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

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

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

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

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

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

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

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

Применение методов искусственного интеллекта для анализа поведенческой биометрии человека в обеспечении безопасности сложных информационных систем

2026. T.14. № 2. id 2201

Шелестова О.В. Кочкаров А.А.

DOI: 10.26102/2310-6018/2026.53.2.015

В статье рассматривается применение методов и технологий искусственного интеллекта для анализа поведенческой биометрии человека в задачах обеспечения безопасности сложных информационных систем. Актуальность исследования обусловлена ограничениями традиционных механизмов аутентификации, ориентированных преимущественно на начальный этап пользовательской сессии и недостаточно эффективных при выявлении подмены пользователя в процессе взаимодействия с системой. В качестве альтернативного подхода предлагается использование поведенческих характеристик пользователя для непрерывной оценки доверия к текущей сессии. В работе проведен анализ обезличенных данных ввода текста на мобильном устройстве, отражающих временные и структурные особенности взаимодействия пользователя с интерфейсом. Показано, что совокупность таких характеристик позволяет выявлять устойчивые поведенческие закономерности, пригодные для профилирования пользователей. С применением методов снижения размерности и кластерного анализа выделены типовые поведенческие профили, отличающиеся по стилю и ритму ввода, а также характеру исправлений. Установлено, что принадлежность к кластеру сохраняется на протяжении нескольких сессий при допустимой вариативности отдельных признаков. Предложен риск-ориентированный подход к оценке отклонений поведения, основанный на сопоставлении текущих поведенческих признаков с типовым кластерным профилем. Результаты исследования подтверждают целесообразность использования кластерных поведенческих профилей в системах риск-ориентированного управления доступом и могут быть использованы при проектировании и развитии механизмов непрерывной аутентификации в сложных информационных системах.

Ключевые слова: поведенческая биометрия, информационная безопасность, искусственный интеллект, машинное обучение, кластерный анализ, непрерывная аутентификация, анализ пользовательского поведения

Агентный подход к интеллектуальному поиску в библиотечных системах

2026. T.14. № 2. id 2199

Рзянкин И.С. Барышев Р.А. Гучко А.А.

DOI: 10.26102/2310-6018/2026.53.2.008

В статье исследуется применение агентного подхода Retrieval-Augmented Generation (Agentic RAG) в задачах интеллектуального поиска по библиотечным фондам. Объектом исследования является архитектура Agentic RAG, объединяющая методы извлечения информации, агентное планирование и механизмы самооценки промежуточных результатов. Рассматриваемая проблема связана с ограничениями классического Retrieval-Augmented Generation при обработке сложных тематических и контекстных запросов в условиях семантически насыщенных библиотечных данных. В отличие от традиционного RAG, агентная архитектура позволяет итеративно уточнять стратегию поиска, адаптироваться к контексту запроса и пересматривать промежуточные результаты. Методология исследования основана на разработке программного прототипа Agentic RAG и его экспериментальном сравнении с классическим RAG на корпусе реальных данных университетской библиотеки, включающем библиографические метаданные, аннотации и фрагменты полных текстов. Для оценки эффективности использованы количественные метрики информационного поиска (Precision@k, Recall@k, MRR, nDCG) и экспертная оценка релевантности итоговых ответов. Результаты демонстрируют устойчивое превосходство Agentic RAG по показателям точности, полноты и качества ранжирования, особенно при обработке сложных запросов. При этом интерпретация выводов ограничена выбранным набором метрик и параметрами экспериментального корпуса. Практическая значимость заключается в возможности внедрения агентной архитектуры в библиотечно-информационные системы без радикальной перестройки инфраструктуры.

Ключевые слова: агентный поиск, retrieval-Augmented Generation, библиотечные информационные системы, интеллектуальный поиск, семантический поиск, нейросетевые технологии, агентные архитектуры

Онтологический подход к прогнозированию покупательского поведения пользователей в электронной коммерции

2026. T.14. № 2. id 2196

Святов Р.С.

