Известия ЮФУ. Технические науки.

Рассматривается задача повышения выявления компьютерных атак (КА) системой обнаружения вторжений при значительном дисбалансе данных сетевого трафика. На основе проведенного анализа методов снижения дисбаланса данных сделан вывод, что классические методы балансировки и генеративной аугментации не обеспечивают сохранение статистической структуры многомерных табличных данных, в том числе их фрактальных свойств и самоподобия, что снижает качество обучения классификатора. В работе предлагается метод обнаружения компьютерных атак (КА) на основе модели аугментации данных H-DDPM, представляющей собой модификацию диффузионной вероятностной модели DDPM, в которой дисперсия добавляемого гауссова шума в прямом процессе зависит от показателя Херста H для каждого класса КА. Метод включает предобработку данных, формирование временных рядов по скользящим окнам, оценку H методами DFA и R/S и генерацию синтетических данных для обучения классификатора LSTM. Метод оценивается по общим метрикам эффективности Accuracy, Recall, F1, ROC-AUC и G-means, а также Precision, Recall и F1-score для классов. Эксперименты проведены на наборах CSE-CSE-CIC-IDS2018 и UNSW-NB15. Выполнено сравнение с другими методами, такими как SMOTE, GAN и DDPM. Результаты экспериментов показывают, что H-DDPM повышает эффективность обнаружения КА, превосходя аналогичные методы по метрикам, чувствительным к дисбалансу. Также, на основе экспериментальных проверок показано, что непосредственно применение показателей Херста H для классов КА в модели H-DDPM повышает полноту и сбалансированное качество обнаружения КА. Отмечено, что H-DDPM оказывает влияние на классификацию КА, проявляющееся в росте ложноположительных срабатываний и снижении метрики ROC-AUC, что требует дополнительной настройки гиперпараметров модели классификатора и фильтрации синтетических данных

Целью данного исследования является разработка формализованной модели угроз безопасности информации гиперконвергентной инфраструктуры (Hyper-Converged Infrastructure – HCI) на основе построения сценариев многокомпонентных атак с использованием EPC-моделирования (Event-driven Process Chain (EPC), с учетом архитектурных особенностей гетерогенной HCI, каскадного характера распространения угроз, специфических объектов воздействия угроз и мультитенантной модели доступа. В работе применены метод системного анализа, принцип методологии ARIS (Architecture of Integrated Information Systems), а также метод формализации сценариев многокомпонентных атак. Технической базой послужили: методика ФСТЭК России по оценке угроз безопасности информации, реестр угроз безопасности информации и сведения об уязвимостях из банка данных угроз ФСТЭК и международной базы (NVD). В результате исследования выявлены ключевые архитектурные особенности гиперконвергентной инфраструктуры как объекта защиты: тесная интеграция компонентов (вычислений, хранения, сети), программная определяемость компонентов, мультитенантность, каскадный характер распространения угроз. Предложена классификация нарушителей по уровню привилегий. Разработаны два формализованных сценария многокомпонентных атак на специфические объекты воздействия угроз в HCI. Сценарии представлены в виде
EPC-диаграмм, что позволяет не только визуализировать действия нарушителя, наглядно представить используемые им тактики и техники, но и численно оценить вероятности реализации сценариев. На основе исследования структурно-функциональных характеристик HCI и с учетом модели оценки угроз ФСТЭК разработана обобщенная модель угроз гиперконвергентной инфраструктуры с примерами заполнения для некоторых объектов воздействия. Научная новизна исследования заключается в адаптации метода EPC-моделирования угроз для гиперконвергентной инфраструктуры с учетом ее архитектурных особенностей и мультитенантности, а также в разработке формализованных сценариев атак, отражающих реальные цепочки эксплуатации уязвимостей, опубликованных в 2025-2026 годах.

