Авторитетность издания
ВАК - К1
RSCI, ядро РИНЦ
Добавить в закладки
Следующий номер на сайте
№4
Ожидается:
16 Декабря 2025
Статьи журнала №3 2025
[№3 за 2025 год]
Авторы: Дли М.И. (midli@mail.ru) - Филиал Московского энергетического института (технического университета) в г. Смоленске (профессор, зам. директора по научной работе), доктор технических наук; Соколов А.М. (ansokol98@mail.ru) - НИУ «МЭИ», Аспирант ; Воротилова М.Ю. (rita.vorotilova@mail.ru) - Смоленский филиал Национального исследовательского университета «МЭИ» (младший научный сотрудник);
Аннотация: В статье рассматриваются вопросы оптимального управления сложными объектами различной природы в условиях динамически изменяющихся факторов неопределенности внешней среды. Проведен анализ существующих подходов к управлению объектами данного типа с учетом особенностей создания современных интеллектуальных систем поддержки принятия решений. Показана целесообразность применения нечетких ситуационно-прецедентных моделей, которые формируются на основе имевших место ранее прецедентов и обеспечивают высокий уровень наглядности при выборе оптимальной стратегии управления. Выявлено, что одним из ограничений использования данных моделей является сложность их адаптации при изменении условий функционирования управляемого объекта из-за большого в общем случае числа учитываемых ситуаций и переходов между ними. Предложен новый тип нечетких ситуационно-прецедентных моделей для локальных областей признакового пространства, характеризующего ситуационные аспекты управления объектом. Основным отличием данных моделей является ограничение области их построения некоторой областью вокруг текущей и целевой ситуаций. Такой подход значительно упрощает процесс адаптации структуры сети при изменении внутренних и внешних факторов. Предложены три варианта формирования области признакового пространства и, соответственно, определения степени разветвленности сетевой структуры модели на основе задания коэффициента локализации. Описан способ построения локальных нечетких моделей, предполагающий объединение близких нечетких прецедентов по достижении целевой ситуации для упрощения структуры модели и повышения степени оперативности ситуационного управления сложными объектами. Программная реализация предложенного способа выполнена на языке Python 3.12. с использованием библиотеки Numpy для нечетких вычислений и пакета NetworkX для визуализации сети. Проведен вычислительный эксперимент, который показал эффективность применения локальных нечетких ситуационно-прецедентных моделей для управления сложными объектами в условиях динамического изменения факторов неопределенности по сравнению с ситуационными моделями, имеющими фиксированную структуру.
Keywords: local fuzzy model, situational control, case-based approach, complex object
Просмотров: 1321
Авторы: Дли М.И. (midli@mail.ru) - Филиал Московского энергетического института (технического университета) в г. Смоленске (профессор, зам. директора по научной работе), доктор технических наук; Соколов А.М. (ansokol98@mail.ru) - НИУ «МЭИ», Аспирант ; Воротилова М.Ю. (rita.vorotilova@mail.ru) - Смоленский филиал Национального исследовательского университета «МЭИ» (младший научный сотрудник);
Аннотация: В статье рассматриваются вопросы оптимального управления сложными объектами различной природы в условиях динамически изменяющихся факторов неопределенности внешней среды. Проведен анализ существующих подходов к управлению объектами данного типа с учетом особенностей создания современных интеллектуальных систем поддержки принятия решений. Показана целесообразность применения нечетких ситуационно-прецедентных моделей, которые формируются на основе имевших место ранее прецедентов и обеспечивают высокий уровень наглядности при выборе оптимальной стратегии управления. Выявлено, что одним из ограничений использования данных моделей является сложность их адаптации при изменении условий функционирования управляемого объекта из-за большого в общем случае числа учитываемых ситуаций и переходов между ними. Предложен новый тип нечетких ситуационно-прецедентных моделей для локальных областей признакового пространства, характеризующего ситуационные аспекты управления объектом. Основным отличием данных моделей является ограничение области их построения некоторой областью вокруг текущей и целевой ситуаций. Такой подход значительно упрощает процесс адаптации структуры сети при изменении внутренних и внешних факторов. Предложены три варианта формирования области признакового пространства и, соответственно, определения степени разветвленности сетевой структуры модели на основе задания коэффициента локализации. Описан способ построения локальных нечетких моделей, предполагающий объединение близких нечетких прецедентов по достижении целевой ситуации для упрощения структуры модели и повышения степени оперативности ситуационного управления сложными объектами. Программная реализация предложенного способа выполнена на языке Python 3.12. с использованием библиотеки Numpy для нечетких вычислений и пакета NetworkX для визуализации сети. Проведен вычислительный эксперимент, который показал эффективность применения локальных нечетких ситуационно-прецедентных моделей для управления сложными объектами в условиях динамического изменения факторов неопределенности по сравнению с ситуационными моделями, имеющими фиксированную структуру.
Abstract: The paper discusses the issues of optimal control of various nature complex objects in dynamically changing environmental uncertainty factors. The authors analyzed existing control approaches for this category of objects, taking into account specific requirements for developing modern intelligent decision support systems. The paper proved the effectiveness of fuzzy situational-precedent modeling, where past cases form the knowledge base and enable clear visualization of optimal management decisions. The results indicate that model implementation faces adaptation challenges when management conditions evolve, primarily due to the extensive set of incorporated situations and their transition dynamics. Authors present innovative fuzzy situational-precedent models confined to specific feature space domains, designed to represent situational control parameters. The main feature of the proposed models is a limited area of their construction to a certain space around the current and target situations, which greatly simplifies the process of adapting the network structure when internal and external factors change. The authors proposed three alternative approaches for defining the feature space domain and, consequently, determining the network structure complexity of the model based on specifying a localization coefficient. The paper describes a method for constructing local fuzzy models that involves merging similar fuzzy precedents upon reaching target situations, thereby simplifying model structure and enhancing situational control responsiveness for complex objects. The software implementation of the proposed method is made in Python 3.12. using the Numpy library and the NetworkX package for network visualization for fuzzy calculations. The authors conducted a computational experiment demonstrating the effectiveness of local fuzzy situational-precedent models for managing complex objects under dynamic uncertainty compared to fixed-structure situational models.
Ключевые слова: локальная нечеткая модель, ситуационное управление, прецедентный подход, сложный объектKeywords: local fuzzy model, situational control, case-based approach, complex object
Просмотров: 1321
[№3 за 2025 год]
Просмотров: 1321
В статье рассматриваются вопросы оптимального управления сложными объектами различной природы в условиях динамически изменяющихся факторов неопределенности внешней среды. Проведен анализ существующих подходов к управлению объектами данного типа с учетом особенностей создания современных интеллектуальных систем поддержки принятия решений. Показана целесообразность применения нечетких ситуационно-прецедентных моделей, которые формируются на основе имевших место ранее прецедентов и обеспечивают высокий уровень наглядности при выборе оптимальной стратегии управления. Выявлено, что одним из ограничений использования данных моделей является сложность их адаптации при изменении условий функционирования управляемого объекта из-за большого в общем случае числа учитываемых ситуаций и переходов между ними. Предложен новый тип нечетких ситуационно-прецедентных моделей для локальных областей признакового пространства, характеризующего ситуационные аспекты управления объектом. Основным отличием данных моделей является ограничение области их построения некоторой областью вокруг текущей и целевой ситуаций. Такой подход значительно упрощает процесс адаптации структуры сети при изменении внутренних и внешних факторов. Предложены три варианта формирования области признакового пространства и, соответственно, определения степени разветвленности сетевой структуры модели на основе задания коэффициента локализации. Описан способ построения локальных нечетких моделей, предполагающий объединение близких нечетких прецедентов по достижении целевой ситуации для упрощения структуры модели и повышения степени оперативности ситуационного управления сложными объектами. Программная реализация предложенного способа выполнена на языке Python 3.12. с использованием библиотеки Numpy для нечетких вычислений и пакета NetworkX для визуализации сети. Проведен вычислительный эксперимент, который показал эффективность применения локальных нечетких ситуационно-прецедентных моделей для управления сложными объектами в условиях динамического изменения факторов неопределенности по сравнению с ситуационными моделями, имеющими фиксированную структуру.