DOI: 10.26102/2310-6018/2026.53.2.018

Актуальность исследования обусловлена необходимостью повышения точности и интерпретируемости моделей прогнозирования покупательского поведения пользователей интернет-магазинов. Существующие методы машинного обучения демонстрируют высокие показатели качества, однако их эффективность существенно зависит от состава и структуры признакового пространства, которое, как правило, формируется эмпирически и не отражает причинно-следственных связей между пользовательскими действиями. В связи с этим данная работа направлена на разработку метода прогнозирования покупательского поведения, основанного на онтологическом анализе предметной области электронной коммерции. Предложен формализованный подход к описанию сущностей и их взаимосвязей, обеспечивающий системное построение признакового пространства и возможность его масштабирования для различных интернет-магазинов. В качестве инструмента машинного обучения использован алгоритм градиентного бустинга CatBoost, реализованный на данных системы веб-аналитики Яндекс.Метрика. Проведено тестирование на пяти интернет-магазинах различной тематической направленности. Экспериментальные результаты показали устойчивые значения метрик качества (F-мера в 65–83 %), что подтверждает применимость и воспроизводимость предложенного метода. Материалы статьи представляют практическую ценность для разработки интеллектуальных систем поддержки принятия решений в электронной коммерции и могут быть использованы при проектировании масштабируемых аналитических платформ для прогнозирования пользовательской активности и конверсии.

Ключевые слова: машинное обучение, онтологический анализ, анализ поведения пользователей, электронная коммерция, прогнозирование покупательского поведения, интернет-магазины

Сравнительное исследование архитектур глубокого обучения для интерпретируемой диагностики заболеваний сетчатки

2026. T.14. № 2. id 2195

Мирошниченко В.В. Каширина И.Л.

DOI: 10.26102/2310-6018/2026.53.2.016

Интерпретируемость решений глубокого обучения является важнейшим требованием при их применении в медицинской диагностике. В работе проведен сравнительный анализ трех современных нейросетевых архитектур: Vision Transformer (ViT), Swin Transformer и ConvNeXt для мультиклассовой классификации заболеваний сетчатки по изображениям оптической когерентной томографии (OCT). Исследование выполнено на открытом наборе данных OCTDL, содержащем 2064 изображения семи диагностических категорий с выраженным дисбалансом классов. Для компенсации дисбаланса применена стратегия взвешивания функции потерь. Все три модели достигли валидационной точности выше 0,91, при этом ConvNeXt показала наилучший результат (0,945) с оптимальным балансом чувствительности и специфичности, особенно для редких патологий. Интерпретируемость решений оценивалась с помощью метода Grad-CAM, визуализации весов внимания и модельно-независимого метода LIME. Анализ выявил, что ConvNeXt в сочетании с Grad-CAM обеспечивает наиболее надежную локализацию клинически значимых признаков, тогда как карты внимания ViT и активации Swin Transformer часто оказывались размытыми или фокусировались на неинформативных областях. Полученные результаты подтверждают преимущество ConvNeXt как наиболее перспективной архитектуры для клинического внедрения в офтальмологическую диагностику благодаря сочетанию высокой точности, интерпретируемости и умеренных вычислительных требований.

Ключевые слова: глубокое обучение, vision Transformer, swin Transformer, convNeXt, заболевания сетчатки, grad-CAM

Применение модели привода для повышения быстродействия системы управления боковой перегрузкой беспилотного летательного аппарата

2026. T.14. № 3. id 2194

Смирнов В.А. Орлов В.П.