Интеграция больших языковых моделей (LLM) в геоинформационные системы (ГИС) открывает новые возможности для пространственного анализа, однако сопровождается специфическими уязвимостями типа «инъекция подсказок» (промпт-инъекции). Такие атаки позволяют злоумышленникам обходить защитные механизмы LLM, манипулировать выдачей, получать доступ к конфиденциальной информации и нарушать целостность данных. Использование пространства позволяет обратиться к объекту не напрямую, а через его пространственные отношения с другими объектами. Существующие методы фильтрации по ключевым словам или шаблонам не обеспечивают надёжной защиты из-за постоянного появления новых сценариев атак. Это определяет актуальность разработки адаптивных, самообучающихся алгоритмов фильтрации запросов на предмет промт-инъекций к большим языковым моделям. Целью исследования является разработка алгоритма фильтрации промпт-инъекций для LLM, на основе метода прецедентного анализа (Case-Based Reasoning, CBR). В работе предлагается алгоритм сравнения запросов к LLM с базой ранее известных промт-инъекций. Проведенный эксперимент показал, что по мере накопления базы прецедентов точность выявления промпт-инъекций возрастает с 42% до 83%. При этом время обработки одного запроса увеличивается незначительно (с 0,18 до 0,19 секунд при росте базы на 23%). Также были предложены подходы к обобщению базы прецедентов и самоанализу базы прецедентов. Предложенный алгоритм позволяет повысить защищённость систем с
LLM-интерфейсом от промпт-инъекций за счёт адаптивности и самообучения. Практическая значимость заключается в возможности внедрения разработанного фильтра в информационные системы для предотвращения утечек и манипуляций с пространственными данными. Дальнейшие исследования связаны с развитием методов автоматического обобщения прецедентов и интеграцией дополнительных контекстных анализаторов.

Рассматривается фундаментальная проблема преодоления системного гносеологического кризиса в судебной компьютерно-технической экспертизе. Данный кризис вызван нарастающим смысловым (семантическим) разрывом между вероятностной, стохастической природой цифровых следов, подверженных влиянию анти-форензики, и строгими требованиями состязательного правосудия к юридической определённости доказательств. Настоящая статья носит концептуальный характер и закладывает теоретический базис вычислительной форензики как самостоятельной научной дисциплины.
В работе обосновывается необходимость смены парадигмы: от традиционного эвристического поиска артефактов и субъективного мнения эксперта к методологии, опирающейся на принципы алгоритмической воспроизводимости, измеримости неопределённости и формальной верифицируемости. Автором разработана теоретико-множественная онтологическая модель компьютерного инцидента, базирующаяся на триаде «субъект – способ – объект» (S-M-O) и аксиоме сохранения следа процесса. Эта модель позволяет взаимно-однозначно проецировать технические индикаторы (IoA, IoB, IoC) на юридические признаки состава преступления. Предложена методология формальной проверки истинности гипотез, включающая критерии структурной полноты, причинно-следственной связности, непротиворечивости и фактической обоснованности. Впервые в научный оборот введена математическая модель оценки достоверности экспертного вывода с использованием логистической функции (функции доверия). Данная модель позволяет рассчитать вероятность юридически значимого факта путём агрегации метрик таксономического соответствия, силы каузальных связей на графе инцидента и штрафа за энтропию среды. Применение разработанного подхода трансформирует реконструкцию инцидента из обратной некорректной задачи в детерминированную процедуру, обеспечивая математически доказуемую объективность доказательной базы даже в условиях неполноты данных и активного противодействия расследованию.

Актуальность. Эффективность корреляции в SIEM определяется не только полнотой поступления событий, но и их пригодностью к сценарному анализу. Практические дефекты логирования, включая недологирование, нарушение временной валидности, потерю корреляционно-значимых атрибутов, снижают качество детектирования и повышают вероятность ложных срабатываний. Цель. Разработать сценарно- и риск-взвешенную методику количественной оценки дефицита логирования как меры пригодности потока событий к корреляции. Задачи. Сформировать сценарно-обоснованное множество контролируемых классов событий, задать их риск-веса, построить вероятностный опорный профиль интенсивности, ввести критерии временной валидности и структурной пригодности записи, а также получить итоговый показатель с диагностической интерпретацией причин ухудшения качества логирования. Методы. Использованы сценарный анализ детект-контента, риск-взвешенная агрегация, построение baseline по историческим данным, контроль временной валидности событий и оценка полноты минимально достаточных профилей корреляционно-значимых атрибутов. Результаты. Предложенная методика расширяет базовый показатель дефицита логирования за счёт использования вероятностного опорного профиля интенсивности, учёта перелогирования и потери корреляционно-значимых атрибутов, а также введения диагностической декомпозиции причин деградации качества логирования. Экспериментальная апробация показала, что в baseline-режиме  при , что подтверждает отсутствие ложных срабатываний нового показателя на штатный поток; в сценарии дублирования  при , что демонстрирует способность нового показателя выявлять перелогирование, невидимое для базового показателя; при нарушении временной согласованности все показатели достигают 1{,}000, что соответствует полной непригодности потока к корреляции. Выводы и значимость. Научная новизна состоит в формализации дефицита логирования как дефицита пригодности событийного потока к корреляции с учётом сценарной значимости классов событий и введении диагностической декомпозиции, позволяющей выделять доминирующий диагностический компонент деградации. Практическая значимость заключается в возможности количественно обосновывать приоритетные меры по совершенствованию источников, нормализации и правил корреляции в SIEM.

