Работая с сайтом, я даю свое согласие на использование файлов cookie. Это необходимо для нормального функционирования сайта, показа целевой рекламы и анализа трафика. Статистика использования сайта обрабатывается системой Яндекс.Метрика

Принять

Научный журнал Моделирование, оптимизация и информационные технологииThe scientific journal Modeling, Optimization and Information Technology

cетевое издание
issn 2310-6018

отправить
статью

метаданные статей за последние 2 года

Выделение признаков на основе сигналов в моторных вызванных потенциалах: обнаружение возникновения TKEO и анализ гильбертовой огибающей

2026. T.14. № 3. id 2294

Демига Ю. Ляпунцова Е.В.

DOI: 10.26102/2310-6018/2026.54.3.021

Надежное и объективное определение характеристик вызванного моторного потенциала (ВМП) – латентности возникновения, амплитуды от пика до пика, длительности и морфологии волновой формы – имеет фундаментальное значение для клинической нейрофизиологии, но в современной практике оно во многом зависит от суждений оператора. Математические алгоритмы обработки сигналов предлагают прозрачную, детерминированную и воспроизводимую альтернативу. Мы представляем, описываем и систематически оцениваем полный математический алгоритм для идентификации характеристик ВМП, состоящий из трех этапов: определение начала координат на основе TKEO, оператора энергии Тайгера-Кайзера, применяемого к предварительно обработанному сигналу с адаптивным порогом k∙σ_baseline; оценка смещения преобразования Гильберта – отслеживание амплитудной огибающей с использованием критерия возврата к базовой линии; и морфологическая классификация путем подсчета значимых пересечений нуля для присвоения меток монофазного, двухфазного или многофазного сигнала. На этапе проверки маркеров отклоняются тесты, в которых обнаруженные признаки не превышают минимальный уровень шума. При значении SNR, равном 3,0, производительность снижается, а задержка MAE увеличивается с 1,4 мс (SNR ≥ 5) до 9,7 мс (SNR < 3). Точность морфологической классификации составляет 94% для исследований с высоким SNR и снижается до 61% для исследований с очень низким SNR. Математический алгоритм обеспечивает клинически приемлемую точность для MEP при высоком и среднем уровнях SNR и служит интерпретируемым эталонным стандартом с нулевыми затратами на обучение. Его режимы отказов хорошо охарактеризованы, зависят от SNR и предсказуемы – свойства, которые делают его базовым компаратором для оценки более продвинутых методов автоматизированного анализа.

Ключевые слова: моторные вызванные потенциалы, транскраниальная магнитная стимуляция, TKEO, энергетический оператор Тигера-Кайзера, преобразование Гильберта, амплитудная огибающая, электромиография, обработка сигналов

Выявление особенностей вызванного моторного потенциала с помощью сверточных нейронных сетей: преодоление ограничений ручного анализа

2026. T.14. № 3. id 2292

Демига Ю. Ляпунцова Е.В.

DOI: 10.26102/2310-6018/2026.54.3.019

Моторные вызванные потенциалы (МВП) – это электрофизиологические сигналы, имеющие решающее диагностическое и мониторинговое значение в неврологии, нейрохирургии и реабилитационной медицине. Традиционно извлечение признаков из данных МВП основывалось на ручном контроле и измерениях, проводимых обученными врачами в соответствии с установленными правилами. Это процесс, который по своей природе субъективен, трудоемок и подвержен значительным различиям между наблюдателями. В этой статье представлено всестороннее обоснование использования подходов на основе сверточных нейронных сетей (CNN) для извлечения признаков МВП. CNN обеспечивают превосходные показатели по ключевым параметрам, включая точность, воспроизводимость, скорость обработки и способность обнаруживать скрытые морфологические паттерны, которые могут ускользать от человеческого визуального восприятия, по сравнению с традиционными ручными методами. Кроме того, автоматизированный анализ на основе CNN устраняет вариабельность между пациентами, что позволяет проводить мониторинг в режиме реального времени во время операции. Оценки производительности, основанные на компьютерном моделировании и структурированном сравнительном анализе двух методов, убедительно подтверждают это утверждение. Внедрение CNN представляет собой революционный шаг на пути к объективному, масштабируемому и клинически надежному анализу, который может стандартизировать интерпретацию МВП в различных клинических условиях и потенциально улучшить результаты лечения пациентов за счет более последовательной неврологической оценки.

Ключевые слова: моторные вызванные потенциалы, сверточные нейронные сети, выделение признаков, транскраниальная магнитная стимуляция, интраоперационная нейрофизиология, глубокое обучение, электрофизиология, автоматизированный анализ, межотраслевая надежность, обработка сигналов

Графовые нейронные сети для предсказания характеристик сетей в архитектурах New IP и ManyNets

2026. T.14. № 4. id 2276

Поваров М.К. Гаврилов К.В. Корчагин П.А. Пищулин П.А. Малахов С.В.

DOI: 10.26102/2310-6018/2026.55.4.009

В архитектурах New IP и ManyNets (ITU-T Network 2030) возрастает потребность в предсказании характеристик сетей, в том числе задержки пути, без тяжелой симуляции; неочевидно, при каких условиях графовые нейронные сети превосходят простые расчетные методы и как модели обобщаются на графы иного размера. Цель – оценить применимость графовой модели к задаче задержки пути на синтетических графах с формулой, учитывающей нагрузку на ребрах, и обобщение на графы большего размера. Применен сравнительный эксперимент на графах Эрдеша–Реньи: модель на основе графовой свертки сопоставлена с базовым методом; два эксперимента – целевая задержка с учетом нагрузки и тест на графах с 15 и 20 узлами после обучения на графах с 15 узлами. Результаты: в первом эксперименте базовый метод дал MAE 1,85 и MAPE 7,89 %, графовая модель – 9,91 и 59,20 %; во втором при переходе теста с 15 на 20 узлов MAE графовой модели снизилась примерно на 7 %, базового метода выросла на ~8 %. Сделан вывод о применимости подхода на синтетических данных как первого шага к моделям оценки характеристик сетей для архитектур New IP и ManyNets. Материалы полезны специалистам при выборе и валидации методов предсказания задержки и планировании экспериментов на синтетических топологиях.

Ключевые слова: графовые нейронные сети, предсказание характеристик сетей, new IP, manyNets, предсказание задержки, синтетические сетевые топологии, графы Эрдеша-Реньи, качество обслуживания, топология сети, графовая свертка

Математическая модель и программное обеспечение формирования проектных команд с учетом взаимоотношений в коллективе

2026. T.14. № 4. id 2264

Куминов П.А. Захарова А.А.