DOI: 10.26102/2310-6018/2026.54.3.004

В статье рассматривается проблема повышения быстродействия и точности контуров управления поперечной перегрузкой высокоманевренных беспилотных летательных аппаратов. Отмечается, что традиционные подходы, основанные на использовании полного комплекса физических датчиков и линеаризованных моделей, приводят к усложнению конструкции и недостаточны для компенсации существенных нелинейностей аэродинамики и разброса параметров. В качестве решения предлагается переход к модельно-ориентированному управлению с заменой сигнала датчика положения рулевого привода выходным сигналом его виртуальной математической модели. Исследование направлено на разработку структуры астатического контура, реализующего этот подход. Представлена трехконтурная система с интегральным стабилизатором угловой скорости и компенсацией нелинейной моментной характеристики, обеспечивающая астатизм без дополнительных интегрирующих звеньев. Для практической реализации подхода в высокочастотном контуре предложено введение корректирующих устройств, учитывающих суммарные фазовые запаздывания. Методом статистического моделирования при случайных вариациях параметров системы доказана эффективность решения. Показано, что замена реального сигнала привода его моделью не приводит к статистически значимому ухудшению качества переходных процессов, что подтверждает возможность повышения быстродействия и надежности системы при одновременном упрощении ее аппаратной реализации.

Ключевые слова: система управления, поперечная перегрузка, астатический контур, привод стабилизации, модельно-ориентированное управление

Повышение качества обслуживания трафика в гибридных сетях с облачными и туманными уровнями

2026. T.14. № 3. id 2193

Глушак Е.В. Михайлова П.Д.

DOI: 10.26102/2310-6018/2026.54.3.001

Повышение качества обслуживания (QoS) в гибридных сетях с облачными и туманными уровнями является актуальной задачей современного развития телекоммуникационных систем. С увеличением объемов передаваемых данных традиционные методы управления ресурсами становятся недостаточно эффективными. Гибридные сети, объединяющие облачные и туманные вычисления, могут значительно повысить производительность и снизить задержки. Актуальной задачей становится обеспечение баланса между высокой пропускной способностью, минимальными задержками и низким уровнем потери пакетов. Эффективное распределение ресурсов способствует снижению энергопотребления и эксплуатационных расходов. Статья посвящена оптимизации качества обслуживания трафика в гибридных сетях, объединяющих облачные и туманные вычисления. Представлена математическая модель на основе системы дифференциальных уравнений, описывающая динамику нагрузки, очередей, распределение ресурсов, задержек и потерь пакетов. Модель формализует задачу оптимального управления ресурсами с целью минимизации задержек и потерь при ограниченных возможностях. Для решения применяются численные методы интегрирования. Разработанный алгоритм позволяет эффективно балансировать нагрузку между облачными и туманными уровнями. Предложенный подход подтверждает свою эффективность для оптимизации современных телекоммуникационных систем, особенно для приложений с критическими требованиями к времени отклика.

Ключевые слова: гибридные сети, облачные вычисления, туманные вычисления, качество обслуживания (QoS), оптимизация трафика, балансировка нагрузки, задержка передачи данных, многоуровневая архитектура, распределение ресурсов, маршрутизация

Метод реализации псевдореалистичного перемещения неигровых персонажей в открытых виртуальных мирах

2026. T.14. № 3. id 2190

Шутов К.И. Лобанов А.А.

DOI: 10.26102/2310-6018/2026.54.3.006

На современном рынке игр с открытым миром существует запрос на правдоподобное, но управляемое поведение неигровых персонажей (NPS) при ограниченных вычислительных ресурсах. Существующие решения предлагают две крайности. Либо они перегружают систему попыткой полной симуляции, либо дают предсказуемые скриптовые паттерны. Цель работы – предложить метод псевдореалистичного перемещения NPC, заполняющий разрыв между этими крайностями. Метод основан на проверке достижимости появления NPC: используется матрица кратчайших расстояний между областями игрового мира. При входе игрока в область алгоритм выбирает тех неигровых персонажей, которые физически могли туда добраться с учетом прошедшего времени, заданной скорости и доступных маршрутов, что интерпретирует встречу как следствие скрытого перемещения, а не мгновенного появления. Частота встреч регулируется системой приоритетов. Разработчик может управлять редкостью отдельных персонажей без детальной симуляции их маршрутов. Выбор кандидатов ускоряется переупорядочением почти отсортированного списка, уменьшая стоимость повторных выборок при близких входных условиях. Эксперименты на сгенерированных графах показали, что время выполнения основной части алгоритма на стороне клиента остается в пределах миллисекунд при численности до 1000 NPC. Метод обеспечивает правдоподобие и контролируемость встреч при низкой нагрузке и может быть интегрирован в существующие системы для настройки сложности и баланса.