Дли М.И. (midli@mail.ru) - Филиал Московского энергетического института (технического университета) в г. Смоленске (профессор, зам. директора по научной работе), доктор технических наук; Соколов А.М. (ansokol98@mail.ru) - НИУ «МЭИ», Аспирант ; Воротилова М.Ю. (rita.vorotilova@mail.ru) - Смоленский филиал Национального исследовательского университета «МЭИ» (младший научный сотрудник);
Ключевые слова: локальная нечеткая модель, ситуационное управление, прецедентный подход, сложный объект
[№3 за 2025 год]
Авторы: Ченцов А.Е. (aleks2058@mail.ru) - Военная академия воздушно-космической обороны им. Маршала Советского Союза Г.К. Жукова (д.в.н., старший научный сотрудник); Ищенко М.А. (mihamuz@rambler.ru) - Военная академия воздушно-космической обороны им. Маршала Советского Союза Г.К. Жукова (к.т.н., преподаватель); Панкова А.Е. (Nastya-Pankova1998.1998@mail.ru) - Военная академия воздушно-космической обороны им. Маршала Советского Союза Г.К. Жукова (адъюнкт);
Аннотация: В статье приведен анализ методов определения маршрута полета беспилотного летательного аппарата. Выделены четыре основные группы: методы пространственной декомпозиции, заключающиеся в разбиении пространства на множество областей; методы с использованием маршрутных сетей, основанные на применении графов видимости и обобщенных диаграмм Вороного; методы на базе потенциальных полей, основанные на физической аналогии с движением заряженной частицы в электростатическом поле; методы с использованием технологий искусственного интеллекта. Особое внимание уделено методу навигационного графа, который сводится к нахождению ближайших вершин к начальной и конечной точках. Именно этот метод является наиболее подходящим для задачи определения маршрута полета беспилотного летательного аппарата. Представлен процесс построения навигационного графа на плоскости и обоснована необходимость его формирования в трехмерном пространстве. Исследован функционально-воксельный метод, в основе которого лежит принцип линейной аппроксимации исследуемого пространства функции для вычисления его локальных геометрических характеристик. Эти характеристики позволяют описать геометрический объект. Рассмотрены достоинства метода и его практическое применение. Представлен математический аппарат для формирования трехмерных функциональных моделей геометрического описания препятствий искусственного (зон обнаружения, поражения и подавления) и естественного (рельеф местности) происхождения. Сформированные модели позволят обработать все трехмерное пространство исследуемой среды. На основе данных функциональных моделей выделяются возможные области полета беспилотного летательного аппарата и формируется навигационный граф возможных маршрутов полета в выделенных областях.
Keywords: functional model, routing task, unmanned aerial vehicle, military simulation complex, geoinformation computer modeling, navigation graph
Просмотров: 1265
Авторы: Ченцов А.Е. (aleks2058@mail.ru) - Военная академия воздушно-космической обороны им. Маршала Советского Союза Г.К. Жукова (д.в.н., старший научный сотрудник); Ищенко М.А. (mihamuz@rambler.ru) - Военная академия воздушно-космической обороны им. Маршала Советского Союза Г.К. Жукова (к.т.н., преподаватель); Панкова А.Е. (Nastya-Pankova1998.1998@mail.ru) - Военная академия воздушно-космической обороны им. Маршала Советского Союза Г.К. Жукова (адъюнкт);
Аннотация: В статье приведен анализ методов определения маршрута полета беспилотного летательного аппарата. Выделены четыре основные группы: методы пространственной декомпозиции, заключающиеся в разбиении пространства на множество областей; методы с использованием маршрутных сетей, основанные на применении графов видимости и обобщенных диаграмм Вороного; методы на базе потенциальных полей, основанные на физической аналогии с движением заряженной частицы в электростатическом поле; методы с использованием технологий искусственного интеллекта. Особое внимание уделено методу навигационного графа, который сводится к нахождению ближайших вершин к начальной и конечной точках. Именно этот метод является наиболее подходящим для задачи определения маршрута полета беспилотного летательного аппарата. Представлен процесс построения навигационного графа на плоскости и обоснована необходимость его формирования в трехмерном пространстве. Исследован функционально-воксельный метод, в основе которого лежит принцип линейной аппроксимации исследуемого пространства функции для вычисления его локальных геометрических характеристик. Эти характеристики позволяют описать геометрический объект. Рассмотрены достоинства метода и его практическое применение. Представлен математический аппарат для формирования трехмерных функциональных моделей геометрического описания препятствий искусственного (зон обнаружения, поражения и подавления) и естественного (рельеф местности) происхождения. Сформированные модели позволят обработать все трехмерное пространство исследуемой среды. На основе данных функциональных моделей выделяются возможные области полета беспилотного летательного аппарата и формируется навигационный граф возможных маршрутов полета в выделенных областях.
Abstract: The article presents an analysis of methods for determining the flight route of an unmanned aerial vehicle. Four main groups of methods are distinguished: spatial decomposition methods, consisting in dividing the space into many areas; methods based on route networks, based on the use of visibility graphs and on the use of generalized Voronoi diagrams; methods based on potential fields, based on the physical analogy with the movement of a charged particle in an electrostatic field; methods based on artificial intelligence technologies. The advantages and disadvantages of these methods are given in the table. Particular attention is paid to the navigation graph method, which boils down to finding the closest vertices to the start and end points, since this method is the most suitable for the problem of determining the flight route of a UAV. The process of constructing a navigation graph on a plane is presented and the need for its formation in three-dimensional space is substantiated. The functional-voxel method is considered, which is based on the principle of linear approximation of the studied function space for calculating its local geometric characteristics that allow describing a geometric object, and its advantages and practical application are considered. A mathematical apparatus is presented for forming three-dimensional functional models of geometric description of obstacles of artificial (detection, destruction and suppression zones) and natural (terrain relief) origin, which will allow processing the entire three-dimensional space of the studied environment. Based on these functional models, possible areas of flight of an unmanned aerial vehicle are identified and a navigation graph of possible flight routes in these areas is formed.