DOI: 10.26102/2310-6018/2026.55.4.004

В современных условиях успех проектной деятельности определяется не только профессиональными компетенциями участников, но и их социально-психологической совместимостью. Существующие математические модели формирования команд, основанные на классической задаче о назначениях, ориентированы исключительно на ресурсный подход и не учитывают межличностные отношения, которые также влияют на эффективность совместной деятельности. Цель работы – разработка математической модели и программного обеспечения для формирования проектных команд, объединяющей профессиональные компетенции кандидатов и социометрические характеристики их взаимоотношений для достижения синергетического эффекта. Предложена модель, расширяющая обобщенную задачу о назначениях за счет включения социометрических индексов сплоченности и конфликтности, а также исключающая команды с наличием взаимных антипатий. Для решения NP-трудной задачи оптимизации применен генетический алгоритм, реализованный на языке Python с использованием фреймворка DEAP. Особь представляется хромосомой фиксированной длины, где позиция соответствует роли, а значение – индексу кандидата. На тестовом примере продемонстрирована работа алгоритма. Модель и алгоритм могут быть использованы руководителями проектов, HR-специалистами и педагогами для обоснованного формирования студенческих и профессиональных команд с благоприятным социально-психологическим климатом.

Ключевые слова: формирование проектных команд, задача о назначениях, математическая модель, социометрия, генетический алгоритм

Многозадачная гибридная модель с многоветвевым регрессионным блоком для обнаружения и оценки размеров дефектов по данным ультразвукового контроля

2026. T.14. № 4. id 2263

Иванов Д.А. Кондратов Д.В.

DOI: 10.26102/2310-6018/2026.55.4.012

В статье рассматривается создание многозадачной гибридной нейросетевой модели с многоветвевой структурой регрессионного блока для одновременного обнаружения и количественной оценки размеров дефектов по данным ультразвукового неразрушающего контроля. Основная цель работы – повышение точности определения параметров дефектов за счет параллельной обработки признаков разными функциями активации в рамках единой многозадачной архитектуры. В качестве материалов исследования использованы данные ультразвукового контроля сварного стыка из аустенитной нержавеющей стали с искусственными трещинами. Методология включала расширение ранее разработанной CNN-GRU модели для бинарной классификации до многозадачной, где регрессионный блок реализован как многоветвевая структура с параллельными преобразованиями и последующей интеграцией признаков. Обучение проводилось с балансировкой функций потерь для совместной оптимизации задач классификации и регрессии. Результаты показали высокую эффективность предложенного подхода. Модель продемонстрировала абсолютную точность классификации и низкую ошибку регрессии – средняя абсолютная ошибка составила 0,118 мм (5,3 % от среднего размера дефекта). Сравнение с моделью аналогичной архитектуры без многоветвевой структуры подтвердило, что предложенное решение снижает ошибку более чем в два раза и устраняет систематическое смещение предсказаний. Разработанная архитектура может иметь практическую значимость для систем автоматизированной ультразвуковой диагностики, требующих не только обнаружения, но и точного измерения параметров дефектов.

Ключевые слова: ультразвуковой контроль, многозадачное обучение, многоветвевая архитектура, классификация, регрессия, нейронные сети, дефектоскопия

Адаптивный шаблон технического задания: графовая модель, структурный анализ и алгоритм автоматизированной верификации

2026. T.14. № 4. id 2261

Ечин А.В. Алиева Н.Д. Садыков А.М. Кравец А.Г. Сафонова Е.В.

DOI: 10.26102/2310-6018/2026.55.4.017

В условиях возрастающей неоднородности практик разработки программного обеспечения и применяемых стандартов подготовки документации, обеспечение полноты и структурной согласованности технического задания остается сложной и трудоемкой задачей. Существующие нормативные документы, включая ГОСТ 34, IEEE 830, ISO/IEC/IEEE 29148 и Volere, предлагают различные подходы к структурированию требований, однако их одновременное применение в реальных проектах приводит к дублированию разделов, несогласованности структуры и значительным затратам на ручную верификацию. В работе предлагается адаптивный шаблон технического задания, основанный на параметризованной графовой модели, позволяющей гибко структурировать требования в зависимости от типа программного обеспечения, применимых стандартов, отраслевых ограничений и уровня детализации. Разработан алгоритм структурного анализа и автоматизированной верификации документов в форматах DOCX и PDF на основе извлечения иерархии разделов и нечеткого сопоставления заголовков. Введена метрика адаптивности шаблона. Экспериментальная апробация на реальных технических заданиях показала достижение точности извлечения структуры до 92 % для документов DOCX. Предложенный подход может служить основой для интеллектуальных инструментов анализа технической документации.

Ключевые слова: техническое задание, графовая модель, адаптивность шаблона, нечеткое сопоставление, структурный анализ

Распределенная вычислительная система на базе мобильных устройств

2026. T.14. № 4. id 2251

Исаев Ф.И. Исаева Г.Н.

DOI: 10.26102/2310-6018/2026.55.4.014

В работе рассматривается архитектура распределенной вычислительной системы, построенной на базе гетерогенных мобильных устройств и использующей комбинированный метод динамической балансировки нагрузки. Данный подход ориентирован на беспроводные среды, где состав узлов и их производительность изменяются во времени. Проведен анализ производительности смартфонов как вычислительных узлов, исследованы факторы, ограничивающие эффективность их применения: гетерогенность аппаратных платформ, тепловой троттлинг, неоднородность вычислительных ядер и загруженность фоновой активностью. Предложен алгоритм, объединяющий статическую оценку мощности узлов и динамическую корректировку коэффициентов производительности с учетом частоты, температуры и текущей загрузки процессора. Алгоритм имеет механизм отказоустойчивого перераспределения подзадач: при отключении или зависании узла незавершенные подзадачи автоматически возвращаются в очередь и назначаются другим исполнителям. Предложенный подход обеспечивает адаптацию распределения нагрузки к текущему состоянию вычислительных узлов, поддерживая стабильность общей производительности при колебаниях их ресурсов. Экспериментальная проверка выполнена на наборе смартфонов разных классов, а в качестве тестовой нагрузки использовалась задача без межузлового обмена данными. Экспериментальная оценка подтверждает, что разработанный метод обеспечивает значительное снижение времени выполнения задач и минимизацию дисперсии нагрузки по сравнению со статическими подходами.

Ключевые слова: распределенные вычисления, динамическая балансировка нагрузки, отказоустойчивость, грид-подход, тепловой троттлинг

Исследование методов обращения матриц для применения в алгоритмах адаптивного диаграммообразования

2026. T.14. № 4. id 2250

Глушанков Е.И. Морозов А.А. Кондрашов З.К.

DOI: 10.26102/2310-6018/2026.55.4.018

Статья посвящена исследованию методов обращения ковариационных матриц в задачах адаптивного диаграммообразования в антенных решетках. Рассматриваются два варианта обработки сигналов, а именно пространственная и пространственно-временная обработка, для которых анализируется структура ковариационной матрицы и ее влияние на выбор алгоритмов обращения. В качестве эталонного решения используются оптимальные весовые коэффициенты, определяемые по критерию Винера как решение задачи минимизации среднеквадратической ошибки. Проведено сравнение алгоритма Холецкого, рекурсивного алгоритма типа Левинсона, метода Барайсса и БПФ-аппроксимации с точки зрения точности восстановления оптимальных весов, значения среднеквадратической ошибки обучения, формы диаграммы направленности и вычислительной сложности. Численное моделирование выполнено в MATLAB для различных геометрий антенных решеток при одинаковом сценарии помеховой обстановки. Рассмотрена связь между структурой ковариационной матрицы в задачах пространственной и пространственно-временной обработки, выбором алгоритмов ее обращения и их вычислительной эффективностью. Показано, что точные методы обращения обеспечивают совпадение с оптимальным решением, тогда как аппроксимационные методы позволяют существенно снизить вычислительные затраты при контролируемом росте ошибки. Полученные результаты подтверждают целесообразность использования структурных методов обращения ковариационной матрицы в задачах пространственно-временной адаптивной обработки сигналов.