Общепризнано, что симметрия редко, если вообще когда-либо, является точной в любой биологической системе. Незначительные несовершенства и внешние возмущения неизбежны, что означает, что всегда следует предполагать наличие той или иной степени нарушения симметрии. Однако в области вычислительной нейронауки лишь ограниченное число исследований было сосредоточено на внутренней динамике моделей нейронных сетей в условиях неидеальной симметрии. Данная статья напрямую заполняет этот пробел, исследуя глубокие эффекты преднамеренного нарушения симметрии на динамику модели нейрона с табуированным обучением (TLN). Вводя и изменяя малый параметр возмущения симметрии, мы точно контролируем симметрию модели и раскрываем богатый репертуар ранее не описанных асимметричных динамических поведений. К ним относятся сложные режимы асимметричной мультистабильности, при которых сосуществуют несколько различных устойчивых состояний, и асимметричные хаотические бустерные колебания. Кроме того, мы выявляем наличие нескольких метастабильных или переходных явлений, таких как переходные асимметричные бустерные колебания и переходный хаос, когда система демонстрирует сложное поведение, прежде чем в конечном итоге перейти к более простому аттрактору. Эти сложные динамические особенности систематически иллюстрируются и проверяются с использованием набора инструментов нелинейного анализа. Наша методология включает анализ временных рядов, бифуркационных диаграмм, одномерных и двумерных графиков старшего показателя Ляпунова, дополненных подробными графиками траекторий в фазовом пространстве. Множество новых поведений, обнаруженных в этом исследовании и проистекающих непосредственно из контролируемого нарушения симметрии, представляет собой значительный вклад в области нелинейной динамики и нейроморфного моделирования, подчеркивая критическую роль асимметрии в генерации вычислительной сложности

Исследуется возможность применения классических алгоритмов машинного обучения для демодуляции сигналов в коротковолновом канале связи, описываемом моделью Ваттерсона. Актуальность задачи обусловлена необходимостью повышения помехоустойчивости при широкополосной передаче данных в условиях многолучевого распространения и доплеровских искажений. В качестве классификаторов используются алгоритмы Random Forest, Decision Tree и KNN
(k-ближайших соседей). Обучение моделей производится на синтезированных данных, полученных в среде MATLAB Simulink, где варьировались временные задержки лучей (0–4 мс) и доплеровский сдвиг (0–10 Гц). Входными признаками служат координаты сигнальных созвездий, а также предыстория принимаемых символов, поскольку межсимвольная интерференция оказывает существенное влияние на положение текущей точки. Проведенные эксперименты выявили критическую особенность: алгоритмы демодуляции обладают высокой чувствительностью к изменениям доплеровского сдвига. Отклонение параметра всего на 0.1 Гц от обучающей выборки приводит к изменению структуры сигнального созвездия и росту вероятности ошибки (BER) до 0.5. При совпадении доплеровских параметров с обучающей сеткой наилучшие результаты показывает алгоритм Random Forest, обеспечивая BER <0.01 на полном объеме данных. Для решения проблемы чувствительности предложен метод локального обучения с уменьшенным шагом дискретизации доплеровского сдвига (до 0.1 Гц), что позволяет добиться BER ≤0.01 для Random Forest. В связи с экспоненциальным ростом объема обучающей выборки (до 1000 Гб) разработаны методы её сокращения: исключение временных параметров и семплирование данных с учетом возможных комбинаций предшествующих битов. Это позволило уменьшить объем данных в 31.5 раза, сохранив BER <10% для Random Forest при шаге обучения 0.2 Гц. В работе делается вывод о целесообразности использования Random Forest Classifier для демодуляции в КВ-каналах и необходимости адаптации шага обучения под требуемую точность доплеровского сдвига.