Ключевые слова: функциональная модель, задача определения маршрута, беспилотный летательный аппарат, моделирующий комплекс военного назначения, геоинформационное компьютерное моделирование, навигационный графKeywords: functional model, routing task, unmanned aerial vehicle, military simulation complex, geoinformation computer modeling, navigation graph
Просмотров: 1265
[№3 за 2025 год]
Просмотров: 1265
В статье приведен анализ методов определения маршрута полета беспилотного летательного аппарата. Выделены четыре основные группы: методы пространственной декомпозиции, заключающиеся в разбиении пространства на множество областей; методы с использованием маршрутных сетей, основанные на применении графов видимости и обобщенных диаграмм Вороного; методы на базе потенциальных полей, основанные на физической аналогии с движением заряженной частицы в электростатическом поле; методы с использованием технологий искусственного интеллекта. Особое внимание уделено методу навигационного графа, который сводится к нахождению ближайших вершин к начальной и конечной точках. Именно этот метод является наиболее подходящим для задачи определения маршрута полета беспилотного летательного аппарата. Представлен процесс построения навигационного графа на плоскости и обоснована необходимость его формирования в трехмерном пространстве. Исследован функционально-воксельный метод, в основе которого лежит принцип линейной аппроксимации исследуемого пространства функции для вычисления его локальных геометрических характеристик. Эти характеристики позволяют описать геометрический объект. Рассмотрены достоинства метода и его практическое применение. Представлен математический аппарат для формирования трехмерных функциональных моделей геометрического описания препятствий искусственного (зон обнаружения, поражения и подавления) и естественного (рельеф местности) происхождения. Сформированные модели позволят обработать все трехмерное пространство исследуемой среды. На основе данных функциональных моделей выделяются возможные области полета беспилотного летательного аппарата и формируется навигационный граф возможных маршрутов полета в выделенных областях.
Ченцов А.Е. (aleks2058@mail.ru) - Военная академия воздушно-космической обороны им. Маршала Советского Союза Г.К. Жукова (д.в.н., старший научный сотрудник); Ищенко М.А. (mihamuz@rambler.ru) - Военная академия воздушно-космической обороны им. Маршала Советского Союза Г.К. Жукова (к.т.н., преподаватель); Панкова А.Е. (Nastya-Pankova1998.1998@mail.ru) - Военная академия воздушно-космической обороны им. Маршала Советского Союза Г.К. Жукова (адъюнкт);
[№3 за 2025 год]
Авторы: Аржаев В.И. (arzhaeVI@cps.tver.ru) - НИИ «Центрпрограммсистем» (зав. отделением), кандидат технических наук; Скворцов А.В. (skvortsovAV@cps.tver.ru) - НИИ «Центрпрограммсистем» (зав. отделом), кандидат технических наук;
Аннотация: В статье рассматриваются некоторые методики количественной оценки качества прогнозирования функциональной структуры генетических последовательностей доступными программами прогнозирования генов. Объектом исследования послужили алгоритмы и программные средства для прогнозирования функциональной структуры генетических последовательностей. Предметом являются количественные показатели точности прогнозирования функциональной структуры генетических последовательностей и алгоритмы их вычислений. Рассмотрено состояние разработки методов сравнения функциональной аннотации генетических последовательностей и самих методов прогнозирования функциональной структуры геномов. В результате отобраны количественные показатели схожести элементов функциональной аннотации нуклеотидных последовательностей на уровне отдельных нуклеотидов и экзон-интронной структуры генов, методики их расчета адаптированы для применения к оценке достоверности результата работы существующих программных средств прогнозирования генов на уровнях нуклеотидов и экзонов. На основе отобранных и уточненных методик сравнения эталонной и спрогнозированной функциональной структуры последовательностей разработано программное средство оценки качества прогнозирования кодирующих белки генов. Рассмотрено описание статической структуры разработанной программы и обобщенное описание алгоритма формирования статистических оценок качества прогнозирования генов по сравнению с эталонной функциональной аннотацией. В отличие от известных программных средств с открытым исходным кодом обеспечивается вычисление более информативных показателей точности прогнозирования генов по сравнению с базовыми метриками ложноположительных и ложноотрицательных результатов.
Keywords: prediction tools, functional structure, genetic sequence, multilevel accuracy, software
Просмотров: 1402
Авторы: Аржаев В.И. (arzhaeVI@cps.tver.ru) - НИИ «Центрпрограммсистем» (зав. отделением), кандидат технических наук; Скворцов А.В. (skvortsovAV@cps.tver.ru) - НИИ «Центрпрограммсистем» (зав. отделом), кандидат технических наук;
Аннотация: В статье рассматриваются некоторые методики количественной оценки качества прогнозирования функциональной структуры генетических последовательностей доступными программами прогнозирования генов. Объектом исследования послужили алгоритмы и программные средства для прогнозирования функциональной структуры генетических последовательностей. Предметом являются количественные показатели точности прогнозирования функциональной структуры генетических последовательностей и алгоритмы их вычислений. Рассмотрено состояние разработки методов сравнения функциональной аннотации генетических последовательностей и самих методов прогнозирования функциональной структуры геномов. В результате отобраны количественные показатели схожести элементов функциональной аннотации нуклеотидных последовательностей на уровне отдельных нуклеотидов и экзон-интронной структуры генов, методики их расчета адаптированы для применения к оценке достоверности результата работы существующих программных средств прогнозирования генов на уровнях нуклеотидов и экзонов. На основе отобранных и уточненных методик сравнения эталонной и спрогнозированной функциональной структуры последовательностей разработано программное средство оценки качества прогнозирования кодирующих белки генов. Рассмотрено описание статической структуры разработанной программы и обобщенное описание алгоритма формирования статистических оценок качества прогнозирования генов по сравнению с эталонной функциональной аннотацией. В отличие от известных программных средств с открытым исходным кодом обеспечивается вычисление более информативных показателей точности прогнозирования генов по сравнению с базовыми метриками ложноположительных и ложноотрицательных результатов.
Abstract: The paper examines several methodologies for quantitative assessment of functional structure prediction quality in genetic sequences using available gene prediction tools. It focuses on algorithms and software tools for predicting functional structure in genetic sequences. The paper analyzes quantitative prediction accuracy parameters for functional structure in genetic sequences and their algorithmic implementations. The authors explored current development of methods for comparing functional annotation of genetic sequences, as well as methods for predicting a genome functional structure. As a result, they selected quantitative similarity metrics for functional annotation elements in nucleotide sequences. These metrics involve both nucleotide-level resolution and gene exon-intron structure. The calculation methods were adapted to assess the reliability of existing gene prediction software outputs. The methodology is applicable at both nucleotide and exon levels. Using the selected and refined methods for comparing reference and predicted functional sequence structures, the authors developed a software tool for assessing protein-coding gene prediction quality. The paper describes the static architecture of the developed program and a generalized algorithm for generating statistical quality metrics comparing gene predictions against reference annotations. Unlike existing open-source tools, the proposed solution calculates more informative gene prediction accuracy metrics that surpass basic false-positive and false-negative measures.
Ключевые слова: средства прогнозирования, функциональная структура, генетические последовательности, многоуровневая оценка, программное средствоKeywords: prediction tools, functional structure, genetic sequence, multilevel accuracy, software
Просмотров: 1402
[№3 за 2025 год]
Просмотров: 1402
В статье рассматриваются некоторые методики количественной оценки качества прогнозирования функциональной структуры генетических последовательностей доступными программами прогнозирования генов. Объектом исследования послужили алгоритмы и программные средства для прогнозирования функциональной структуры генетических последовательностей. Предметом являются количественные показатели точности прогнозирования функциональной структуры генетических последовательностей и алгоритмы их вычислений. Рассмотрено состояние разработки методов сравнения функциональной аннотации генетических последовательностей и самих методов прогнозирования функциональной структуры геномов. В результате отобраны количественные показатели схожести элементов функциональной аннотации нуклеотидных последовательностей на уровне отдельных нуклеотидов и экзон-интронной структуры генов, методики их расчета адаптированы для применения к оценке достоверности результата работы существующих программных средств прогнозирования генов на уровнях нуклеотидов и экзонов. На основе отобранных и уточненных методик сравнения эталонной и спрогнозированной функциональной структуры последовательностей разработано программное средство оценки качества прогнозирования кодирующих белки генов. Рассмотрено описание статической структуры разработанной программы и обобщенное описание алгоритма формирования статистических оценок качества прогнозирования генов по сравнению с эталонной функциональной аннотацией. В отличие от известных программных средств с открытым исходным кодом обеспечивается вычисление более информативных показателей точности прогнозирования генов по сравнению с базовыми метриками ложноположительных и ложноотрицательных результатов.