Ключевые слова: адаптивная антенная решетка, адаптивное диаграммообразование, ковариационная матрица, обращение матрицы, среднеквадратическая ошибка

Исследование нейронных сетей как способа сжатия и архивации изображений

2026. T.14. № 3. id 2247

Подберёзкин А.А. Лоскутов Я.Д. Грецкий Д.А. Пронин Ц.Б. Остроух А.В.

DOI: 10.26102/2310-6018/2026.54.3.020

В статье исследован метод хранения изображений путем обучения нейронной сети на одном изображении и сохранения ее весов как компактного представления. Данный подход позволяет значительно уменьшить объем хранимых данных при сохранении приемлемого визуального качества. Проанализированы параметры модели и настройки обучения с целью оптимизации качества восстановления. Основная идея подхода заключается в том, что обученная модель сохраняет аппроксимированное отображение изображения в свои веса, которые выступают в качестве компактного представления исходного изображения. При необходимости реконструкции веса загружаются обратно в сеть для восстановления визуального содержания. Экспериментальные результаты показывают, что оптимизация архитектуры сети (выбор числа слоев и нейронов) и цветового пространства (YCbCr) позволяет достичь высоких коэффициентов сжатия до 29,4 при сохранении визуального качества, близкого к оригиналу (MSE ≈ 10-5). Однако авторы отмечают существенный недостаток метода: длительное время обучения и значительные вычислительные затраты, что делает его менее эффективным по сравнению с традиционными алгоритмами сжатия для практического применения в реальном времени. Тем не менее, подход демонстрирует потенциал для задач, где критически важно сохранение тонких деталей изображений, например, архивации данных или сжатия видеопотоков.

Ключевые слова: сжатие изображений, нейронная сеть, архивация изображений, обучение на одном изображении, восстановление изображения, многослойный персептрон, машинное обучение, позиционное кодирование, координатное кодирование, искусственный интеллект

Гибридное адаптивно-оптимальное управление с настройкой параметров методом MPSO для трехзвенного робототехнического манипулятора

2026. T.14. № 4. id 2243

Ла М. Лван М.

DOI: 10.26102/2310-6018/2026.55.4.007

В статье рассматривается задача высокоточного слежения за траекторией трехзвенного нелинейного робототехнического манипулятора, функционирующего в условиях параметрической неопределенности и внешних возмущений. Классические ПИД-регуляторы и стандартные адаптивные методы управления демонстрируют ограниченную робастность и пониженную энергетическую эффективность при управлении динамически связанной многозвенной системой. Для преодоления указанных ограничений предложена гибридная адаптивно-оптимальная структура управления, объединяющая адаптивное вычислительное управление моментом с модифицированным алгоритмом роя частиц для систематической настройки коэффициентов регулятора. Динамическая модель получена на основе формализма Эйлера – Лагранжа и реализована в среде MATLAB методом численного интегрирования. Параметры регулятора оптимизируются по многокритериальной целевой функции, учитывающей ошибку слежения, управляющее воздействие и энергопотребление. Оптимизированные коэффициенты усиления затем применяются в рамках адаптивной компенсационной структуры в режиме реального времени для повышения устойчивости к неопределенностям моделирования. Результаты моделирования показывают, что предложенный подход обеспечивает снижение среднеквадратичной ошибки приблизительно на 26 % по сравнению со стандартным адаптивным управлением, уменьшение времени установления, снижение нормированного энергопотребления и уменьшение пульсаций крутящего момента, что подтверждает повышение точности, робастности и энергоэффективности системы.

Ключевые слова: робототехнический манипулятор, адаптивное управление, гибридное оптимальное управление, оптимизация роя частиц, слежение за траекторией

Алгоритмизация управления распределением ограниченных финансовых ресурсов в региональном социальном фонде на основе нейронных сетей ART-MAP

2026. T.14. № 3. id 2242

Бурковский В.Л. Обухова А.Е.

DOI: 10.26102/2310-6018/2026.54.3.015

В условиях сохраняющейся ограниченности бюджетных ресурсов, усугубляемой возрастающей социальной нагрузкой на региональные бюджеты, проблема поиска эффективных механизмов распределения средств государственных социальных фондов приобретает первостепенное значение. От того, насколько рационально и справедливо будут распределены ресурсы, напрямую зависит социальное самочувствие миллионов граждан и стабильность общественных отношений. Ключевым элементом для построения такой эффективной системы является наличие четкой, научно обоснованной и, что особенно важно, отранжированной по степени приоритетности классификации групп-получателей социальной помощи. Такая классификация позволяет перейти от уравнительного принципа поддержки к адресному, концентрируя усилия и средства на наиболее уязвимых категориях населения. В данной статье предлагается к рассмотрению инновационный подход к алгоритмизации этого сложного процесса. Предлагаемый метод основан на интеграции разработанной иерархической классификации получателей с современными нейросетевыми технологиями, а именно с архитектурами семейства ART-MAP. Использование данных нейросетей позволяет создать гибкую, адаптивную систему, способную обучаться в реальном времени, учитывать динамику изменений социальной среды и обеспечивать не только точную, но и полностью прозрачную, понятную и обоснованную дисперсию (перераспределение) финансовых потоков, что критически важно для соблюдения принципов социальной справедливости.

Ключевые слова: распределение финансовых ресурсов, региональный социальный фонд, нейронные сети, алгоритмизация, управление

Применение машинного обучения и анализа значимых признаков для прогнозирования потребностей на российском фармацевтическом рынке

2026. T.14. № 3. id 2241

Ломакин А.С. Оганесян А.А. Зубков А.В.

DOI: 10.26102/2310-6018/2026.54.3.017

Статья посвящена исследованию применения компьютерных методов анализа табличных данных для прогнозирования потребления товаров на российском фармацевтическом рынке. В статье раскрывается основной этап разработки информационной системы, предназначенной для прогнозирования закупок лекарственных препаратов и поддержки принятия управленческих решений в сфере лекарственного обеспечения. Рассматриваются особенности закупочной деятельности медицинских организаций и ключевые риски, связанные с планированием потребности в лекарственных средствах и формированием цен на фармацевтическую продукцию. Детально изложены современные методы, используемые в работе, включая модели машинного обучения и анализ значимости признаков с помощью SHAP. Описывается процесс подготовки и предобработки данных, включающий сбор, очистку, преобразование и кодирование признаков, а также формирование обучающих и тестовых выборок для построения регрессионных моделей. Особое внимание уделено выявлению факторов, влияющих на ценообразование лекарственных препаратов, и повышению точности прогнозирования за счет применения специализированных моделей для отдельных групп препаратов. Авторами работы оценивается экономический эффект от использования предложенного решения. Кроме того, инструмент помогает медорганизациям эффективнее планировать закупки путем снижения рисков и оптимизации бюджета. В рамках устойчивого рационального развития фармрынка России подробно рассматриваются вопросы автоматизации закупок и прогнозирования цен в качестве ключевых факторов.