Распознавание нарушителей в условиях неконтролируемой среды является важнейшей функцией систем контроля безопасности (СКБ), основанных на биометрии и обеспечивающих защиту на объектах с массовым скоплением людей. Повысить точность подобных систем возможно за счет объединения нескольких различных биометрических признаков, полученных по видеоизображениям. Однако при работе с видеоизображениями возникает ряд проблем, связанных с изменением точки обзора, контрастности, освещения, окклюзией, посторонних объектов на заднем плане, с выбором уровня объединения биометрических признаков. Для решения данной проблемы предложен комплексный подход к распознаванию нарушителя, основанный на предварительной обработке видеоизображений, а также интеграции двух сверточных нейронных сетей (СНС), теории Демпстера-Шефера, метода случайного леса для объединения поведенческих биометрических признаков на уровне оценок соответствия и классификации видеоизображений. В качестве биометрических признаков рассматриваются походка и жестикуляция, поскольку их можно наблюдать без прямого взаимодействия с человеком. Для решения задачи классификации определено три класса видеоизображений: класс 1 – человек не является нарушителем, класс 2 – потенциальный нарушитель, класс 3 – нарушитель. В работе также представлена обобщенная схема комплексного подхода к распознаванию нарушителя с подробным описанием этапов.
Для оценки эффективности предложенного комплексного подхода были проведены эксперименты с набором данных KTH Dataset, который содержит шесть типов простых действий человека, совершенных разными людьми на различных фонах. Результаты исследований показали, что предложенный подход повышает точность распознавания нарушителя по видеоизображениям в условиях неконтролируемой среды (точность классификации составила 87%).

Рассматривается проблема надёжного распознавания лиц в таких критически важных областях, как видеонаблюдение и биометрическая аутентификация в условиях недостаточной освещённости. Существующие подходы, как правило, разделяют задачи повышения качества изображения и собственно идентификации, что приводит к накоплению ошибок и потере информативных признаков. Целью работы является преодоление этого ограничения путём разработки и теоретического обоснования гибридной end-to-end архитектуры, в которой задачи улучшения изображения и распознавания лица решаются совместно. В исследовании проводится систематический обзор современных методов, включая классические алгоритмы (выравнивание гистограмм, подавление шумов) и передовые глубокие нейронные сети (такие как EnlightenGAN, Zero-DCE, ArcFace, RetinaFace). В качестве основного предложения представлена интеграция генеративных и идентификационных модулей в единый вычислительный граф. Ключевым результатом исследования является демонстрация того, что совместная оптимизация всех этапов обработки в рамках единой модели, в отличие от разрозненных решений, принципиально меняет подход к проблеме. Теоретический анализ и сравнительная оценка концепций показывают, что предложенная архитектура обеспечивает более эффективный поток градиентов в процессе обучения, что ведёт к формированию более качественных и устойчивых к шуму признаков для идентификации. Показано, что такой подход позволяет избежать накопления ошибки между этапами и минимизировать потери информации. Новизна работы заключается в целостном, end-to-end взгляде на проблему распознавания в условиях низкой освещённости. Практическая ценность подтверждается применимостью архитектуры в реальных системах, где её внедрение потенциально позволит повысить надёжность и скорость работы за счёт объединения разнородных задач в единый оптимизируемый контур.

Управление перемещением студентов в условиях демографических колебаний и цифровизации высшего образования становится ключевым фактором устойчивости университетов, влияя как на финансовые показатели, так и на качество образовательного процесса. Возрастающая сложность процессов приёма, отчисления, академических отпусков, переводов и восстановлений требует перехода от экспертных оценок к формализованным моделям и предиктивной аналитике, основанной на обработке больших массивов данных. Целью представленного исследования является построение и оценка эффективности модели прогнозирования динамики движения студенческого контингента на основе алгоритмов машинного обучения и с использованием анализа временных рядов. В качестве эмпирической базы использованы агрегированные статистические данные о перемещении студентов российских и китайских вузов за период 2013–2024 годов. Методологический аппарат включает динамическую модель баланса контингента в форме системы рекуррентных уравнений, описывающих переходы между курсами и статусами обучения, и аддитивную модель Prophet, применяемую для независимого прогнозирования ключевых потоков (приём, переводы, отчисления, академические отпуска, восстановления) как отдельных временных рядов. Программная реализация основана на стеке FastAPI–React с использованием ORM-слоя SQLAlchemy и механизмов кэширования результатов прогностических расчётов, что обеспечивает высокую производительность при обработке запросов. Результаты экспериментов на реальных данных демонстрируют устойчивость разработанной модели к нелинейным изменениям во входных рядах и подтверждают целесообразность интеграции машинного обучения в контур управления перемещением студентов. Практическая значимость работы заключается в создании информационно-аналитической системы, обеспечивающей автоматизированный мониторинг и прогнозирование траекторий перемещения студентов между курсами и статусами, что позволяет вузам переходить от реактивного к проактивному планированию приёмной кампании, распределения аудиторного фонда, кадровых и инфраструктурных ресурсов.