Ключевые слова: гейм-дизайн, гейм-дев, видеоигры, алгоритм поиска пути, алгоритм сортировки, NPC, неигровой персонаж

Конфиденциальный обмен данными о киберугрозах между государственными учреждениями с использованием FEGB-Net

2026. T.14. № 3. id 2189

Арм А. Ляпунцова Е.В.

DOI: 10.26102/2310-6018/2026.54.3.011

Правительственные сети все чаще становятся объектами скоординированных кибератак, использующих сходства в инфраструктуре и методах работы различных ведомств. Хотя раннее обнаружение в одной организации может послужить важным сигналом для остальных, эффективный обмен информацией об угрозах часто ограничен законами о суверенитете и конфиденциальности данных. В данной статье представлено расширение федеративной ансамблевой графовой сети (FEGB-Net), которое позволяет государственным ведомствам обмениваться данными об угрозах, с выполнением требований конфиденциальности. Предложенный подход извлекает поведенческие сигнатуры угроз из локально обученных моделей графовых нейронных сетей, защищает эти сигнатуры с помощью методов дифференциальной приватности и использует их для межведомственного обнаружения угроз в реальном времени. Экспериментальная оценка с использованием набора данных CICIDS2017 показывает, что точность обнаружения остается сопоставимой с точностью при работе в изолированном (не федеративном) режиме, однако время обнаружения скоординированных атак сокращается до 88,5 %. Анализ показывает ε-дифференциальную приватность с ε = 2,0, что ограничивает возможности атак логического вывода до методов, близких к случайному перебору. Эти результаты показывают, что возможность совместной защиты может быть достигнута без ущерба для конфиденциальности данных и суверенитета.

Ключевые слова: федеративное обучение, обмен данными об угрозах, графовые нейронные сети, дифференциальная приватность, государственная кибербезопасность

Модифицированный алгоритм имитации отжига для задачи диагностики отказов аналоговых радиоэлектронных устройств

2026. T.14. № 2. id 2188

Увайсов С.У. Черноверская В.В. Хай Н.Д. Хай В.Т. Фам С.Х.

DOI: 10.26102/2310-6018/2026.53.2.013

В статье приведены результаты исследования, в ходе которого был разработан новый метод автоматизированной диагностики функциональных узлов радиоэлектронных устройств с целью выявления в них параметрических отказов компонентов, обрывов электрических соединений, обнаружения коротких замыканий. Актуальность исследования обусловлена постоянно возрастающей сложностью современной электроники, когда традиционные методы диагностики не обеспечивают необходимой точности и оперативности диагностических процедур, что ведет к росту отказов аппаратуры при эксплуатации и увеличению затрат на ее обслуживание и ремонт. В основе предложенного метода лежит широко известный алгоритм имитации отжига, который был адаптирован под решение задач диагностики неисправностей радиоэлектронных устройств. Цель – предложить новый метод диагностики отказов радиоэлектронной аппаратуры, основанный на модифицированном алгоритме имитации отжига, нацеленном на повышение достоверности идентификации неисправностей, возникающих в узлах и модулях при эксплуатации современной электроники, а также повысить степень автоматизации диагностических процедур. Физические и модельные эксперименты, проведенные в ходе исследования, показали, что предложенный метод на основе модифицированного алгоритма эффективно определяет ряд отказов, включая сложные случаи последовательных отказов, идентифицировать которые традиционными методами не было возможности. Кроме этого, предложенный подход требует меньших временных затрат на анализ и дает возможность повысить достоверность диагностики исследуемых узлов и модулей электронной аппаратуры. Полученные результаты подтверждают перспективность применения метода в задачах технической диагностики, в том числе его дальнейшую интеграцию в автоматизированные системы контроля радиоэлектронной аппаратуры.

Ключевые слова: радиоэлектронное устройство, диагностика отказов, неисправность, алгоритм имитации отжига, оптимальное решение, экстремум функции, механизм генерации решений, цепь Маркова

Модель рейтинговых оценок с латентными параметрами на базе функции softmax

2026. T.14. № 3. id 2185

Братищенко В.В.