Ключевые слова: машинное обучение, искусственный интеллект, SHAP-анализ, информационные системы, прогнозирование потребностей, фармацевтический рынок

Дифференциальная эволюция с многоуровневым обменом в окрестности для бюджетно‑ограниченной локализации множества корней нелинейных систем уравнений

2026. T.14. № 4. id 2238

Ли Ц. Антамошкин О.А.

DOI: 10.26102/2310-6018/2026.55.4.016

Бюджетно‑ограниченная локализация множества корней нелинейных систем уравнений требует одновременно охватывать различные области притяжения и быстро уточнять перспективные кандидаты при ограниченном числе вычислений невязки. Во многих нишевых вариантах дифференциальной эволюции замена выполняется внутри локальных окрестностей, однако чрезмерно локальное спаривание снижает покрытие пространства и приводит к преждевременной стагнации. В работе предлагается дифференциальная эволюция с многоуровневым обменом в окрестности, которая сохраняет механизм замещения в окрестности, но вводит контролируемый обмен глобальной информацией. Метод использует мутацию с переключением по величине невязки, выбирая между локальной эксплуатацией и глобальным якорем, а также многоуровневое скрещивание, связывающее особей из трех фитнес‑стратифицированных групп для поддержания разнообразия. Для формирования множества различных решений применяется архив подтвержденных корней и фильтрация дубликатов по расстоянию. Эксперименты на шести эталонных системах показывают, что предложенный подход при одинаковом вычислительном бюджете повышает долю обнаруженных корней и вероятность успешного нахождения всех корней по сравнению с репрезентативными нишевыми вариантами дифференциальной эволюции.

Ключевые слова: дифференциальная эволюция, нелинейные системы уравнений, локализация множества корней, ниширование, обмен в окрестности, вычислительный бюджет, эволюционные вычисления

Модификация модели информационного процесса удаленного мониторинга состояния объектов на основе гетерогенных источников данных

2026. T.14. № 4. id 2237

Гилка В.В. Кузнецова А.С. Качанов Ю.А. Морозов Д.А. Ломакин А.С.

DOI: 10.26102/2310-6018/2026.55.4.006

В статье предложена модификация модели информационного процесса удаленного мониторинга состояния объектов, направленная на повышение корректности интерпретации результатов в условиях гетерогенности источников данных, различий частоты измерений, задержек поступления и неполноты наблюдений. Цель работы заключается в расширении исходной модели за счет включения дополнительных этапов и механизмов, обеспечивающих контроль качества данных, согласование потоков по времени, устойчивость уведомлений и воспроизводимость получаемых оценок. В качестве методов использованы структурно-функциональная декомпозиция информационного процесса и формализация принципов обработки данных на каждом добавленном этапе. В рамках модификации введены: профиль объекта как контекст интерпретации параметров и механизм однозначной привязки измерений к объекту; временная синхронизация потоков на основе оконной обработки; контур контроля качества данных с формированием меток валидности и выявлением аномальных значений; показатель доверия к оценке состояния, учитывающий полноту и качество наблюдений; событийная интерпретация результатов (фиксация отклонений, восстановления и потери источников данных); механизмы устойчивых уведомлений на основе расширенной пороговой модели с гистерезисом и ограничением частоты сообщений; средства объяснимого вывода, указывающие параметры, повлиявшие на присвоенный статус; а также трассируемость результатов за счет журналирования входных данных, правил интерпретации и выходных оценок. В результате сформирована уточненная структура информационного процесса, позволяющая получать оценку состояния с учетом качества и согласованности входных данных, а также обеспечивать устойчивую выдачу результатов субъекту мониторинга.

Ключевые слова: удаленный мониторинг, состояние объекта, гетерогенный источник информации, информационный процесс, структурно-функциональная модель, контроль качества данных, временная синхронизация, оконная обработка, устойчивые уведомления, трассируемость результатов

Системный подход к исследованию параметров опор газотурбинных двигателей: многофизическая модель демпфирующей опоры

2026. T.14. № 4. id 2236

Зубков Н.В.

DOI: 10.26102/2310-6018/2026.55.4.010

Актуальность исследования обусловлена необходимостью повышения эффективности анализа динамических характеристик демпфирующих опор газотурбинных двигателей, поскольку существующие конечно-элементные модели обладают высокой вычислительной сложностью и не применимы для оперативного анализа, а упрощенные аналитические модели ориентированы на обобщенную оценку характеристик и имеют ограниченные возможности при исследовании нелинейных контактных и гидродинамических эффектов. В связи с этим данная статья направлена на разработку многофизической имитационной модели демпфирующей опоры газотурбинного двигателя, обеспечивающей достоверное исследование ее динамических и демпфирующих характеристик в составе виртуального испытательного комплекса. Ведущим методом исследования является системный подход, основанный на интеграции библиотек Simscape и Multibody среды MATLAB Simulink, позволяющий реализовать согласованное моделирование механических, контактных и гидродинамических процессов в подшипниковом узле и демпфирующем пакете, а также проводить параметрический анализ влияния конструктивных характеристик на динамический отклик системы. В статье разработана многофизическая модель демпфирующей опоры, реализующая взаимодействие тел качения, упруго-диссипативных элементов и гидродинамической среды, и выполнено исследование влияния числа лент и гофр демпфирующего пакета на силовые и частотные характеристики опоры. Полученные на базе разработанной модели результаты моделирования позволяют количественно оценивать влияние конструктивных параметров демпфирующих опор на вибрационную устойчивость ротора и могут быть использованы при проектировании, оптимизации и виртуальном прототипировании опорных узлов газотурбинных двигателей.

Ключевые слова: виртуальный испытательный комплекс, газотурбинный двигатель, демпфирующая опора, многофизическая модель, гидродинамическая модель

Алгоритм автоматической идентификации транспорта экстренных служб

2026. T.14. № 4. id 2234

Шульга Т.Э. Либерман А.И. Фадеева А.А. Костюкевич Т.А.

