкономике (на примере Башкирского спутникового телевидения) // Вестник УГАЭС. Наука и образование. Серия: Экономика. 2014. № 2(8). С. 70–74.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>2. Исламов И.Я. Развитие региональной медиаэкономики на примере Башкирского спутникового телевидения // Научный журнал НИУ ИТМО. Серия: Экономика и экологический менеджмент. 2011. № 2. С. 346–353.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>3. Наследов Д.А. Математическое методы психологического исследования // Анализ и интерпретация данных. СПб.: Речь, 2004. 392 с.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>4. Пенский О.Г. Математическая модель и программная реализация вычисления наибольшего интереса аудитории к медиапроекту // Вестник Пермского университета. Математика. Механика. Информатика. 2017. № 1 (36). С. 77–81.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>5. Пенский О.Г., Шарапов Ю.А., Ощепкова Н.В. Математические модели роботов с неабсолютной памятью и приложения моделей. Пермь: Изд-во ПермГУ, 2018. 310 с.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>6. Osipov G.S., Panov A.I., Chudova N.V. Behavior Control as a Function of Consciousness. II. Synthesis of a Behavior Plan. Journal of Computer and Systems Sciences International. 2015. Т. 54. № 6. Р. 882–896.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>7. Карпов В.Э. Эмоции и темперамент роботов. Поведенческие аспекты // Известия РАН. Теория и системы управления. 2014. № 5. С. 166–185.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>8. Виноградов О.Л. Математический анализ: учебник для вузов. М.: BNV, 2017. 752 с.</p>
        </note>
      </ref>
    </ref-list>
  </back>
</article>
