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

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

Архитектура распределенной системы мультимодального анализа медицинских данных на основе вариационного семантического выравнивания

2026. T.14. № 5. id 2229

Пожарский Р.В. Рындин А.А.

DOI: 10.26102/2310-6018/2026.56.5.010

В статье представлена архитектура распределенной системы для интеллектуального анализа мультимодальных медицинских данных (изображений DICOM и текстовых отчетов), сочетающая теоретические методы вариационного вывода с современными инженерными практиками MLOps. Ключевой проблемой, решаемой в работе, является интеграция разнородных данных (визуализационных исследований в формате DICOM и текстовых клинических отчетов) в условиях реальных ограничений по времени и мощности. Основной научный вклад заключается в формализации и реализации нового критерия семантического выравнивания, обусловленного по отношению к ненаблюдаемым клинически значимым латентным факторам. Данный критерий, максимизируемый с помощью вариационного вывода (Evidence Lower Bound), обеспечивает глубокую интеграцию модальностей на основе общей патофизиологической основы, а не поверхностных корреляций. С практической стороны разработана и развернута отказоустойчивая распределенная инфраструктура на базе Docker, Apache Spark, MinIO и MLflow, обеспечивающая полный жизненный цикл данных – от хранения и распределенной обработки до трекинга экспериментов. Для адаптивного управления нагрузкой предложен и реализован контроллер на основе обучения с подкреплением (Reinforcement Learning), формализующий задачу маршрутизации пациентов между быстрым (детерминированные алгоритмы) и глубоким (полноценные модели ViT+BERT) конвейерами как проблему частично наблюдаемого марковского процесса принятия решений (POMDP). Представлен и реализован архитектурный каркас (framework) и математическая модель вариационного семантического выравнивания. Проведенные эксперименты на синтетических данных подтвердили корректность программной реализации в среде WSL2/Docker и эффективность взаимодействия компонентов Spark и MinIO. Следующим этапом исследований станет масштабирование системы на полный набор данных MIMIC-CXR для клинической валидации предложенных гипотез.

Ключевые слова: мультимодальный анализ, вариационный вывод, семантическое выравнивание, распределенные вычисления, обучение с подкреплением, медицинские данные, DICOM, MLOps

Двухуровневая стохастико-адаптивная модель управления эксплуатационными рисками объектов розничной сети

2026. T.14. № 5. id 2227

Устимов М.Г. Львович И.Я.

DOI: 10.26102/2310-6018/2026.56.5.006

В статье представлена инновационная двухуровневая стохастико-адаптивная модель управления эксплуатационными рисками, предназначенная для крупных распределенных инфраструктурных сетей. Исследование решает проблему неспособности традиционных детерминированных моделей адекватно оценивать «хвостовые» риски в условиях высокой неопределенности энергопотребления, отказов оборудования и логистических сбоев. Предлагаемая методология объединяет стратегическое планирование и тактическую онлайн-адаптацию. На верхнем уровне используется двухэтапное стохастическое программирование для формирования робастных планов обслуживания и резервирования мощностей, учитывающих вероятностный характер угроз. Интеллектуальная кластеризация объектов с помощью самоорганизующихся карт Кохонена позволяет разделить сеть на четыре категории: критические, высокого риска, логистически уязвимые и стабильные. На нижнем уровне агенты с обучением с подкреплением (алгоритмы PPO и DQN) адаптируют эксплуатационные решения в реальном времени, используя кастомизированные функции вознаграждения для каждого кластера. Экспериментальные результаты подтверждают эффективность подхода: для критических объектов доля простоев снижена до 2 %, а для стабильных достигнута максимальная экономия ресурсов. Внедрение модели позволяет снизить эксплуатационные затраты на 10–15 % и повысить надежность критической инфраструктуры на 20–30 %. Модель обеспечивает прозрачность управления через четкие KPI и способствует реализации стратегии устойчивого развития.

Ключевые слова: мультимодальный анализ данных, семантическое выравнивание, медицинская диагностика, обучение с подкреплением, распределенные вычисления

Экспериментальное исследование кооперативного распределения ресурсов в системах обработки больших данных на основе значения Шепли и машинного обучения

2026. T.14. № 5. id 2226

Бляхеров М.В. Львович И.Я.

