Труды КНЦ (Технические науки вып. 3/2024(15))

3. Волегов И. С., Замятина Е. Б. Онтологический подход к интеграции компонентов имитационной модели в TRIAD.NET // Открытые семантические технологии проектирования интеллектуальных систем. 2012. № 2. С. 229-236. 4. Prat S. et al. An Automated Generation Approach of Simulation Models for Checking Control/Monitoring System // IFAC-PapersOnLine. 2017. Vol. 50, Iss. 1. pp. 6202-6207. doi:10.1016/j.ifacol.2017.08.1014. 5. Giannakis G. et al. Simulation model generation combining IFC and CityGML data. 2016. [электронный ресурс]. URL: https://www.researchgate.net/publication/307964150_Simulation_ model_generation_ combining_IFC_and_CityGML_data (дата обращения: 11.10.2024). 6. Pourbafrani M., van Zelst S. J., van der Aalst W. M. P. Supporting Automatic System Dynamics Model Generation for Simulation in the Context o f Process Mining // Lecture Notes in Business Information Processing. 2020. vol. 389. pp. 249-263. doi:10.1007/978-3-030-53337-3_19. 7. Huang Y., Verbraeck A., Seck M. (2016). Graph transformation based simulation model generation // Journal o f Simulation. 2016. № 10 (4). pp. 283-309. doi:10.1057/jos.2015.21/. 8. Путилов В. А., Горохов А. В., Быстров В. В. Синтез имитационных моделей сложных систем на основе экспертных знаний // Информационные технологии и вычислительные системы. 2008. № 2. С. 27-35. 9. Кудинова О. В., Халиуллина Д. Н. Создание шаблонов имитационной модели прогнозирования трудовых ресурсов с помощью онтологических описаний предметной области // Труды Кольского научного центра РАН. 2013. № 5(18). С. 208-216. 10. Маслобоев А. В., Олейник А. Г., Шишаев М. Г. Информационная технология дистанционного формирования и управления моделями системной динамики // Научно-технический вестник информационных технологий, механики и оптики. 2015. Т. 15, № 4. С. 748-755. 11. Карминская Т. Д., Татьянкин В. М., Тей Д. О., Русанов М. А. Использование кластерного анализа и нейронных сетей в задаче управления региональным рынком труда // Доклады Томского государственного университета систем управления и радиоэлектроники. 2013. № 4(30). С. 205-209. 12. Наместников А. М. Применение онтологического подхода в задаче генерации событийных данных с помощью имитационных моделей // Онтология проектирования. 2023. Т. 13, № 2. C. 243-253. doi: 10.18287/2223-9537-2023-13-2-243-253. 13. Akhavan A., Jalali M. S. Generative AI and simulation modeling: how should you (not) use large language models like ChatGPT // Syst. Dyn. Rev. 2024. 40. e1773. doi:10.1002/sdr.1773. 14. Точные прогнозы с имитационным моделированием и машинным обучением от H2O.ai [Электронный ресурс]. URL: https://www.anylogic.ru/features/artificial-intelligence/h2o-ai/ (дата обращения: 11.10.2024). 15. Jackson I., Saenz M.J., Ivanov D. From natural language to simulations: applying AI to automate simulation modelling o f logistics systems // International Journal o f Production Research. 2024. 62:4. pp. 1434-1457. doi: 10.1080 /00207543.2023 .2276811. 16. McCormack J., Grierson M. Building Simulations with Generative Artificial Intelligence // In D. Del Favero, S. Thurow, M. J. Ostwald, U. Frohne (Eds.), Climate Disaster Preparedness: Reimagining Extreme Events through Art and Technology. 2024. pp. 137-150. doi: 10.1007/978-3 -031-56114-6_11. 17. Юдицкий С. А. Сценарный подход к логическому моделированию систем рыночной экономики // Системы управления, связи и безопасности. 2015 [Электронный ресурс]. № 2. С. 147-164. URL: http://journals.intelgr.com/sccs/archive/2015-02/06-Iuditskii.pdf (дата обращения: 11.10.2024). 18. Kang Y. et al. Natural Language Processing (NLP) in Management Research: A Literature Review // Journal o f Management Analytics. 2020. 7(2). pp. 139-172. doi:10.1080/23270012.2020.1756939. 19. Khurana D. et al. Natural language processing: state o f the art, current trends and challenges // Multimed Tools Appl. 2023. 82. pp. 3713-3744. doi:10.1007/s11042-022-13428-4. 20. Khaliullina D. N., Bystrov V. V. The Conception o f Assessing the Resilience o f Critical Infrastructures o f Regional Socio-economic Systems // Lecture Notes in Networks and Systems. 2023. vol. 597. pp. 539-553. doi: 10.1007/978-3-031-21438-7_43. 21. Khan A. et al. Developing Retrieval Augmented Generation (RAG) based LLM Systems from PDFs: An Experience Report. 2024. doi:10.48550/arXiv.2410.15944. [электронный ресурс]. URL: https://www.researchgate.net/publication/385108254_Developing_Retrieval_Augmented_Generation_ RAG_based_LLM_Systems_from_PDFs_An_Experience_Report (дата обращения: 11.10.2024). Труды Кольского научного центра РАН. Серия: Технические науки. 2024. Т. 15, № 3. С. 27-40. Transactions of the Kola Science Centre of RAS. Series: Engineering Sciences. 2024. Vol. 15, No. 3. P. 27-40. © Быстров В. В., Халиуллина Д. Н., Шишаев М. Г., 2024 38