Основное внимание уделяется подходам преодоления системных ограничений парадигмы масштабирования больших языковых моделей (LLM), связанных с исчерпанием данных и экспоненциальным ростом вычислительных затрат. Обход таких ограничений позволяет разработать более эффективные подходы к созданию NLP-моделей без потери в качестве их работы. Целью данного исследования является сравнительный анализ эффективности стандартной трансформерной архитектуры (nanoGPT) и модели, оперирующей семантическими эмбеддингами (nanoSonar), для задач языкового моделирования в условиях ограниченных ресурсов. Работа с концептуальными эмбеддингами позволяет выявить более глубокие языковые закономерности и сократить объем требуемых данных для обучения, что значительно повышает эффективность моделирования. При проведении исследования использовался набор данных TinyStories, который включает короткие нарративы с четкой структурой. Перед реализацией моделей была проведена предобработка данных: для nanoGPT – токенизация методом BPE, для nanoSonar – преобразование текста в семантические эмбеддинги с помощью предобученной модели Sonar. Оценка моделей осуществлялась с использованием метрик функции потерь (loss) и перплексии (perplexity). Результаты исследования показали, что модель nanoSonar обеспечивает значительно более низкую перплексию (6,609 против 39,151 у nanoGPT), а также демонстрирует более устойчивую динамику обучения на поздних этапах. В работе представлен анализ современных подходов к оптимизации масштабирования (MoE, дистилляция, PEFT) и перспективных архитектур (LRM, SSM, RWKV), а также даны практические рекомендации по применению моделей, работающих в пространстве семантических эмбеддингов, для доменно-специфичных задач и систем с ограниченными вычислительными ресурсами. Результаты исследования могут быть полезны при разработке эффективных языковых моделей, сочетающих высокое качество генерации с экономичной архитектурой.

Исследуется метод нейролингвистической текстовой идентификации, направленный на анализ и верификацию источников информации, включая тексты, сгенерированные системами искусственного интеллекта. Анализируются состояния информации текста китайского произведения автора Ло Гуань-чжун «Троецарствие» в трех вариантах: оригинальный текст, а также состояние текста, полученного с помощью генерации системами искусственного интеллекта Gemini и GPT. Целью исследования является формирование и обоснование параметров для применения в качестве факторов идентификации сгенерированного текста, а также формирование 3D-образов нейролингвистической текстовой идентификации источников информации. Используется специализированный программный комплекс «Анализатор нейролингвистической текстовой идентификации», осуществивший обработку текстовых данных на основе горизонтальной и вертикальной развертки нейролингвистических информационных кадров. В результате сформированы информационные спектры, количественные характеристики (информационная емкость, энтропия, избыточность) и нейролингвистические информационные 3D-образы нейролингвистических кадров текстовой информации китайского произведения. Сравнение уровней идентичности информационных нейролингвистических 3D-образов источника текстовой информации нейролингвистических информационных кадров показывают, что максимальный уровень идентичности наблюдается при сравнении текстов нейролингвистических информационных кадров оригинального текста, а минимальный уровень идентичности наблюдается при сравнении оригинального текста с текстом, сгенерированным с помощью систем искусственного интеллекта. Полученные результаты показывают значимые различия между параметрами нейролингвистических информационных кадров оригинального текста и параметрами текста, сгенерированного системами искусственного интеллекта как по количественным характеристикам текста, так и по характеристикам нейролингвистических информационных 3D-образов. Установлено, что нейролингвистические информационные 3D-образы текстов, созданных системами искусственного интеллекта, обладают более гладкой структурой визуального представления и отличным цветовым распределением по сравнению с нейролингвистическими 3D-образами оригинального текста. Практическая значимость исследования заключается в применении подхода, позволяющего определять сгенерированный текст и верифицировать источники информации. Полученные результаты открывают перспективы для работы и дает возможность реализовывать проекты и создавать программные комплексы способные обнаруживать сгенерированный текст.