Аржаев В.И. (arzhaeVI@cps.tver.ru) - НИИ «Центрпрограммсистем» (зав. отделением), кандидат технических наук; Скворцов А.В. (skvortsovAV@cps.tver.ru) - НИИ «Центрпрограммсистем» (зав. отделом), кандидат технических наук;
[№3 за 2025 год]
Автор: Лихачев М.А. (likhachevma@cps.tver.ru) - НИИ «Центрпрограммсистем» (заведующий отделом); Смирнов В.Д. (smirnovvladimir057@yandex.ru) - 1 НИИ «Центрпрограммсистем» (инженер-программист);
Аннотация: Предметом исследования является двухэтапный синтез адаптивных управляющих решений для весовых коэффициентов диаграммы направленности цифровой антенной решетки навигационного приемника при воздействии преднамеренных шумовых и имитационных помех. Для решения задачи используется интеллектуальный пространственно-временной анализ принятых докорреляционных сигналов спутниковой навигации. В условиях сложной электромагнитной обстановки, когда уровень полезного сигнала значительно ниже уровня шума и помех, традиционные методы пространственной фильтрации становятся недостаточно эффективными. В работе предложен модифицированный алгоритм двухэтапной обработки навигационных сигналов. На первом этапе формируются веса, обеспечивающие глубокие провалы диаграммы по угловым координатам активных помех, мощность которых превышает уровень шума. На втором этапе формируется новый набор весовых коэффициентов на основе идентификации события присутствия сигналов спуфинга и оценки угловых направлений их излучения. Прогнозирование координат источника спуфинговых сигналов (азимут и угол места) осуществляется с помощью LSTM-нейронной сети. Сеть обучена на данных циклической корреляционной матрицы, характеризующих циклостационарные свойства аутентичных навигационных сигналов. Это особенно важно в случае спуфинга, когда помеха имитирует параметры реального навигационного сигнала и не может быть эффективно подавлена традиционными средствами. Предложенный подход синтеза интеллектуальных решений по управлению набором адаптивных весовых коэффициентов приемных каналов позволяет минимизировать влияние комбинированных помех. При этом обеспечивается целостность и достоверность принимаемых навигационных сигналов для дальнейшей их корреляционной обработки и трекинга. Основные результаты исследования включают разработку и моделирование двухэтапного алгоритма адаптивной обработки сигналов, а также сравнение его эффективности с традиционными методами, такими, как MUSIC и DNN. Показано, что использование LSTM-сети обеспечивает более высокую точность и стабильность оценки направления прихода сигнала при пониженном отношении сигнал/шум, в том числе для угловых координат, не входящих в обучающую выборку. Практическая значимость работы заключается в возможности реализации предложенного подхода в современных навигационных системах для повышения их защищенности от преднамеренных помех и для обеспечения надежного функционирования в сложных условиях электромагнитной обстановки.
Keywords: adaptive management, intelligent signal processing, LSTM neural network, global navigation satellite systems (GNSS), spoofing, navigation receiver, combined jamming and spoofing interference
Просмотров: 1077
Автор: Лихачев М.А. (likhachevma@cps.tver.ru) - НИИ «Центрпрограммсистем» (заведующий отделом); Смирнов В.Д. (smirnovvladimir057@yandex.ru) - 1 НИИ «Центрпрограммсистем» (инженер-программист);
Аннотация: Предметом исследования является двухэтапный синтез адаптивных управляющих решений для весовых коэффициентов диаграммы направленности цифровой антенной решетки навигационного приемника при воздействии преднамеренных шумовых и имитационных помех. Для решения задачи используется интеллектуальный пространственно-временной анализ принятых докорреляционных сигналов спутниковой навигации. В условиях сложной электромагнитной обстановки, когда уровень полезного сигнала значительно ниже уровня шума и помех, традиционные методы пространственной фильтрации становятся недостаточно эффективными. В работе предложен модифицированный алгоритм двухэтапной обработки навигационных сигналов. На первом этапе формируются веса, обеспечивающие глубокие провалы диаграммы по угловым координатам активных помех, мощность которых превышает уровень шума. На втором этапе формируется новый набор весовых коэффициентов на основе идентификации события присутствия сигналов спуфинга и оценки угловых направлений их излучения. Прогнозирование координат источника спуфинговых сигналов (азимут и угол места) осуществляется с помощью LSTM-нейронной сети. Сеть обучена на данных циклической корреляционной матрицы, характеризующих циклостационарные свойства аутентичных навигационных сигналов. Это особенно важно в случае спуфинга, когда помеха имитирует параметры реального навигационного сигнала и не может быть эффективно подавлена традиционными средствами. Предложенный подход синтеза интеллектуальных решений по управлению набором адаптивных весовых коэффициентов приемных каналов позволяет минимизировать влияние комбинированных помех. При этом обеспечивается целостность и достоверность принимаемых навигационных сигналов для дальнейшей их корреляционной обработки и трекинга. Основные результаты исследования включают разработку и моделирование двухэтапного алгоритма адаптивной обработки сигналов, а также сравнение его эффективности с традиционными методами, такими, как MUSIC и DNN. Показано, что использование LSTM-сети обеспечивает более высокую точность и стабильность оценки направления прихода сигнала при пониженном отношении сигнал/шум, в том числе для угловых координат, не входящих в обучающую выборку. Практическая значимость работы заключается в возможности реализации предложенного подхода в современных навигационных системах для повышения их защищенности от преднамеренных помех и для обеспечения надежного функционирования в сложных условиях электромагнитной обстановки.
Abstract: The paper focuses on a two-stage synthesis of adaptive control solutions for digital antenna array weight coefficients in navigation receivers under intentional noise and imitation interference. The solution employs intelligent spatiotemporal analysis of received pre-correlation satellite navigation signals. Complex electromagnetic environment, when the desired signal level is significantly below the noise and interference floor, makes conventional spatial filtering methods insufficiently effective. The paper proposes a modified two-stage processing algorithm for navigation signals. The first stage forms weights that provide deep dips in the radiation pattern in the directions of active interference sources whose power exceeds the noise level. The second stage generates new weighting coefficients based on detecting spoofing signals and estimating their arrival angles. Spoofing signal source coordinates (azimuth and elevation) are predicted using an LSTM neural network. Training data comprised cyclic autocorrelation matrices encoding the cyclostationary signatures of genuine satellite signals. This is particularly critical in spoofing scenarios where interference mimics authentic navigation signal parameters and cannot be effectively mitigated by conventional countermeasures. The proposed approach to synthesizing intelligent solutions for managing the set of adaptive weighting coefficients of receiving channels minimizes the impact of combined interference. This approach maintains the integrity and authenticity of received navigation signals for subsequent correlation processing and tracking operations. The key research results include the development and simulation of a two-stage adaptive signal processing algorithm, along with comparative performance analysis against conventional methods (MUSIC and DNN). The results demonstrate that the LSTM neural network provides superior accuracy and stability in signal direction-of-arrival estimation under low signal-to-noise conditions, including for angular coordinates outside the training dataset. The practical significance of this paper is in its potential implementation within modern navigation systems to enhance their resilience against intentional interference and ensure reliable operation in challenging electromagnetic environment.