DOI: 10.26102/2310-6018/2026.55.4.011

Актуальность исследования обусловлена необходимостью обеспечения оперативного доступа транспортных средств экстренных служб на территорию охраняемых объектов, доступ к которых в условиях современной городской среды часто ограничен шлагбаумами и другими физическими барьерами, управляемыми автоматически. Данная проблема может быть решена за счет внедрения интеллектуальных систем идентификации транспорта экстренных служб. В связи с этим, данная статья направлена на разработку алгоритма автоматической идентификации транспорта экстренных служб по изображению. Идея предлагаемого алгоритма основывается на совместном использовании искусственной нейронной сети и онтологической модели знаний о транспорте экстренных служб. Онтология разработана с использованием редактора Protégé и языка OWL на основе анализа открытых данных о классификации и оснащении экстренных служб. В качестве основы искусственной нейронной сети выбрана архитектура YOLOv8, обученная на расширенном наборе данных Roboflow. Результаты экспериментального исследования подтвердили высокую эффективность предложенной модели, достигшую точности 89 %, что свидетельствует о ее практической применимости для решения целевой задачи. Разработанный алгоритм может быть интегрирован в интеллектуальные системы управления доступом на территориях жилых комплексов и коммерческих объектов, способствуя тем самым повышению уровня безопасности и оптимизации сервисного обслуживания.

Ключевые слова: OWL-онтология, семантическая модель, искусственная нейронная сеть, алгоритм распознавания изображений, транспорт экстренных служб

Моделирование и оптимизация процесса сбора данных для искусственного интеллекта в медицине

2026. T.14. № 4. id 2232

Иващенко А.В. Терехин М.А. Порецкова Г.Ю. Жданович Г.Э. Мельников Д.А. Радаев Д.Е.

DOI: 10.26102/2310-6018/2026.55.4.020

Развитие технологий искусственного интеллекта в медицине требует реализации системного подхода по сбору и обработке структурированных наборов данных (датасетов) для обучения, тестирования и валидации моделей машинного обучения. В статье предложено решение этой задачи путем имитационного моделирования на основе теории массового обслуживания, в ходе которого необходимо оценить плановую пропускную способность каждой точки сбора информации, обеспечение достаточного количества пациентов, доступности и достоверности их медицинской информации, обеспечение требований законодательства в части защиты персональных данных и врачебной этики. Исследование предложенного подхода было произведено на примере анализа процессов сбора биомедицинских данных, предназначенных для обучения моделей искусственного интеллекта методам дистанционной диагностики. Эмпирическая часть исследования проводилась на базе пунктов сбора биомедицинских сигналов в течение шести месяцев. Общий объём выборки составил 574 пациента. В рамках исследования была построена имитационная модель, позволившая провести оптимизацию процесса сбора данных. По данным имитационного моделирования средняя интенсивность сбора данных составила 7,28 пациента в день при выраженной вариативности нагрузки. В ходе оптимизации были произведены изменения в процессе сбора данных путем распараллеливания, что позволило повысить производительность за счет сокращения времени на анкетирование и термометрию и увеличения входящего потока пациентов. Проведенная оптимизация процесса сбора данных позволила повысить интенсивность работы с 4,67 до 12,12 пациентов в день. Предложенный подход позволяет обосновать архитектуру организационно-технологического процесса сбора информации до начала масштабирования и минимизировать риски превышения календарных сроков формирования медицинских датасетов.

Ключевые слова: медицинский датасет, имитационное моделирование, теория массового обслуживания, цифровой двойник, пропускная способность, искусственный интеллект

Автоматизированная система поддержки принятия решений для прогнозирования покупательского поведения пользователей интернет-магазинов

2026. T.14. № 3. id 2230

Святов Р.С.

DOI: 10.26102/2310-6018/2026.54.3.010

Актуальность исследования обусловлена стремительным развитием электронной коммерции и необходимостью построения эффективных инструментов прогнозирования поведения пользователей интернет-магазинов. Проблема заключается в том, что существующие решения в этой области часто ограничены применением к конкретным наборам данных, не обладают достаточной масштабируемостью и редко поддерживают автоматизацию процесса прогнозирования в реальном времени. Целью работы является разработка системы поддержки принятия решений, позволяющей на основе анализа поведенческих данных пользователей формировать прогноз вероятности совершения покупки в будущем и предоставлять лицам, принимающим решения, готовые рекомендации для дальнейших маркетинговых действий. Методологическая основа исследования заключается в использовании системы веб-аналитики в качестве источника информации о действиях пользователей, предобработке и структурировании данных, а также применении градиентного бустинга в качестве алгоритма машинного обучения для прогнозирования вероятности совершения покупки. Для определения внутренних и внешних факторов, которые могут оказать положительное или отрицательное влияние на достижение поставленной цели, был проведен SWOT-анализ. Проведена экспериментальная апробация системы на данных четырех интернет-магазинов различной направленности. Полученные результаты показали, что общее значение показателя F-меры превышает 80 % во всех экспериментах. Материалы статьи представляют практическую ценность для специалистов в области электронной коммерции, аналитиков и маркетологов, а также лиц, принимающих решения, поскольку разработанная система позволяет автоматизировать процесс прогнозирования покупательского поведения, формировать интерпретируемые сегменты пользователей и использовать полученные результаты в задачах персонализации маркетинговых коммуникаций и оптимизации управленческих решений.

Ключевые слова: машинное обучение, система поддержки принятия решений, анализ поведения пользователей, электронная коммерция, прогнозирование покупательского поведения, интернет-магазины

Управление транспортным потоком на основе обучения с подкреплением

2026. T.14. № 4. id 2223

Минаков Е.И. Хазов Н.И.

DOI: 10.26102/2310-6018/2026.55.4.015

Пробки на дорогах часто возникают из-за неэффективного управления светофорами на перекрестках, то есть из-за того, что их настройки недостаточно адаптированы к конкретным условиям. В настоящее время активно ведутся зарубежные исследования в области применения методов машинного обучения с подкреплением для оптимизации транспортных потоков на перекрестках, что еще раз показывает актуальность проблемы. Перспектива применения обучения с подкреплением заключается в способности управлять динамикой сложных процессов без вмешательства человека. Для поддержания эффективности и безопасности перемещения автомобилей в городских условиях существуют системы, управляющие потоками транспорта с помощью светофорных объектов. В работе рассмотрены существующие типы систем управления транспортными потоками. В ходе проведенного анализа выявлены их положительные и негативные качества. В статье предложена система интеллектуального управления, основанная на принципах обучения с подкреплением, дополненная аппроксиматором, в качестве которого используется нейронная сеть. Архитектура сети представляет собой многослойный перцептрон с двумя скрытыми слоями с ReLU функциями активации. Представлен процесс обучения агента и результаты моделирования системы управления в среде микроскопического моделирования SUMO. Результаты представлены в виде графика динамики обучения агента, тепловых карт перекрестков при имитации движения в час пик и при ДТП до воздействия и после. Предложенная система позволяет увеличить интенсивность движения в сети перекрестков на 40 % и 25 % при движении в час-пик и ДТП соответственно. Помимо этого, отражены дальнейшие перспективы ее развития.

Ключевые слова: транспортный поток, управление дорожным движением, обучение с подкреплением, нейронная сеть, машинное обучение, адаптивное управление

Гибридная семантическая редукция текстов в библиотечных информационных системах

2026. T.14. № 3. id 2220

Рзянкин И.С. Носков М.В.