Актуальность исследования обусловлена ростом интереса к гиперспектральным изображениям как инструменту неразрушающего контроля строительных материалов и конструкций, а также недостаточной систематизацией современных методов их обработки. Цель работы состоит в системном анализе алгоритмов обработки HSI, выявлении их преимуществ, ограничений и перспектив применения в задачах строительной диагностики. В исследовании рассмотрены особенности гиперспектральных данных, включая высокую размерность, шумы, калибровочные погрешности, атмосферные искажения и дефицит размеченных выборок. Показана эволюция подходов от классических методов машинного обучения и ручного конструирования признаков к глубоким нейронным сетям. Проанализированы методы снижения размерности, классификаторы kNN, байесовские модели, логистическая регрессия, Random Forest, SVM и MLP, а также способы учета спектрально-пространственного контекста. Особое внимание уделено современным архитектурам глубокого обучения: 1D-, 2D- и 3D-CNN, RNN, LSTM/GRU, гибридным CNN–RNN-моделям, трансформерам и CNN–Transformer-схемам. Отдельно рассмотрены transfer learning, semi-supervised learning, self-supervised learning, few-shot learning, meta-learning и domain adaptation как способы преодоления ограниченности разметки. Выполнено сопоставление подходов по требованиям к данным, вычислительной сложности, устойчивости к шумам, способности учитывать спектральные и пространственные зависимости. Показано, что наиболее перспективными для строительной диагностики являются гибридные модели, сочетающие локальные признаки сверток, глобальный контекст внимания и возможность дообучения на малых специализированных выборках. Работа обобщает современное состояние области и формирует основу для выбора методов обнаружения дефектов, оценки влажности, коррозии и деградации строительных конструкций. Сформулированные выводы могут использоваться при проектировании экспериментальных протоколов и выборе архитектур для последующих прикладных исследований в области мониторинга зданий.

Представлен гибридный метод к прогнозированию направления движения цены облигаций, сочетающий метод машинного обучения XGBoost с оптимизацией гиперпараметров посредством генетического алгоритма. Исследование направлено на решение задачи бинарной классификации направления цены облигации ОАО «РЖД» на следующий торговый день. Методология исследования включает формирование расширенного признакового пространства из 18 технических индикаторов, рассчитанных на основе дневных OHLCV-данных. Для настройки гиперпараметров XGBoost реализован генетический алгоритм с использованием библиотеки DEAP. Исследование проводилось на трех временных горизонтах: 01.01.21-31.10.25, 01.01.23-31.10.25, с 01.01.24-31.10.25. В результате показана существенная зависимость эффективности модели от временного горизонта обучающих данных. Наилучшее качество продемонстрировала модель, обученная на данных за 2024–2025 годы, с точностью на тестовой выборке 64.4%, сбалансированными метриками precision и recall, а также высокими оценками F1-score для обоих классов. Модели, обученные на более длинных периодах (2021–2025 и 2023–2025 гг.), показали снижение обобщающей способности, что свидетельствует о превалировании актуальности данных над их объемом в условиях изменения денежно-кредитной политики России в 2021-2025 гг. Для поддержания прогностической силы модели в меняющихся рыночных условиях рекомендовано использование скользящего окна обучения продолжительностью 1.5–2 года. Проведенное сравнение со стратегией «Buy & Hold» подтвердило эффективность предложенного гибридного подхода.

Развитие интеллектуальных складских систем и автоматизации логистических процессов требует эффективных решений для распределения задач в гетерогенных многороботных комплексах, особенно при кооперативной транспортировке крупногабаритных и тяжёлых грузов. Целью работы является разработка и верификация гибридной модели идентификации и распределения кооперативных транспортных задач (КТЗ) в складской среде с учётом многокритериальной оптимизации. Дан краткий обзор публикаций по применению миварных технологий и методов машинного обучения при математическом моделировании сложных робототехнических систем. Предложен двухуровневый подход, включающий миварную систему принятия решений для автоматической идентификации КТЗ и модель распределения на основе алгоритма комбинированного аукциона. Необходимое количество роботов-транспортировщиков (РТ) определяется миварной системой принятия решений с учетом размеров и массы груза. Разработанная математическая модель распределения КТЗ направлена на повышение эффективности и надежности благодаря учету ключевых динамических факторов (гетерогенность, избыточность и путевые затраты). Имитационные эксперименты с 30 РТ и 100 задачами показали преимущество предложенного метода над базовыми стратегиями (Random, Nearest Neighbor, Greedy Capacity): при обработке
6 КТЗ снижение общей стоимости составило до 40,7%, а при 12 задачах – дополнительное снижение на 10,8% при сохранении 100% успешности. Установлена способность модели к эффективному масштабированию, проявляющаяся в дополнительном снижении затрат на 10,8% при увеличении числа задач. Результаты свидетельствуют о робастности, адаптивности и высокой практической применимости модели для интеграции в современные интеллектуальные складские системы, обеспечивающие работу с диверсифицированным ассортиментом грузов