DOI: 10.26102/2310-6018/2026.54.3.002

Актуальность работы обусловлена широким распространением рекомендательных систем, использующих рейтинговые оценки. По результатам обзора методов рекомендаций делается вывод о возможности и целесообразности построения вероятностной модели рейтинговых оценок, аналогичной моделям Item Response Theory. Предлагается для каждого субъекта использовать латентные параметры интереса, характеризующие его склонность выставлять определенную рейтинговую оценку, а для каждого объекта – латентные параметры соответствия, характеризующие частоты получения определенной рейтинговой оценки. Вероятности оценок определяются функцией softmax c параметрами интереса и соответствия. Методом максимального правдоподобия получены уравнения, связывающие наблюдения и латентные параметры. Разработана итерационная процедура вычисления параметров по рейтинговым оценкам и обоснована ее сходимость. Проведена апробация модели по известному набору Nexflix с рейтинговыми оценками фильмов и приведены статистические характеристики предсказаний оценок. Точность предсказания рейтинговых оценок оказалась сопоставимой с точностями предсказаний других моделей. Достоинством предложенной модели является компактное описание вероятностей оценок в виде наборов латентных параметров субъектов и объектов, позволяющее прогнозировать рейтинговые оценки. К недостаткам следует отнести вычислительную сложность оценивания параметров и необходимость пересчета параметров при появлении новых данных. Предложенная модель может использоваться для изучения и прогнозирования рейтинговых оценок.

Ключевые слова: рекомендательная система, рейтинговая оценка, коллаборативная фильтрация, вероятностная модель с латентными параметрами, функция softmax

Обобщенный набор требований к системам мониторинга гетерогенной ИТ-инфраструктуры: анализ запросов российских предприятий

2026. T.14. № 2. id 2184

Каменев А.С.

DOI: 10.26102/2310-6018/2026.53.2.012

Статья посвящена разработке обобщенного набора требований к системам мониторинга гетерогенной ИТ-инфраструктуры на основе анализа российского рынка за 2017–2025 гг. Актуальность исследования обусловлена необходимостью создания научно обоснованных подходов к построению таких систем в условиях импортозамещения и растущей сложности ИТ-ландшафта российских предприятий, характеризующегося повсеместным внедрением технологий аппаратной виртуализации, контейнеризации и микросервисной архитектуры. На основе анализа технических заданий и коммерческих запросов 30 крупнейших российских предприятий был сформирован и формализован обобщенный набор функциональных требований, состоящий из 92 пунктов, объединенных в 11 категорий. Применение метода частотного анализа выявило устойчивое межотраслевое ядро из 67 наиболее востребованных требований (частота > 80 %). Верификация набора на публичных технических заданиях подтвердила его универсальность и полноту. Исследование также выявило ключевой тренд: основной задачей корпоративных информационных систем мониторинга ИТ-инфраструктуры крупные предприятия видят не замену, а координацию и консолидацию существующего разнородного инструментария мониторинга. Практическая значимость результатов заключается в создании методологического базиса для формирования технических заданий, сравнительного анализа решений и проектирования систем данного класса, что способствует повышению эффективности управления сложной ИТ-инфраструктурой российских предприятий.

Ключевые слова: системный анализ, система мониторинга, ИТ-инфраструктура, зонтичный мониторинг, AIOps

Количественная оценка архитектуры сложных программных систем на основе графовой многокритериальной модели

2026. T.14. № 2. id 2180

Саенко Я.Д.