DOI: 10.26102/2310-6018/2026.56.5.012

Оптимальное и справедливое распределение вычислительных ресурсов в динамичных средах обработки больших данных (Big Data), таких как Apache Spark, остается сложной задачей. Традиционные планировщики часто не учитывают синергетические эффекты кооперации между задачами, что приводит к неэффективности и конфликтам. Целью данной работы является экспериментальное исследование и верификация гибридного подхода к кооперативному распределению ресурсов, основанного на формальных принципах теории кооперативных игр и адаптивных возможностях машинного обучения. В работе формализована модель кооперативной игры, где коалиции параллельных задач характеризуются функцией полезности, зависящей от выделенных ресурсов. Для обеспечения устойчивости и справедливости введены условия равновесия (ядро игры), а распределение основано на значении Шепли, оценивающем маржинальный вклад каждой задачи. Для преодоления аналитической сложности оценки полезности в реальных условиях предложено использование ML-моделей (градиентный бустинг, графовые нейронные сети), обученных на исторических метриках кластера, в качестве аппроксиматоров характеристической функции игры. Разработан и развернут экспериментальный стенд на базе Apache Spark с системой мониторинга Prometheus/Grafana. В ходе экспериментов показано, что предложенный подход обеспечивает динамическое и сбалансированное распределение ресурсов (CPU, память), повышает стабильность коалиций задач и улучшает общую справедливость распределения (индекс Джинни, fairness index) по сравнению с базовыми сценариями. Визуализация ключевых метрик подтвердила достижение состояний, близких к ядру игры. Исследование демонстрирует практическую применимость и эффективность сочетания теоретико-игровых моделей и машинного обучения для интеллектуального управления ресурсами в распределенных системах Big Data, открывая путь к созданию самооптимизирующихся и кооперативных оркестраторов.

Ключевые слова: распределение ресурсов, кооперативная теория игр, значение Шепли, машинное обучение, большие данные, apache Spark, мониторинг

Методика управления процессом ликвидации чрезвычайных ситуаций, основанная на методах многокритериальной оптимизации

2026. T.14. № 4. id 2224

Баркалов С.А. Бекирова О.Н. Вторникова Я.А.

DOI: 10.26102/2310-6018/2026.55.4.021

В современных условиях ввиду нестабильной экономической и политической ситуации во всем мире чрезвычайные ситуации различного характера становятся все более частыми и масштабными явлениями. Это обусловлено как природными факторами и техногенными причинами, так и умышленными действиями вследствие конфликтов диверсий, и что требует совершенствования методов оперативного реагирования. В связи с этим возрастает актуальность разработки автоматизированных систем поддержки принятия решений для эффективного противодействия современным вызовам и угрозам в сфере ликвидаций последствий чрезвычайных ситуаций. В работе описана методика эффективного управления комплексом работ и мероприятий по ликвидации чрезвычайных ситуаций, которая базируется на методах многокритериальной оптимизации. В качестве критериев оптимизации выбраны оперативность или возможность выполнить поставленные задачи в кратчайшее время, обеспеченность или возможность обеспечения ресурсами всех реализуемых работ в необходимом объеме, и информативность или реализация мер для обеспечения актуальной и объективной информации об имеющейся ситуации. Рассмотрены три модели проведения оптимизации и получения Парето-оптимального решения: метод обобщенной целевой функции, метод критериальных ограничений и метод последовательных уступок. В статье проводится математическая формулировка и описание моделей, приведен алгоритм выбора модели для разных условий.

Ключевые слова: чрезвычайные ситуации, принятие решений, ликвидация угроз, многокритериальная оптимизация, математическое моделирование

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

Размещение антенных систем радиоэлектронных средств в локальной группировке

2026. T.14. № 6. id 2222

Исмагилов В.В. Гайнутдинов Р.Р.

DOI: 10.26102/2310-6018/2026.57.6.005

Актуальность исследования обусловлена тем, что проблема обеспечения внутриобъектовой электромагнитной совместимости радиоэлектронных средств является критически важной для проектирования перспективных технических средств, однако в настоящий момент не существует подхода для оптимального размещения антенных систем радиоэлектронных средств с учётом их электромагнитной совместимости при влиянии через антенные системы. В качестве основного метода решения задачи предложен генетический алгоритм. Он учитывает взаимное влияние антенных систем радиоэлектронных средств как ключевой критерий для оптимизации их пространственного расположения, обеспечивая поиск компромиссных решений в многопараметрическом пространстве. В результате был разработан алгоритм, позволяющий определять рациональные схемы размещения антенн. Основной вывод заключается в том, что учет взаимного влияния радиоэлектронных средств через их антенные системы может быть эффективно использован не только для анализа, но и для прямой оптимизации электромагнитной обстановки. Разработанный алгоритм может быть применен на этапе проектирования технических объектов для автоматизированного планирования размещения антенных систем в соответствии с требованиями стандартов по электромагнитной совместимости, что способствует снижению уровня взаимных помех.