DOI: 10.26102/2310-6018/2026.54.3.013

Актуальность исследования обусловлена ростом объемов текстовой информации в библиотечных информационных системах и необходимостью обеспечения быстрой и содержательной навигации по электронным фондам в условиях ограниченных вычислительных ресурсов. Существующие решения автоматической суммаризации ориентированы преимущественно на использование крупномасштабных языковых моделей, что затрудняет их внедрение в локальную библиотечную инфраструктуру. В связи с этим работа направлена на разработку ресурсосберегающего метода семантической редукции текста, обеспечивающего баланс между качеством смыслового представления и вычислительной доступностью. Ведущим подходом является гибридная архитектура, основанная на последовательном применении лексической редукции с использованием облаков слов и нейросетевой суммаризации компактными моделями. В исследовании предложена контекстно-ориентированная метрика оценки релевантности, учитывающая семантическую целостность, структурные характеристики и доменно значимые термины библиотечной среды. Экспериментальное исследование на корпусе из 1178 документов показало, что гибридный подход обеспечивает прирост показателей релевантности при одновременном сокращении времени инференса по сравнению с прямой нейросетевой суммаризацией полного текста. Полученные результаты подтверждают возможность практического внедрения предложенного метода в библиотечных информационных системах с ограниченной вычислительной инфраструктурой и его применимость для задач навигации и каталогизации.

Ключевые слова: семантическая редукция текста, автоматическая суммаризация, облако слов, библиотечные информационные системы, гибридные методы обработки текста, нейросетевые модели, оценка релевантности, library Relevance Score

Применение марковского процесса принятия решений при разработке стратегии информационной безопасности

2026. T.14. № 4. id 2217

Зубченко К.В. Султанов Н.З. Шевцова Г.А.

DOI: 10.26102/2310-6018/2026.55.4.019

Актуальность исследования обусловлена ростом количества и сложности кибератак, в частности, необходимостью постоянного повышения уровня защиты организаций, а также постоянного планирования и моделирования стратегии защиты в условиях ограниченности ресурсов. Данная работа направлена на разработку модели, позволяющей осуществлять разработку стратегии информационной безопасности заданной организации с учетом экономических показателей. Основными методами исследования являются моделирование, сравнительный анализ и синтез. В работе содержатся характеристики смоделированных организаций, использованные в прототипе формулы и алгоритмы, а также числовые показатели критериев и параметров. Представлены зависимости между параметрами модели. В результате выявлена работоспособность модели на смоделированных организациях: получены оптимальные стратегии для каждой из них, коррелирующие с общепризнанными подходами к построению стратегий в реальных компаниях. Продемонстрированы результирующие графики состояния систем. Для всех организаций наиболее оптимальными оказались комплексные стратегии. В краткосрочной перспективе использование марковского процесса принятия решений позволяет успешно оптимизировать управленческие решения, независимо от степени зрелости компании. Выделение большого бюджета на информационную безопасность оказывает существенное влияние на эффективность только для компаний с низкой степенью зрелости. Результаты работы представляют практическую ценность для специалистов и руководителей по информационной безопасности, предоставляя инструмент для разработки оптимальной стратегии информационной безопасности в рамках заданного бюджета.

Ключевые слова: марковский процесс принятия решений, стратегия информационной безопасности, моделирование стратегии защиты, экономические затраты, оптимизация стратегии

Разработка системы адаптивного управления ресурсами контейнеризированных САПР на основе обучения с подкреплением

2026. T.14. № 3. id 2216

Чудинова А.А.

DOI: 10.26102/2310-6018/2026.54.3.016

Данный проект посвящен разработке адаптивной системы управления ресурсами для контейнеризированных приложений автоматизированного проектирования (САПР) с использованием обучения с подкреплением. Современные рабочие нагрузки САПР характеризуются высокой изменчивостью вычислительных требований, что делает традиционные механизмы автоматического масштабирования на основе пороговых значений недостаточными для поддержания производительности и надежности в динамических условиях. Для решения этой проблемы предлагаемая система сравнивает классическое автоматическое масштабирование подов Kubernetes на основе пороговых значений (HPA) со стратегией автоматического масштабирования на основе Q-обучения, применяемой к кластерам контейнеров. Экспериментальная установка реализована как симуляция распределенного контейнеризированного кластера и включает в себя настраиваемые модели рабочей нагрузки, представляющие собой легкие, средние, тяжелые и пиковые шаблоны запросов. Производительность системы оценивается с использованием метрик, таких как время отклика, пропускная способность, доступность, экономическая эффективность, среднее время восстановления и ложноположительные события масштабирования. Агент обучения с подкреплением наблюдает за отслеживаемыми системными метриками и изучает политики масштабирования, которые оптимизируют долгосрочную производительность и стабильность за счет многократного взаимодействия с окружающей средой. Интерфейс приложения позволяет пользователям управлять параметрами моделирования, включая количество запусков политик, количество эпизодов за запуск и шагов в эпизоде, а также параметрами конфигурации кластера, такими как количество узлов и ядер на узел. Интенсивность рабочей нагрузки может быть скорректирована для анализа поведения системы в различных сценариях эксплуатации. Такая конфигурация позволяет проводить систематическую оценку адаптивных стратегий автомасштабирования и их влияния на эффективность использования ресурсов и отказоустойчивость в контейнеризированных системах САПР. Исследование представляет собой методологическую новизну благодаря интерактивному интерфейсу оценки, основанному на экспериментах, который объединяет логику моделирования и оркестровки.

Ключевые слова: адаптивное управление ресурсами, экспериментальная установка, контейнеризированный кластер, рабочие нагрузки, kubernetes, классическое автоматическое масштабирование подов, пороговые значения (HPA), стратегия автоматического масштабирования, q-обучение

Алгоритм построения вполне интерпретируемых сегментированных линейных регрессий

2026. T.14. № 3. id 2212

Базилевский М.П.

DOI: 10.26102/2310-6018/2026.54.3.018

Работа посвящена актуальному научному направлению – интерпретируемому машинному обучению. Ранее автором было введено понятие «вполне интерпретируемая линейная регрессия», построение которой осуществляется с помощью метода наименьших квадратов по всей выборке статистических данных. В статье это понятие обобщается на сегментированную линейную регрессию, при идентификации которой данные сначала разбиваются на сегменты, а затем на каждом из них строится своя линейная регрессия. Разработан алгоритм построения вполне интерпретируемых сегментированных линейных регрессий. Его особенность в том, что, во-первых, разбиение пространства предикторов на сегменты осуществляется с помощью логических функций активации аргументов бинарных операций min. Во-вторых, в каждом сегменте строится парная регрессия, что полностью решает проблему мультиколлинеарности. С помощью разработанного алгоритма по выборке объема 1030 наблюдений была построена сегментированная линейная регрессия прочности бетона на сжатие. Во всех ее восьми сегментах значения коэффициентов детерминации линейных регрессий не превосходят величины 0,8, что указывает на наличие неучтенных факторов, поэтому построенную модель нельзя отнести строго ко вполне интерпретируемым. Тем не менее, все остальные условия интерпретируемости выполнены. К тому же сегментированная модель по качеству аппроксимации в целом оказалась гораздо лучше простой линейной регрессии.