Приведены результаты исследования внутренней краевой задачи для уравнения смешанного гиперболо-параболического типа, характеризующегося наличием кратных характеристик. Область, в которой рассматривается уравнение, является конечной и односвязной, состоящей из двух частей: гиперболической и параболической. Это разделение области обусловлено спецификой рассматриваемого уравнения. Граница между гиперболической и параболической областями представляет собой линию вырождения, где происходит переход от гиперболического к параболическому типу уравнения. Ключевой особенностью поставленной задачи является краевое условие, заданное в гиперболической части области. Это условие содержит связывает между собой значения искомой функции в точках, принадлежащим характеристикам области, что придает задаче значительную сложность. Цель работы – доказательство теоремы существования и единственности решения поставленной краевой задачи. Доказательство проводится для различных случаев, определяемых дискриминантом кубического характеристического уравнения, связанного с уравнением в частных производных. Различные значения дискриминанта указывают на различные качественные свойства решений и требуют индивидуального подхода в доказательстве. Для доказательства единственности решения используется метод интегралов энергии. Этот метод позволяет установить определенные энергетические неравенства, связывающие решение с заданными функциями и их точечными значениями в краевом условии. Полученные неравенства накладывают ограничения на допустимые значения параметров задачи, гарантируя единственность решения. Нарушение этих ограничений может привести к некорректности задачи или к отсутствию единственного решения. Вопрос существования решения исследуется путем сведения задачи к эквивалентной системе функциональных соотношений, связывающих следы искомого решения и его производной на линии вырождения. Эти следы рассматриваются отдельно для гиперболической и параболической частей области. Дальнейшее исследование сводится к решению интегрального уравнения Фредгольма второго рода. Важно отметить, что ядро этого интегрального уравнения имеет слабую особенность, а правая часть непрерывна. Безусловная разрешимость этого интегрального уравнения, а следовательно, и существование решения исходной задачи, выводится из ранее доказанной единственности решения. Это существенный момент, демонстрирующий тесную связь между существованием и единственностью решения

В настоящее время востребованным является создание методов и технологий интеллектуального управления сложными системами и процессами, которые учитывают ситуационную осведомленность о решаемых проблемах, различные стратегии управления и сценарии достижения целевых ситуаций в условиях неопределенности различного типа. В наибольшей степени специфику ситуационной осведомленности при управлении такими системами и процессами учитывают модели и методы, основанные на нечетком ситуационном и нечетком когнитивном подходах. Однако ограничениями известных нечетких ситуационных моделей (НСМ) и основанных на этих моделях методов при управлении сложными системами и процессами в условиях неопределенности, является: сложность учета взаимовлияния ситуационных признаков, приводящая к неоднозначности переходов из одной нечеткой ситуации в другую при воздействии соответствующих управляющих решений; сложность оценки одновременного воздействия нескольких управляющих решений на различные взаимозависимые ситуационные признаки; недостаточный учет фактора времени и продолжительности воздействия управляющих решений на ситуационные признаки; сложность задания и моделирования сценарной динамики НСМ с учетом различных стратегий управления. В данной статье рассмотрены вопросы применения новой предложенной разновидности мягких ситуационно-когнитивных моделей (МСКМ), в которых результаты нечеткого когнитивного моделирования используются для оценки степени и времени воздействия управляющих решений на взаимозависимые ситуационные признаки НСМ. За счет этого формируется наилучшая, в зависимости от выбранной стратегии, последовательность управляющих решений, и обосновывается время их применения. В качестве примера рассмотрено интеллектуальное управление турбокомпрессорными воздушными установками (ТВУ) на основе применения предлагаемых МСКМ. Проведены экспериментальные исследования, получены результаты сравнительной оценки, которые позволяют обосновать повышение качества интеллектуального управления и эффективности функционирования ТВУ в условиях неопределенности с использованием МСКМ для различных стратегий управления и сценариев достижения целевых ситуаций