Ключевые слова: адаптивное управление, интеллектуальная обработка сигналов, lstm-нейронная сеть, глобальные системы спутниковой навигации, спуфинг, цифровая антенная решетка, комбинированные помехи радиоглушения и спуфингаKeywords: adaptive management, intelligent signal processing, LSTM neural network, global navigation satellite systems (GNSS), spoofing, navigation receiver, combined jamming and spoofing interference
Просмотров: 1077
[№3 за 2025 год]
Просмотров: 1077
Предметом исследования является двухэтапный синтез адаптивных управляющих решений для весовых коэффициентов диаграммы направленности цифровой антенной решетки навигационного приемника при воздействии преднамеренных шумовых и имитационных помех. Для решения задачи используется интеллектуальный пространственно-временной анализ принятых докорреляционных сигналов спутниковой навигации. В условиях сложной электромагнитной обстановки, когда уровень полезного сигнала значительно ниже уровня шума и помех, традиционные методы пространственной фильтрации становятся недостаточно эффективными. В работе предложен модифицированный алгоритм двухэтапной обработки навигационных сигналов. На первом этапе формируются веса, обеспечивающие глубокие провалы диаграммы по угловым координатам активных помех, мощность которых превышает уровень шума. На втором этапе формируется новый набор весовых коэффициентов на основе идентификации события присутствия сигналов спуфинга и оценки угловых направлений их излучения. Прогнозирование координат источника спуфинговых сигналов (азимут и угол места) осуществляется с помощью LSTM-нейронной сети. Сеть обучена на данных циклической корреляционной матрицы, характеризующих циклостационарные свойства аутентичных навигационных сигналов. Это особенно важно в случае спуфинга, когда помеха имитирует параметры реального навигационного сигнала и не может быть эффективно подавлена традиционными средствами. Предложенный подход синтеза интеллектуальных решений по управлению набором адаптивных весовых коэффициентов приемных каналов позволяет минимизировать влияние комбинированных помех. При этом обеспечивается целостность и достоверность принимаемых навигационных сигналов для дальнейшей их корреляционной обработки и трекинга. Основные результаты исследования включают разработку и моделирование двухэтапного алгоритма адаптивной обработки сигналов, а также сравнение его эффективности с традиционными методами, такими, как MUSIC и DNN. Показано, что использование LSTM-сети обеспечивает более высокую точность и стабильность оценки направления прихода сигнала при пониженном отношении сигнал/шум, в том числе для угловых координат, не входящих в обучающую выборку. Практическая значимость работы заключается в возможности реализации предложенного подхода в современных навигационных системах для повышения их защищенности от преднамеренных помех и для обеспечения надежного функционирования в сложных условиях электромагнитной обстановки.
Лихачев М.А. (likhachevma@cps.tver.ru) - НИИ «Центрпрограммсистем» (заведующий отделом); Смирнов В.Д. (smirnovvladimir057@yandex.ru) - 1 НИИ «Центрпрограммсистем» (инженер-программист);
[№3 за 2025 год]
Авторы: Котенко И.В. (ivkote@comsec.spb.ru) - Санкт-Петербургский федеральный исследовательский центр РАН (профессор, главный научный сотрудник, руководитель лаборатории), доктор технических наук; Мельник М.В. (mkmxvh@gmail.com) - Санкт-Петербургский Федеральный исследовательский центр РАН (аспирант);
Аннотация: Постоянное совершенствование атак на средства контейнеризации, оркестрации и приложения, функционирующие в контейнерных системах, ставят под угрозу успешное внедрение таких систем. Большинство современных атак сопровождаются аномальным поведением как отдельных процессов, так и всей системы в целом. В статье рассматривается проблема обнаружения аномального поведения в контейнерных системах на основе методов глубокого машинного обучения. Представлен подход к обнаружению аномальных последовательностей процессов, выполняемых внутри контейнерных систем на основе профилирования их поведения. Подход основан на частотном анализе дизассемблированных машинных инструкций, на построении гистограмм процессов фиксированного размера и на использовании их как для обучения гибридной модели нейронной сети Autoencoder – Long short-term memory, так и для последующего обнаружения. Гистограммы создаются путем подсчета количества дизассемблированных инструкций с применением частотного анализа, который основан на вычислении отношения количества определенных инструкций к общему числу инструкций. После обучения на профиле, отражающем нормальное поведение контейнера, нейронная сеть готова к обнаружению аномальных последовательностей процессов методом вычисления ошибки реконструкции. Затем тестовая последовательность, состоящая из гистограмм процессов, подается в нейронную сеть, вычисляется ошибка реконструкции входного вектора данных и сравнивается с заданным порогом. Результаты, полученные в ходе проведенного эксперимента, демонстрируют высокую точность обнаружения и низкие затраты вычислительных ресурсов на обучение моделей нейронной сети. Ложные срабатывания находятся на низком уровне, что, в свою очередь, позволяет использовать предлагаемое решения в качестве дополнительного средства обнаружения аномальной активности. С помощью предложенного подхода можно эффективно выявлять атаки, при которых злоумышленники перехватывают выполнение программного кода, изменяют его поведение и манипулируют адресами функций в бинарных файлах.
Keywords: container systems, anomaly detection, process histograms, neural network, cybersecurity
Просмотров: 1417
Авторы: Котенко И.В. (ivkote@comsec.spb.ru) - Санкт-Петербургский федеральный исследовательский центр РАН (профессор, главный научный сотрудник, руководитель лаборатории), доктор технических наук; Мельник М.В. (mkmxvh@gmail.com) - Санкт-Петербургский Федеральный исследовательский центр РАН (аспирант);
Аннотация: Постоянное совершенствование атак на средства контейнеризации, оркестрации и приложения, функционирующие в контейнерных системах, ставят под угрозу успешное внедрение таких систем. Большинство современных атак сопровождаются аномальным поведением как отдельных процессов, так и всей системы в целом. В статье рассматривается проблема обнаружения аномального поведения в контейнерных системах на основе методов глубокого машинного обучения. Представлен подход к обнаружению аномальных последовательностей процессов, выполняемых внутри контейнерных систем на основе профилирования их поведения. Подход основан на частотном анализе дизассемблированных машинных инструкций, на построении гистограмм процессов фиксированного размера и на использовании их как для обучения гибридной модели нейронной сети Autoencoder – Long short-term memory, так и для последующего обнаружения. Гистограммы создаются путем подсчета количества дизассемблированных инструкций с применением частотного анализа, который основан на вычислении отношения количества определенных инструкций к общему числу инструкций. После обучения на профиле, отражающем нормальное поведение контейнера, нейронная сеть готова к обнаружению аномальных последовательностей процессов методом вычисления ошибки реконструкции. Затем тестовая последовательность, состоящая из гистограмм процессов, подается в нейронную сеть, вычисляется ошибка реконструкции входного вектора данных и сравнивается с заданным порогом. Результаты, полученные в ходе проведенного эксперимента, демонстрируют высокую точность обнаружения и низкие затраты вычислительных ресурсов на обучение моделей нейронной сети. Ложные срабатывания находятся на низком уровне, что, в свою очередь, позволяет использовать предлагаемое решения в качестве дополнительного средства обнаружения аномальной активности. С помощью предложенного подхода можно эффективно выявлять атаки, при которых злоумышленники перехватывают выполнение программного кода, изменяют его поведение и манипулируют адресами функций в бинарных файлах.