Ключевые слова: регрессионный анализ, интерпретируемость, сегментированная линейная регрессия, метод наименьших квадратов, мультиколлинеарность, значимость оценок

Архитектуры глубокого обучения для сегментации мультифазных КТ-изображений

2026. T.14. № 3. id 2211

Самсоненко С.В. Каширина И.Л.

DOI: 10.26102/2310-6018/2026.54.3.012

В статье проводится комплексный систематический анализ современных архитектур глубокого обучения для автоматической сегментации мультифазных КТ-изображений. Подробно рассматриваются специфические особенности мультифазных данных, главными из которых являются пространственные несовпадения (смещения) между фазами, вызванные движениями пациента, и различный характер накопления контрастного вещества в патологических тканях на разных фазах. Эти особенности делают прямую адаптацию классических методов сегментации неэффективной и требуют разработки специализированных архитектур. В статье прослеживается эволюция подходов: от базовых сверточных сетей (U-Net, 3D U-Net, nnU-Net) и гибридных моделей (TransUNet, UNETR), комбинирующих свертки и трансформеры, до специализированных решений. Особое внимание уделяется моделям с механизмами перекрестного внимания между фазами, таким как PA-ResSeg, M3Net и MULLET, которые позволяют осуществлять неявное выравнивание признаков и адаптивное слияние информации из разных фаз без явной регистрации (совмещения) изображений. В работе также анализируются сравнительные преимущества различных стратегий слияния данных c разных фаз (раннее, позднее, перекрестное взаимодействие), рассматриваются вопросы вычислительной эффективности и доступности открытых датасетов. Определены ключевые тенденции и перспективные направления развития области, включая применение фундаментальных моделей (MedSAM, VoxTell) и модально-агностичное обучение. Делается вывод о том, что дальнейший прогресс в области мультифазной сегментации КТ-изображений связан с созданием вычислительно эффективных архитектур, способных к интеграции в реальный клинический процесс для поддержки диагностических решений.

Ключевые слова: гибридные архитектуры, сегментация изображений, механизмы внимания, мультифазная КТ, слияние признаков, медицинская визуализация, глубокое обучение, компьютерное зрение, PA-ResSeg, m3Net

Исследование неопределенности в многоагентном мониторинге дорожного покрытия

2026. T.14. № 2. id 2210

Подберёзкин А.А.

DOI: 10.26102/2310-6018/2026.53.2.009

Актуальность исследования обусловлена тем, что в платформах мониторинга дорожной инфраструктуры ошибки на уровне детектирования и интерпретации состояния объектов способны переходить в ошибки нормативных и управленческих решений, особенно в реальных условиях съемки (тени, блики, влажное/заснеженное покрытие, загрязнения, неоднозначные границы дефектов), где возрастает риск неверной классификации и локализации. Это критично при пороговой нормативной оценке, поскольку небольшая погрешность может привести к смене категории состояния и, как следствие, к необоснованному назначению ремонтных мероприятий либо к пропуску опасного дефекта. В связи с этим статья направлена на исследование учета неопределенности детектирования дефектов дорожного покрытия в многоагентном контуре мониторинга, где результаты наблюдений передаются между компонентами вместе с контекстом обработки через Model Context Protocol как единый протокол обмена событиями, метаданными и параметрами интерпретации. Ведущим подходом является построение вычислительного конвейера, включающего предварительную обработку видеоданных, детектирование дефектов, вычисление показателя неопределенности H(p) по распределению вероятностей классов, присвоение статуса «автоматически/валидация/уточнение», последующую нормативную интерпретацию и агрегацию по участкам дорожной сети. Для обеспечения воспроизводимости каждый прогон фиксируется как унифицированный «контекст эксперимента» (идентификатор сцены/кадра, версия модели, параметры порогов, статус решения), что позволяет сопоставимо сравнивать режимы и выполнять аудит причин расхождений. Верификация основана на сравнении нормативных решений с экспертной оценкой и анализе зависимости доли ошибочных нормативных решений от порога автоматического принятия решения по H(p), при этом риск-ориентированная логика переводит высоконеопределенные детекции в режим валидации и снижает вероятность ошибок в пограничных случаях. Показано, что протоколирование контекста через Model Context Protocol и учет H(p) повышают воспроизводимость экспериментов и обоснованность нормативной интерпретации, уменьшая риск ошибочной приоритизации ремонта за счет отделения сомнительных наблюдений и сохранения причин принятого решения.

Ключевые слова: многоагентная система, мониторинг дорожного покрытия, дефекты дорожного покрытия, компьютерное зрение, неопределенность детектирования, нормативная интерпретация, протоколирование контекста

Метод извлечения информации на основе экстрактивных вопросно-ответных моделей и стратегий оценки и агрегации релевантных фрагментов текста

2026. T.14. № 3. id 2207

Мартынюк П.А.

DOI: 10.26102/2310-6018/2026.54.3.008

В условиях ускоренного роста объемов текстовых данных разнородной структуры особую важность приобретают универсальные подходы к извлечению информации, не зависящие от конкретной структуры и предметной области исходных текстов. Несмотря на широкое распространение больших генеративных языковых моделей, проблема точного и ресурсоэффективного извлечения информации из текстовых данных сохраняет свою актуальность. Генеративные модели, обладая широкими возможностями, зачастую избыточны для решения специализированных задач информационного поиска и могут демонстрировать низкую интерпретируемость получаемых результатов. Настоящее исследование является частью исследовательской работы, направленной на разработку альтернативного метода извлечения информации из неструктурированных текстов с целью формирования структурной модели текстового документа. Предлагаемый подход фокусируется на выделении семантически насыщенных фрагментов текста через анализ релевантности относительно заданных тематических аспектов текста. В рамках данного исследования предлагается метод извлечения информации с использованием экстрактивной вопросно-ответной модели, основанный на многоуровневой агрегации ответов с использованием комбинации стратегий оценки релевантности текстовых фрагментов, семантической кластеризации и выбора результирующего ответа на заданный вопрос. Предлагаемый подход позволяет идентифицировать в тексте слова, наиболее релевантные по отношению к искомым тематическим аспектам, которые впоследствии могут быть использованы для извлечения достоверной информации из документа. В статье представлены результаты эксперимента, подтверждающие эффективность предложенного метода в задаче идентификации семантически релевантных элементов текстового документа. Полученные результаты имеют практическую ценность для разработки систем автоматического построения семантических структур текста и могут быть применены в задачах анализа документов, информационного поиска и интеллектуальной обработки текстовых данных.

Ключевые слова: обработка естественного языка, извлечение информации, неструктурированный текст, вопросно-ответная модель, механизм самовнимания

Экспериментальный анализ устойчивости многосистемных ГНСС-приемников беспилотных летательных аппаратов к преднамеренным радиочастотным воздействиям

2026. T.14. № 4. id 2205

Ступина А.А. Кукарцев В.В. Кравцов К.И. Масюк М.А.