DOI: 10.26102/2310-6018/2026.53.2.014

Работа посвящена исследованию количественной оценки архитектуры сложных программных систем, что является важной задачей для повышения надежности, производительности и масштабируемости. В современных методиках проектирования архитектур отсутствует формализованный и воспроизводимый способ системного анализа компонентов и их взаимодействий, что затрудняет сравнение альтернативных архитектурных решений и выявление наиболее эффективных структурных конфигураций на этапе проектирования. В связи с этим, данная статья направлена на разработку метода, позволяющего количественно оценивать архитектуру сложных программных систем с учетом значимости компонентов и их взаимодействий. Ведущим подходом к исследованию данной проблемы является графовое представление архитектуры, где вершины соответствуют программным компонентам с числовыми характеристиками по заранее заданным критериям качества, а ребра отражают архитектурные связи с коэффициентами влияния компонентов. Архитектурная значимость компонентов вычисляется как среднее значение коэффициентов входящих связей, при этом компоненты без входящих ребер. Итоговая оценка архитектуры определяется как взвешенное среднее локальных оценок компонентов с учетом их архитектурной значимости, что обеспечивает комплексный и системный подход к анализу архитектуры. В статье представлены результаты применения метода на примере программной системы с 10 и 13 компонентами, раскрыты изменения итоговой оценки при добавлении новых компонентов и изменении структуры связей, выявлены наиболее значимые с точки зрения архитектуры элементы системы. Полученные данные позволяют количественно сравнивать альтернативные архитектурные решения и выявлять влияние конкретных компонентов на эффективность всей системы. Материалы статьи представляют практическую ценность для проектирования, оптимизации и модернизации сложных программных систем, а также могут быть использованы в исследованиях в области инженерии программного обеспечения и системного анализа.

Ключевые слова: архитектура сложных программных систем, количественная оценка, графовая модель, многокритериальный анализ, архитектурная значимость

Сравнительный анализ методов машинного обучения для восстановления магнитной характеристики коротких образцов в измерительной системе с параллельным магнитным шунтом

2026. T.14. № 3. id 2178

Сурняев В.А. Гречихин В.В.

DOI: 10.26102/2310-6018/2026.54.3.007

В статье рассматривается задача восстановления магнитной характеристики материала коротких образцов по данным измерительной системы с параллельным магнитным шунтом. Ранее было показано, что введение шунта повышает чувствительность измерений в широком диапазоне магнитных проницаемостей исследуемого материала, что особенно важно при работе с короткими образцами и ограничениях по намагничивающему току. Однако наличие параллельной ветви приводит к перераспределению магнитного потока и усложняет интерпретацию измерительной информации, что делает применение прямых аналитических процедур восстановления характеристики затруднительным. В настоящей работе предлагается рассмотреть методы машинного обучения для решения обратной задачи восстановления магнитной характеристики по измеренным зависимостям. В отличие от ранее выполненного исследования, где анализировались только нейросетевые модели, в данной статье проведен сравнительный анализ пяти алгоритмов обучения различных классов. Обучение и тестирование выполняются в условиях, приближенных к реальным, с учетом возможных погрешностей измерительных каналов. Показано, что наилучшее качество восстановления при заданном уровне шумов обеспечивает алгоритм случайного леса, превосходящий альтернативы по критериям средней квадратичной ошибки и устойчивости к помехам.

Ключевые слова: магнитный шунт, короткие образцы, магнитная характеристика, обратная задача, машинное обучение, робастность, погрешности измерений

Метод гибридной фильтрации информации с пожарных датчиков на основе взвешенного медианного фильтра с конечной импульсной характеристикой и фильтра Калмана

2026. T.14. № 2. id 2176

Сингх С. Прибыльский А.В.

DOI: 10.26102/2310-6018/2026.53.2.011

Актуальность исследования обусловлена необходимостью повышения устойчивости рекурсивных систем прогнозирования пожароопасных ситуаций к разнотипным возмущениям – вибрациям, электромагнитным помехам и накапливающимся ошибкам прогноза. В таких системах даже незначительные искажения спрогнозированных временных рядов могут привести к ложным срабатываниям или пропуску угроз, что особенно критично в объектах с высокой плотностью пребывания людей, например, в метрополитенах. Существующие фильтры, применяемые изолированно, не обеспечивают одновременного подавления гауссовских и импульсных помех, сохранения резких изменений сигнала и минимизации фазового сдвига. В связи с этим в работе разработан и исследован гибридный метод фильтрации, сочетающий фильтр Калмана и взвешенный КИХ-гибридный медианный фильтр. Эффективность метода оценена на синтетических и реальных данных (включая ~ 6 млн отсчетов с датчиков метрополитена) по комплексу метрик: MAE, MSE, SNR, точности воспроизведения производной и быстродействию. Показано, что предложенный гибрид обеспечивает наилучшие результаты: снижение MAE до 0,419, рост SNR до 2,05 дБ и сохранение Accuracy на уровне 99,98 %. Материалы статьи представляют практическую ценность для разработчиков систем пожарной безопасности и специалистов по обработке сенсорных данных в реальном времени.