Abstract: Continuously improving attacks on containerization tools, orchestration, and applications running in container systems threaten the successful implementation of such systems. Most contemporary attacks involve anomalous behavior in both individual processes and the whole system. The paper considers the problem of detecting anomalous behavior in container systems based on deep machine learning methods. It presents an approach for detecting anomalous process sequences within container systems using behavioral profiling techniques. This approach involves three key steps: analyzing frequencies of disassembled machine code instructions, building fixed-length process behavior histograms, and using these histograms for both training an Autoencoder – Long short-term memory hybrid model and performing detection tasks. The system generates histograms by counting disassembled instructions through frequency analysis, which calculates the ratio of specific instruction types to the total instruction count. After training on a profile reflecting normal container behavior, the neural network is ready to detect anomalous sequences of processes based on calculating the reconstruction error. The testing sequence of process histograms is fed into the neural network, which calculates the input vector's reconstruction error and compares it with a predefined threshold. The experimental results demonstrate both high detection accuracy and low computational resource requirements for neural network model training. The level of false positives is low, which allows using the proposed solution as an additional tool for detecting abnormal activity. The proposed approach allows for effective detection of attacks in which intruders intercept the execution of program code, change its behavior and manipulate function addresses in binary files.
Ключевые слова: контейнерные системы, обнаружение аномалий, гистограммы процессов, нейронные сети, кибербезопасностьKeywords: container systems, anomaly detection, process histograms, neural network, cybersecurity
Просмотров: 1417
[№3 за 2025 год]
Просмотров: 1417
Постоянное совершенствование атак на средства контейнеризации, оркестрации и приложения, функционирующие в контейнерных системах, ставят под угрозу успешное внедрение таких систем. Большинство современных атак сопровождаются аномальным поведением как отдельных процессов, так и всей системы в целом. В статье рассматривается проблема обнаружения аномального поведения в контейнерных системах на основе методов глубокого машинного обучения. Представлен подход к обнаружению аномальных последовательностей процессов, выполняемых внутри контейнерных систем на основе профилирования их поведения. Подход основан на частотном анализе дизассемблированных машинных инструкций, на построении гистограмм процессов фиксированного размера и на использовании их как для обучения гибридной модели нейронной сети Autoencoder – Long short-term memory, так и для последующего обнаружения. Гистограммы создаются путем подсчета количества дизассемблированных инструкций с применением частотного анализа, который основан на вычислении отношения количества определенных инструкций к общему числу инструкций. После обучения на профиле, отражающем нормальное поведение контейнера, нейронная сеть готова к обнаружению аномальных последовательностей процессов методом вычисления ошибки реконструкции. Затем тестовая последовательность, состоящая из гистограмм процессов, подается в нейронную сеть, вычисляется ошибка реконструкции входного вектора данных и сравнивается с заданным порогом. Результаты, полученные в ходе проведенного эксперимента, демонстрируют высокую точность обнаружения и низкие затраты вычислительных ресурсов на обучение моделей нейронной сети. Ложные срабатывания находятся на низком уровне, что, в свою очередь, позволяет использовать предлагаемое решения в качестве дополнительного средства обнаружения аномальной активности. С помощью предложенного подхода можно эффективно выявлять атаки, при которых злоумышленники перехватывают выполнение программного кода, изменяют его поведение и манипулируют адресами функций в бинарных файлах.
Котенко И.В. (ivkote@comsec.spb.ru) - Санкт-Петербургский федеральный исследовательский центр РАН (профессор, главный научный сотрудник, руководитель лаборатории), доктор технических наук; Мельник М.В. (mkmxvh@gmail.com) - Санкт-Петербургский Федеральный исследовательский центр РАН (аспирант);
Ключевые слова: контейнерные системы, обнаружение аномалий, гистограммы процессов, нейронные сети, кибербезопасность
[№3 за 2025 год]
Авторы: Вяткин С.И. (sivser@mail.ru) - Институт автоматики и электрометрии СО РАН, лаборатория синтезирующих систем визуализации (старший научный сотрудник), кандидат технических наук; Долговесов Б.С. (bsd@iae.nsk.su ) - Институт автоматики и электрометрии СО РАН, лаборатория синтезирующих систем визуализации (зав. лабораторией), кандидат технических наук;
Аннотация: В статье предложено применение патчей свободных форм в разработке метода моделирования деформации и анимации объектов на основе позиционного моделирования и механики сплошных сред. Метод является универсальным для моделирования большого числа различных геометрий и материалов. Рассмотрена задача моделирования деформации и анимации твердых тел, эластичных материалов, тканей, объемных объектов на основе ограничений для работы в режиме реального времени. Предметом исследования являются методы Эйлера и Ньютона и их использование в позиционной динамике. Деформация и анимация трехмерных объектов являются важными функциями, но требуют большого числа вычислений. Вычисления базируются на вариационной форме неявного интегрирования Эйлера, в них обрабатываются ограничения на глобальном уровне. Благодаря этому можно установить связи между позиционной динамикой и неявной схемой интегрирования Эйлера. Локальный/глобальный подход позволяет реализовать неявные интеграционные вычисления без особых мер защиты от сингулярных или неопределенных гессиан, чтобы гарантировать надежность метода. Получается простая реализация, которая не нуждается в дополнительных библиотеках для решения задачи и имеет небольшую память. Тестирование показывает, что после десяти итераций результат моделирования визуально выглядит аналогично конвергентному с использованием метода Ньютона. Это позволяет использовать метод для приложений реального времени. Работоспособность метода подтверждена компьютерной симуляцией. Эксперименты показали, что для моделирования моделей среднего размера достаточно 5–10 итераций, со скоростью от 1 до 6 миллисекунд на итерацию. Предложенный метод может быть полезен для вычисления деформации твердых тел, тканей, оболочек и т.п. Это актуально при создании материалов с желаемым поведением деформации (для анимации одежды, персонажей и других нежестких форм). В робототехнике с помощью предложенного подхода можно моделировать работу тактильных датчиков, создавать симуляции МРТ-изображений на основе анатомических моделей, что важно для проверки алгоритмов анализа изображений.