DOI: 10.26102/2310-6018/2026.55.4.013

В большинстве современных беспилотных летательных аппаратов (БПЛА) в качестве основного средства определения пространственного положения используются глобальные навигационные спутниковые системы (ГНСС). Однако навигационные сигналы гражданского назначения обладают низкой энергетической защищенностью и уязвимы к преднамеренным радиочастотным воздействиям на физическом уровне, таким как подавление и подмена сигналов, что может приводить к потере навигационного решения или формированию ложных координат. Целью данной работы является экспериментальный анализ устойчивости навигационных приемников БПЛА к преднамеренным радиочастотным воздействиям и оценка влияния параметров мешающего сигнала на надежность приема навигационной информации ГНСС. В рамках исследования проанализированы частотные и сигнальные характеристики систем GPS, ГЛОНАСС, Galileo и BeiDou, а также проведены экспериментальные измерения отношения сигнал/шум C/N₀ при воздействии заградительных помех различной мощности и геометрии расположения источника помех. Дополнительно исследовано влияние экранирования навигационного приемника и реализована асинхронная атака с использованием программно-определяемых радиосредств. В результате установлено, что снижение C/N₀ ниже 25–28 дБ·Гц приводит к потере устойчивого навигационного приема независимо от используемой навигационной системы. Показано, что маломощные источники помех способны нарушать навигационное обеспечение БПЛА на расстояниях до нескольких сотен метров, а экранирование приемника снижает эффективность воздействия помех, но не обеспечивает полной защиты.

Ключевые слова: беспилотные летательные аппараты, глобальные навигационные спутниковые системы, навигационные приемники, радиочастотные помехи, устойчивость навигации

Вычислительный метод сегментации изображений на основе поля Дирихле и анализ асимптотической точности дискретизации пространственных регуляризаторов

2026. T.14. № 3. id 2204

Щетинин Е.Ю. Шевчук А.А.

DOI: 10.26102/2310-6018/2026.54.3.009

Предложен вычислительный метод семантической сегментации изображений с оценкой распределительной неопределенности на основе представления предсказания в виде поля распределений Дирихле. В отличие от подходов, требующих многократных стохастических прогонов при инференсе (MC-dropout) или усреднения по ансамблю независимых моделей, метод вычисляет карты неопределенности в замкнутой форме по параметрам поля Дирихле, предсказанным за один прямой проход нейросети. Метод формулируется как минимизация составного функционала, включающего ожидаемую логарифмическую функцию потерь (expected log-loss), KL-регуляризацию для управления концентрацией распределения и пространственное сглаживание, учитывающее локальные перепады интенсивности изображения (edge-aware). Для фиксированных гладких полей установлена асимптотическая точность дискретизации используемых пространственных регуляризаторов: дискретная энергия Дирихле аппроксимирует соответствующий непрерывный интеграл с погрешностью первого порядка по шагу сетки. Дополнительно введено формальное разложение общей неопределенности на эпистемическую и подтвержденную данными компоненты, которое может использоваться в дальнейшем при анализе поведения метода и построении расширений. Вычислительные эксперименты выполнены на трех наборах медицинских изображений (ACDC, Synapse, CHAOS) с 10 независимыми инициализациями. В основном сравнении с базовой моделью, обученной по кросс-энтропии, различия статистически значимы по инициализациям на всех датасетах; на ACDC дополнительно подтверждена значимость на уровне пациентов. Метод повышает качество сегментации и улучшает калибровку вероятностных оценок при накладных расходах порядка 17 %. В задаче детекции ошибок сегментации на уровне пикселей карта неопределенности достигает AUROC 0,891.

Ключевые слова: сегментация изображений, нейросетевые методы, распределение Дирихле, оценка неопределенности, калибровка, энергия Дирихле, edge-aware регуляризация, асимптотическая точность дискретизации

Имитационная модель управления загрузкой сотрудников лабораторной службы в условиях пандемии на платформе AnyLogic

2026. T.14. № 4. id 2203

Донская А.Р. Ломакин А.С. Зубков А.В. Орлов Д.В. Назаров Н.О. Ковалева Е.С.

DOI: 10.26102/2310-6018/2026.55.4.003

Резкий рост нагрузки на системы здравоохранения во время пандемии COVID-19 показал неэффективность традиционных методов расчета производительности труда, основанных на математических формулах. В них не учитываются динамика рабочих процессов, проблемы в планировании трудовых ресурсов, оборудования и площадей. Это приводит к неэффективному распределению нагрузки, особенно когда, на примере клинических лабораторий, возникла необходимость обработки тысяч проб на ПЦР-тестирование ежедневно. Целью исследования является разработка и анализ метода планирования трудовой нагрузки с использованием имитационного моделирования в AnyLogic, позволяющего визуализировать и оптимизировать лабораторные процессы. Задачи включают анализ существующих подходов, описание методики, применение на примере ПЦР-лаборатории и оценку преимуществ в условиях пандемии. Предлагаемый подход включает хронометраж технологических процессов, сбор данных в табличной форме и создание цифровой модели лаборатории для выявления «узких горлышек», простоев оборудования и персонала. На примере ПЦР-лаборатории демонстрируется возможность оптимизации ресурсов, расчета максимальной производительности и обоснования закупок. Метод позволяет повысить эффективность лабораторного производства в ситуациях непрогнозируемого спроса, минимизируя риски срывов и финансовых потерь.

Ключевые слова: имитационное моделирование, anyLogic, планирование трудовой нагрузки, лабораторное производство, пандемия COVID-19

Оптимальное управление конечными приращениями факторов модели на основе анализа чувствительности

2026. T.14. № 2. id 2202

Сысоев А.С.

DOI: 10.26102/2310-6018/2026.53.2.010

В статье рассматривается актуальная обратная задача целевого управления: определение необходимых конечных изменений входных факторов системы для достижения желаемого целевого состояния, в отличие от классической прямой задачи прогнозирования. Для ее решения предлагается новый методологический подход, основанный на анализе чувствительности с использованием теоремы Лагранжа о промежуточной точке. Этот аппарат позволяет перейти от локальной линеаризации к точному учету нелинейных эффектов и взаимодействий факторов при существенных, наблюдаемых на практике изменениях. Ключевым научным результатом является разработка универсального итерационного алгоритма, который для заданной математической модели определяет вектор конечных изменений управляемых факторов, обеспечивающий требуемое приращение выходного показателя при минимальной совокупной стоимости вносимых изменений и с учетом заданных ограничений. На каждом шаге итерации вычисляется градиент модели (оценка чувствительности) в промежуточной точке, положение которой последовательно уточняется, и решается вспомогательная задача условной оптимизации. Практическая эффективность и работоспособность предложенного метода верифицированы на численном примере с нелинейной моделью Ишигами. Алгоритм успешно нашел оптимальное управляющее воздействие, обеспечив высокую точность достижения цели.

Ключевые слова: обратная задача управления, анализ чувствительности, анализ конечных изменений, теорема Лагранжа о промежуточной точке, условная оптимизация