Ключевые слова: фильтрация, пожарные датчики, гибридный фильтр, КИХ фильтр, фильтр Калмана, взвешенный медианный фильтр

Компьютерная реализация точного распределения ранговых статистических критериев методами динамического программирования

2026. T.14. № 2. id 2175

Агамиров Л.В. Агамиров В.Л. Вестяк В.А. Тутова Н.В.

DOI: 10.26102/2310-6018/2026.53.2.007

В рамках настоящего исследования анализируется актуальная проблема, связанная с определением точных распределений для ранговых непараметрических критериев при отсутствии замкнутых аналитических решений. Классический подход, основанный на полном переборе всех возможных перестановок рангов, хотя и является теоретически точным, оказывается практически неприменимым уже для небольших объемов выборок вследствие комбинаторного взрыва числа вариантов. Прямой перебор всех возможных перестановок рангов, являющийся методом точного расчета, оказывается вычислительно неразрешимой задачей даже для выборок небольшого объема из-за комбинаторного взрыва. Рассмотрены наиболее известные ранговые непараметрические критерии, не имеющие аналитического решения для получения полной функции распределения, такие как критерии Лемана-Розенблата, Краскела-Уоллиса и Муда. Существующие аппроксимации (нормальная, хи-квадрат) часто оказываются неудовлетворительными для малых выборок. В работе предлагается эффективное решение на основе метода динамического программирования, позволяющее в сотни раз сократить вычислительные затраты по сравнению с наивной генерацией перестановок. Реализована методика, включающая генерацию последовательностей рангов, расчет статистик для каждой из них и последующую агрегацию результатов для построения функции распределения. Проведенные вычислительные эксперименты однозначно демонстрируют, что метод динамического программирования является наиболее эффективным для генерации точных распределений. Разработаны и представлены в открытом доступе программные реализации на C++ и Python, проведено их сравнительное тестирование, которое подтвердило ожидаемое лидерство C++ с точки зрения быстродействия.

Ключевые слова: непараметрическая статистика, ранговые критерии, точное распределение, p-value, динамическое программирование, вычислительная эффективность, открытый код

Оценка характеристик открытых декодеров БЧХ и РС кодов, реализованных на современных FPGA

2026. T.14. № 3. id 2174

Хрусталев В.В.

DOI: 10.26102/2310-6018/2026.54.3.005

Характеристики существующих систем передачи и хранения информации существенно зависят от используемых в них аппаратных блоков контроля и коррекции ошибок. Одними из эффективных методов борьбы с ошибками являются методы помехоустойчивого кодирования, позволяющие исправлять ошибки, которые произошли при передаче или хранении информации. Разработка блоков аппаратного помехоустойчивого кодирования под определенные требования является сложной задачей. От качества решения этой задачи существенно зависит конкурентоспособность конечного продукта. В данной работе приводится описание части библиотеки помехоустойчивых декодеров, которая посвящена одному из интересных классов блоковых линейных кодов – кодам Боуза-Чоудхури-Хоквигема (БЧХ кодам) и их важнейшему подклассу, недвоичных БЧХ, кодам Рида-Соломона (РС-кодам). Особенностью библиотеки является то, что характеристики всех входящих в нее блоков были рассчитаны с применением единой современной аппаратной базы. Кроме этого, в работе приводятся методы сопоставления декодеров, реализованных на разных аппаратных платформах. Библиотека помехоустойчивых декодеров поможет разработчикам на ранних этапах создания кодека ознакомиться с существующими аналогами и, возможно, выбрать один из них, вместо разработки собственного. Также разработчикам кодеков библиотека поможет сравнить реализованные ими кодеки с уже имеющимися. Кроме того, библиотека будет полезна при разработке новых алгоритмов декодирования, ориентированных на аппаратную реализацию.