Современный этап развития методологии анализа и синтеза сложных технических систем характеризуется существенным повышением требований к скорости их проектирования без потери качества функционирования за счет применения информационных технологий проектирования сложных систем и моделирования процесса их функционирования. В этой парадигме представляется актуальным решение задачи по созданию адаптивных многоагентных систем контроля технического состояния высокоответственных объектов, использующих для измерения каждого типа контролируемого параметра систему разноточных измерительных трактов, которая обеспечит возможность оперативного выбора средства измерения, и  формирования наиболее рационального алгоритма контроля, обеспечивающего требуемую эффективность контроля в условиях существенных финансовых ограничений. Цель работы – обоснование возможности применения разноточных измерительных трактов при формировании структуры каждого канала контроля технического состояния, обеспечивающего заданную достоверность. Для ее достижения поставлены и успешно решены следующие задачи: – рассмотрены современные условия проектирования систем контроля технического состояния сложных технических систем, выявлены сдерживающие факторы и тенденции развития теории проектирования, определены причины возможных недостатков перспективных систем и пути их устранения; – определен вид критерия эффективности функционирования системы в виде обобщенного показателя, полученного на основе аддитивной свертки единичных безусловных показателей достоверности контроля и весовых показателей их важности; –  синтезирована структурная схема адаптивной системы на основе модели однопараметрического канала контроля с измерительными трактами разной точности и возможностью реализации известных способов повышения эффективности контроля; – проведен вычислительный эксперимент, результаты которого позволили уточнить выявленные закономерности и предложить новые рекомендации. Результаты проведённого исследования позволили разработать адаптивный алгоритм контроля многопараметрического ОК на основе многоагентной системы, моделирование поведения агентов которой осуществляется по ретроспективной информации о результатах предыдущих циклов контроля, полученным на их основе прогнозным моделям, а также реализации принципа равной достоверности и штрафных функций в случае отклонения от него

Существенный недостаток классических выходных каскадов микроэлектронных операционных усилителей, которые сегодня реализуются на основе BJT (биполярных транзисторов),  CMOS (комплементарных металл-оксид-полупроводниковых транзисторов) или JFET (полевых транзисторов с управляющим p-n переходом), в том числе при их совместном использовании, состоит в том, что они характеризуются сравнительно малой скоростью нарастания выходного напряжения при воздействии импульсных входных сигналов большой амплитуды. Этот нежелательный эффект главным образом обусловлен наличием паразитных емкостей, применяемых в схеме источников опорного тока, и их выходных транзисторов. В статье рассматривается оригинальный и эффективный схемотехнический прием, обеспечивающий форсирование процесса перезаряда паразитных емкостей, который используется в выходных каскадах, реализуемых в многочисленных патентах ведущих микроэлектронных фирм мира. Введение в исходные схемы специальной дифференцирующей цепи коррекции переходного процесса, а также различные варианты ее практической реализации рассматриваются впервые. Схемотехника таких выходных каскадов защищена патентом Российской Федерации. Разработаны и исследованы четыре различные модификации буферных усилителей, которые ориентированы на применение в современных технологических процессах, которые реализованы на кремниевых BJT или CMOS транзисторах, а также на арсенид-галлиевых n-JFET и p-n-p биполярных транзисторах. Приводятся примеры компьютерного моделирования статических режимов, а также переходных процессов, которые наглядно демонстрируют значительное повышение максимальной скорости нарастания выходного напряжения (более чем на один-три порядка). Предлагаемые перспективные схемотехнические решения для GaAs транзисторов рекомендуются для практического применения в микроэлектронных устройствах, предназначенных для работы в условиях повышенных температур

Рассматривается создание риск-ориентированной геопортальной системы поддержки принятия управленческих решений для территориально распределённых организационных систем (ТРОС). Цель работы – разработка архитектуры и формализованной модели, объединяющей пространственные данные, структуры рисков, ключевые показатели эффективности (КПЭ) и варианты управляющих воздействий в едином аналитическом контуре. Актуальность обусловлена тем, что классические СППР и геопорталы фрагментарно покрывают задачи управления ТРОС из-за отсутствия интеграции пространственного анализа с моделями каскадирования рисков, что приводит к несогласованности решений и росту уязвимости территорий. Методологическая основа включает формализацию взаимосвязей «объект-риск-показатель-воздействие», построение ориентированных графов влияния и механизмы распространения эффектов рисков по территории и уровням управления. Предложена многослойная архитектура геопортальной платформы, включающая подсистемы сбора пространственных данных, риск-аналитики, витрин КПЭ и сценарного моделирования. Техническая реализация опирается на открытые геопорталы Русского географического общества и единое хранилище пространственных данных. В качестве пилотной области исследована региональная система управления развитием и природопользованием Республики Мордовия, где реализован прототип риск-ориентированного модуля. Демонстрируется возможность визуализации распределения природных и техногенных рисков, оценки интегральных индексов уязвимости территорий и выбора приоритетных сценариев управления. Результаты внедрения в ООО «ЭМ-КАТ» показали снижение энергопотребления. Применение системы в Главном управлении МЧС по Республике Мордовия позволило оптимизировать управление территориями и повысить предсказуемость рисков. Предложенный подход обеспечивает целостное и воспроизводимое управление территориально распределёнными системами, повышая их устойчивость к локальным и транзитивным воздействиям, прозрачность принятия решений и оперативность межведомственного согласования