Keywords: free-form patches, perturbation functions, computer modeling, positional dynamics, continuum mechanics
Просмотров: 1198
Авторы: Вяткин С.И. (sivser@mail.ru) - Институт автоматики и электрометрии СО РАН, лаборатория синтезирующих систем визуализации (старший научный сотрудник), кандидат технических наук; Долговесов Б.С. (bsd@iae.nsk.su ) - Институт автоматики и электрометрии СО РАН, лаборатория синтезирующих систем визуализации (зав. лабораторией), кандидат технических наук;
Аннотация: В статье предложено применение патчей свободных форм в разработке метода моделирования деформации и анимации объектов на основе позиционного моделирования и механики сплошных сред. Метод является универсальным для моделирования большого числа различных геометрий и материалов. Рассмотрена задача моделирования деформации и анимации твердых тел, эластичных материалов, тканей, объемных объектов на основе ограничений для работы в режиме реального времени. Предметом исследования являются методы Эйлера и Ньютона и их использование в позиционной динамике. Деформация и анимация трехмерных объектов являются важными функциями, но требуют большого числа вычислений. Вычисления базируются на вариационной форме неявного интегрирования Эйлера, в них обрабатываются ограничения на глобальном уровне. Благодаря этому можно установить связи между позиционной динамикой и неявной схемой интегрирования Эйлера. Локальный/глобальный подход позволяет реализовать неявные интеграционные вычисления без особых мер защиты от сингулярных или неопределенных гессиан, чтобы гарантировать надежность метода. Получается простая реализация, которая не нуждается в дополнительных библиотеках для решения задачи и имеет небольшую память. Тестирование показывает, что после десяти итераций результат моделирования визуально выглядит аналогично конвергентному с использованием метода Ньютона. Это позволяет использовать метод для приложений реального времени. Работоспособность метода подтверждена компьютерной симуляцией. Эксперименты показали, что для моделирования моделей среднего размера достаточно 5–10 итераций, со скоростью от 1 до 6 миллисекунд на итерацию. Предложенный метод может быть полезен для вычисления деформации твердых тел, тканей, оболочек и т.п. Это актуально при создании материалов с желаемым поведением деформации (для анимации одежды, персонажей и других нежестких форм). В робототехнике с помощью предложенного подхода можно моделировать работу тактильных датчиков, создавать симуляции МРТ-изображений на основе анатомических моделей, что важно для проверки алгоритмов анализа изображений.
Abstract: The paper presents a method for modeling the deformation and animation of objects based on positional modeling and continuum mechanics using free-form patches. The method is cross-functional for modeling diverse geometries and materials. The paper considers the problem of real-time deformation and animation modeling for rigid bodies, elastic materials, fabrics, and volumetric objects using constraint-based approaches. The subject of the research is the Euler and Newton methods, and how to use them in positional dynamics. The deformation and animation of three-dimensional objects are important functions, but they require a large number of calculations. The calculations employ a variational form of implicit Euler integration, processing constraints at the global level. This allows establishing connections between positional dynamics and the implicit Euler integration scheme. The local/global approach allows implementing implicit integration calculations without any special protection measures against singular or indefinite hessians to ensure the reliability of the method. This results in a simple implementation that does not need additional libraries to solve the problem and has little memory. Testing shows that after ten iterations, the modeling result visually looks similar to the convergent one using Newton's method. This enables using the method in real-time applications. Computer simulation demonstrate the method's practical effectiveness. Experimental results demonstrate that 5-10 iterations are enough for medium-scale model simulations, with each iteration requiring 1-6 milliseconds of computation time. The proposed method proves effective for deformation computation in solids, fabrics, shells, and similar materials. This is relevant when creating materials with the desired deformation behavior (animating clothes, characters and other soft forms). The proposed approach enables robotic tactile sensor modeling and MRI image simulation from anatomical models, which is crucial for validating image analysis algorithms.
Ключевые слова: патчи свободных форм, функции возмущения, компьютерное моделирование, позиционная динамика, механика сплошных средKeywords: free-form patches, perturbation functions, computer modeling, positional dynamics, continuum mechanics
Просмотров: 1198
[№3 за 2025 год]
Просмотров: 1198
В статье предложено применение патчей свободных форм в разработке метода моделирования деформации и анимации объектов на основе позиционного моделирования и механики сплошных сред. Метод является универсальным для моделирования большого числа различных геометрий и материалов. Рассмотрена задача моделирования деформации и анимации твердых тел, эластичных материалов, тканей, объемных объектов на основе ограничений для работы в режиме реального времени. Предметом исследования являются методы Эйлера и Ньютона и их использование в позиционной динамике. Деформация и анимация трехмерных объектов являются важными функциями, но требуют большого числа вычислений. Вычисления базируются на вариационной форме неявного интегрирования Эйлера, в них обрабатываются ограничения на глобальном уровне. Благодаря этому можно установить связи между позиционной динамикой и неявной схемой интегрирования Эйлера. Локальный/глобальный подход позволяет реализовать неявные интеграционные вычисления без особых мер защиты от сингулярных или неопределенных гессиан, чтобы гарантировать надежность метода. Получается простая реализация, которая не нуждается в дополнительных библиотеках для решения задачи и имеет небольшую память. Тестирование показывает, что после десяти итераций результат моделирования визуально выглядит аналогично конвергентному с использованием метода Ньютона. Это позволяет использовать метод для приложений реального времени. Работоспособность метода подтверждена компьютерной симуляцией. Эксперименты показали, что для моделирования моделей среднего размера достаточно 5–10 итераций, со скоростью от 1 до 6 миллисекунд на итерацию. Предложенный метод может быть полезен для вычисления деформации твердых тел, тканей, оболочек и т.п. Это актуально при создании материалов с желаемым поведением деформации (для анимации одежды, персонажей и других нежестких форм). В робототехнике с помощью предложенного подхода можно моделировать работу тактильных датчиков, создавать симуляции МРТ-изображений на основе анатомических моделей, что важно для проверки алгоритмов анализа изображений.
Вяткин С.И. (sivser@mail.ru) - Институт автоматики и электрометрии СО РАН, лаборатория синтезирующих систем визуализации (старший научный сотрудник), кандидат технических наук; Долговесов Б.С. (bsd@iae.nsk.su ) - Институт автоматики и электрометрии СО РАН, лаборатория синтезирующих систем визуализации (зав. лабораторией), кандидат технических наук;
[№3 за 2025 год]
Авторы: Скоробогатченко Д.А. (dmitryskor2004@gmail.com) - Волгоградский государственный технический университет (д.т.н., профессор); Волчков С.Н. (c4s23@yandex.ru) - ЦМИТ «Бионика и нейротехнологии» (ведущий разработчик); Сафонова Е.В. (safonova_h@mail.ru) - Волгоградский государственный технический университет (преподаватель);
Аннотация: Работа посвящена изучению и применению инструментов имитационного мультиагентного моделирования и компьютерного анализа в области электрических автономных транспортных средств. Рассмотрена методика разработки системы моделирования процессов взаимодействия парка легковых электромобилей с гетерогенной распределенной городской общественной системой электрозарядной инфраструктуры. Для получения необходимой информации и построения моделей использованы данные программно-аппаратного комплекса регионального оператора электромобилей. Исследования проводились при различных вариантах интенсивности трафика городского автономного электротранспорта, зарядного поведения водителей, начального уровня заряда аккумуляторной батареи, а также при различной конфигурации внешней гетерогенной зарядной инфраструктуры. Кроме этого, в работе учитывались отличия в зарядных коннекторах, стоящих на электромобилях и на станциях зарядки, что накладывало дополнительные ограничения на зарядное поведение водителей. В качестве среды моделирования выбран комплекс Simulation of Urban Mobility, для которого на языке Python сделана программа-обертка – промежуточный слой между средой моделирования и стандартной библиотекой Python TraCI для SUMO. Предложен алгоритм перенаправления электромобиля к зарядной станции в зависимости от уровня заряда его аккумуляторной батареи и зарядного поведения водителя, определяемого при моделировании. Авторами разработана мультиагентная имитационная модель зарядной станции, которая, в отличие от традиционно применяемой при моделировании в SUMO полосы зарядки, представляет собой зарядные точки на станции. Предложенная система позволяет изучать закономерности взаимодействия между автономными электромобилями в городских агломерациях и общественной зарядной инфраструктурой. Исследование имеет практическую значимость для развития городского автономного электротранспорта, включая не только интересы операторов и городских властей, но и конечных пользователей электромобилей.