Ключевые слова: электромагнитная совместимость, радиоприёмник, радиопередатчик, монтажное пространство, локальная группировка, летательный аппарат, оптимизация, размещение антенных систем

Особенности оценки эффективности процессов в ИТ-команде при применении гибких методологий управления

2026. T.14. № 5. id 2221

Котова М.Р.

DOI: 10.26102/2310-6018/2026.56.5.004

Оценка эффективности процессов в ИТ-командах, которые применяют гибкие методологии управления (Agile), представляет собой актуальную задачу, связанную с необходимостью сокращения времени поставки изменений при одновременном обеспечении устойчивости (качества) и экономической целесообразности разработки. Традиционные результатные показатели, ориентированные на сроки и объем выполненных работ, оказываются недостаточно информативными в условиях итеративной и инкрементной разработки, поскольку не отражают вариативность потока, потери и последствия снижения качества. В статье предложена процессно-ориентированная модель оценки эффективности ИТ-команды, основанная на агрегировании метрик потока работ, устойчивости поставки и экономических потерь в интегральный индекс процессной эффективности. Модель опирается на данные цифровых следов жизненного цикла ИТ-продукта, которые формируются в трекерах задач, системах управления версиями, CI/CD-пайплайнах и средствах мониторинга. В рамках исследования обосновано использование мультипликативной формы агрегирования, что позволяет учитывать влияние лимитирующих факторов процесса. Апробация модели на данных продуктовых команд, которые применяют Agile-подходы, подтвердила, что интегральная оценка позволяет выявлять деградацию процессов на ранних этапах и локализовать проблемные зоны, связанные с управлением потоком, устойчивостью поставки и накоплением технического долга. Полученные результаты демонстрируют возможность использования предложенной модели в качестве инструмента поддержки управленческих решений и регулярного мониторинга эффективности ИТ-команд.

Ключевые слова: разработка по принципам Agile, lean, devOps, эффективность процессов, метрики потока, устойчивость поставки, технический долг, интегральный индекс, ИТ-команда

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

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

Оптимизационно-имитационное моделирование процесса управления распределением ресурсного обеспечения в организационной системе с территориально распределенной деятельностной средой и переменным объемом деятельности

2026. T.14. № 4. id 2191

Боклашов Ю.Ю. Иванов Д.В. Львович Я.Е.

DOI: 10.26102/2310-6018/2026.55.4.008

Статья посвящена интеграции оптимизационного подхода и имитационного моделирования при управлении распределением ресурсного обеспечения в организационной системе с территориально распределенной деятельностной средой и переменным объемом деятельности. Показано, что материалы и методы исследования определяются системным подходом в форме структурного моделирования функционирования организации и управления ею. Структуризация взаимодействия управляющего центра с объектами деятельности позволяет установить количественные характеристики связей, значения которых фиксируются в рамках цифрового мониторинга системы. Базовым компонентом оптимизационно-имитационного моделирования является многоальтернативный выбор приоритетных объектов при распределении интегрированного ресурса, балансовое условие и случайный поток заявок, характеризующих требования объектов к выполнению работ в рамках деятельностной среды. Переменный характер объема деятельности в системе учитывается при многотактном распределении интегрированного ресурсного обеспечения. При этом нумерационное множество объектов на следующем такте после проведения многоальтернативной оптимизации включает элементы, не вошедшие в редуцированное множество, и случайную составляющую, определяемую результатами имитационного моделирования организации. Показано, что однотактный процесс оптимизации оперирует с реальными текущими данными и дает возможность определить нумерационное множество приоритетных объектов для получения ресурсного обеспечения в деятельностную среду. Многотактный процесс оптимизационно-имитационного моделирования позволяет генерировать условно реальные данные потребности в интегрированном ресурсе в таком количестве, что совместно с ретроспективными данными цифрового мониторинга образует репрезентативную обучающую выборку для машинного обучения прогностической модели. Установлены управленческие решения, которые принимаются с использованием прогностических моделей как на стадии функционирования исследуемой организационной системы, так и на стадии ее развития.

Ключевые слова: организационная система, управление, оптимизация, имитационное моделирование, машинное обучение, прогнозирование