Ключевые слова: помехоустойчивое кодирование, коды БЧХ, коды Рида-Соломона, аппаратные декодеры, ПЛИС

Анализ чувствительности в большом для нелинейных фильтров Калмана при оценке параметров навигационного сигнала

2026. T.14. № 2. id 2170

Глушанков Е.И. Суденкова А.В. Кондрашов З.К.

DOI: 10.26102/2310-6018/2026.53.2.004

При фильтрации навигационных сигналов используются методы нелинейного оценивания, качество которых зависит от точности выбранных моделей состояния и наблюдения. В ситуациях, когда параметры моделей неизвестны или изменяются во время наблюдения, приходится прибегать к применению адаптивных алгоритмов фильтрации. Необходимость использования более сложных подходов определяется тем, насколько отклонение того или иного параметра влияет на результат фильтрации. Для оценки качества фильтрации, как правило, используют такие критерии, как выигрыш в отношении сигнал-шум или среднеквадратическая ошибка, которые не предназначены для определения влияния величины отклонений параметров от их истинных значений на дисперсию ошибки оценивания, в отличие от такого показателя качества, как чувствительность. В статье рассматривается анализ чувствительности фильтрации при воздействии белого шума к изменению параметров наблюдения и состояния для фильтров Калмана различных порядков точности и фильтра, оптимального по критерию максимума апостериорной плотности вероятности. Моделирование производится численными методами. Приводится вывод уравнения чувствительности в большом для нелинейного фильтра Калмана в аналитическом виде. В результате получены зависимости чувствительности от величины рассогласования истинных и предполагаемых моделей, а также устойчивость алгоритмов фильтрации к этому рассогласованию. Полученные результаты можно использовать при формировании требований к допустимым отклонениям параметров модели и проверки качества фильтрации в условиях их априорной неопределенности.

Ключевые слова: фильтр Калмана, стохастические дифференциальные уравнения, чувствительность, радионавигационный сигнал, белый шум

Практические аспекты построения приватных мультимодальных генеративных моделей: методы, ограничения и инструменты

2026. T.14. № 2. id 2169

Ледовская Е.В.

DOI: 10.26102/2310-6018/2026.53.2.005

В статье рассматривается актуальная проблема разработки генеративных систем искусственного интеллекта, способных работать с разнородными данными (текст, изображение, аудио) без нарушения конфиденциальности исходных обучающих наборов. Цель работы – систематизировать и представить с практической точки зрения современные методы обеспечения приватности, применимые к мультимодальным архитектурам. Основное внимание уделяется технологиям дифференциальной приватности и федеративного обучения, их адаптации и композиции для работы со сложными данными. В статье анализируются фундаментальные компромиссы между качеством генерации, вычислительной сложностью и уровнем гарантий конфиденциальности, с которыми сталкивается разработчик на практике. Приводятся примеры существующих программных фреймворков и даются рекомендации по выбору стратегии защиты в зависимости от типа решаемой задачи и характера мультимодальных данных. Дополнительно обсуждаются практические аспекты интеграции приватных механизмов в тренировочные циклы, оценка накопленного бюджета конфиденциальности, а также потенциальные направления развития инструментов для повышения эффективности и надежности AI-систем. Отдельное внимание уделяется вопросам согласования модальностей и оптимизации компромисса между уровнем приватности и качеством генерации. Представленные рекомендации и примеры реализации могут служить руководством для инженеров и исследователей при разработке реальных мультимодальных систем, соответствующих современным требованиям безопасности и этики. Материал статьи ориентирован на исследователей и инженеров в области машинного обучения, занимающихся созданием отвечающих этическим и регуляторным требованиям AI-систем.

Ключевые слова: генеративные модели, мультимодальное машинное обучение, конфиденциальность данных, дифференциальная приватность (DP), федеративное обучение (FL), компромисс приватность-качество, фреймворки машинного обучения, устойчивые AI-системы