Keywords: multiagent simulation system, heterogeneous distributed electric vehicle charging infrastructure, mathematical and computer modeling, electric vehicle behavior model, software development, optimization of charging station placement
Просмотров: 1389
Авторы: Скоробогатченко Д.А. (dmitryskor2004@gmail.com) - Волгоградский государственный технический университет (д.т.н., профессор); Волчков С.Н. (c4s23@yandex.ru) - ЦМИТ «Бионика и нейротехнологии» (ведущий разработчик); Сафонова Е.В. (safonova_h@mail.ru) - Волгоградский государственный технический университет (преподаватель);
Аннотация: Работа посвящена изучению и применению инструментов имитационного мультиагентного моделирования и компьютерного анализа в области электрических автономных транспортных средств. Рассмотрена методика разработки системы моделирования процессов взаимодействия парка легковых электромобилей с гетерогенной распределенной городской общественной системой электрозарядной инфраструктуры. Для получения необходимой информации и построения моделей использованы данные программно-аппаратного комплекса регионального оператора электромобилей. Исследования проводились при различных вариантах интенсивности трафика городского автономного электротранспорта, зарядного поведения водителей, начального уровня заряда аккумуляторной батареи, а также при различной конфигурации внешней гетерогенной зарядной инфраструктуры. Кроме этого, в работе учитывались отличия в зарядных коннекторах, стоящих на электромобилях и на станциях зарядки, что накладывало дополнительные ограничения на зарядное поведение водителей. В качестве среды моделирования выбран комплекс Simulation of Urban Mobility, для которого на языке Python сделана программа-обертка – промежуточный слой между средой моделирования и стандартной библиотекой Python TraCI для SUMO. Предложен алгоритм перенаправления электромобиля к зарядной станции в зависимости от уровня заряда его аккумуляторной батареи и зарядного поведения водителя, определяемого при моделировании. Авторами разработана мультиагентная имитационная модель зарядной станции, которая, в отличие от традиционно применяемой при моделировании в SUMO полосы зарядки, представляет собой зарядные точки на станции. Предложенная система позволяет изучать закономерности взаимодействия между автономными электромобилями в городских агломерациях и общественной зарядной инфраструктурой. Исследование имеет практическую значимость для развития городского автономного электротранспорта, включая не только интересы операторов и городских властей, но и конечных пользователей электромобилей.
Abstract: The paper investigates and applies simulation tools for multiagent modeling and computational analysis for electric autonomous vehicles. It examines the development of a simulation system to model interactions between a passenger electric vehicle fleet and a heterogeneous distributed public charging infrastructure in urban environment. The authors utilized data from a regional electric vehicle operator's hardware-software platform to acquire necessary datasets and construct models. The research considered various scenarios of urban electric vehicle traffic intensity, driver charging behavior, initial battery charge levels, and different configurations of external heterogeneous charging infrastructure. Additionally, the paper considers discrepancies in charging connectors between vehicles and charging stations, imposing extra constraints on driver charging behavior. The authors selected the SUMO simulation environment, implementing a program wrapper as an intermediate layer between SUMO and its standard TraCI Python library. The paper proposes an algorithm for rerouting an electric vehicle to a charging station based on its battery charge level and driver’s charging behavior determined during simulation. The authors developed a multiagent simulation model for charging stations, which differs from the traditional SUMO approach of using “charging lanes”. Instead, it models individual charging points at stations. This approach closely replicates the real-world process of charging electric vehicles using modern public charging infrastructure, where vehicles cease movement temporarily while occupying charging points. The proposed system enables the study of interaction patterns between autonomous electric vehicles and public charging infrastructure in urban agglomerations. This research holds significant practical value for developing urban autonomous electric transportation, addressing the interests of operators, city authorities and end-users of electric vehicles.
Ключевые слова: система мультиагентного моделирования, гетерогенная распределенная электрозарядная инфраструктура, математическое моделирование, модель поведения электромобиля, разработка программного обеспечения, оптимизация расположения зарядных станцийKeywords: multiagent simulation system, heterogeneous distributed electric vehicle charging infrastructure, mathematical and computer modeling, electric vehicle behavior model, software development, optimization of charging station placement
Просмотров: 1389
[№3 за 2025 год]
Просмотров: 1389
Работа посвящена изучению и применению инструментов имитационного мультиагентного моделирования и компьютерного анализа в области электрических автономных транспортных средств. Рассмотрена методика разработки системы моделирования процессов взаимодействия парка легковых электромобилей с гетерогенной распределенной городской общественной системой электрозарядной инфраструктуры. Для получения необходимой информации и построения моделей использованы данные программно-аппаратного комплекса регионального оператора электромобилей. Исследования проводились при различных вариантах интенсивности трафика городского автономного электротранспорта, зарядного поведения водителей, начального уровня заряда аккумуляторной батареи, а также при различной конфигурации внешней гетерогенной зарядной инфраструктуры. Кроме этого, в работе учитывались отличия в зарядных коннекторах, стоящих на электромобилях и на станциях зарядки, что накладывало дополнительные ограничения на зарядное поведение водителей. В качестве среды моделирования выбран комплекс Simulation of Urban Mobility, для которого на языке Python сделана программа-обертка – промежуточный слой между средой моделирования и стандартной библиотекой Python TraCI для SUMO. Предложен алгоритм перенаправления электромобиля к зарядной станции в зависимости от уровня заряда его аккумуляторной батареи и зарядного поведения водителя, определяемого при моделировании. Авторами разработана мультиагентная имитационная модель зарядной станции, которая, в отличие от традиционно применяемой при моделировании в SUMO полосы зарядки, представляет собой зарядные точки на станции. Предложенная система позволяет изучать закономерности взаимодействия между автономными электромобилями в городских агломерациях и общественной зарядной инфраструктурой. Исследование имеет практическую значимость для развития городского автономного электротранспорта, включая не только интересы операторов и городских властей, но и конечных пользователей электромобилей.
Скоробогатченко Д.А. (dmitryskor2004@gmail.com) - Волгоградский государственный технический университет (д.т.н., профессор); Волчков С.Н. (c4s23@yandex.ru) - ЦМИТ «Бионика и нейротехнологии» (ведущий разработчик); Сафонова Е.В. (safonova_h@mail.ru) - Волгоградский государственный технический университет (преподаватель);
[№3 за 2025 год]
Авторы: Субботин А.В. (aws1998@ya.ru) - Оренбургский государственный университет, Аэрокосмический институт (аспирант); Зубкова Т.М. (bars87@mail.ru) - Оренбургский государственный университет (профессор), доктор технических наук;
Аннотация: Исследование посвящается проблеме адаптации интерфейсов в САПР с целью повышения эффективности работы инженера-конструктора при проектировании машиностроительных изделий на производстве. В данной статье рассматривается подход по адаптации интерфейса САПР КОМПАС-3D под задачи проектировщика. В качестве задачи выступает набор данных, описывающих будущую деталь. Новизной предложенного подхода является применение многослойной нейросети для анализа взаимосвязей между входными переменными, описывающими геометрические характеристики детали, и командами, используемыми в процессе построения ее трехмерной модели. Обучение нейросети проводилось на основе трехмерных моделей из библиотеки стандартных изделий. Результатом работы нейросети является набор рекомендаций, состоящих из необходимых команд, которые потребуются проектировщику для построения модели детали. Разработано программное средство, позволяющее на основе рекомендаций нейросети сформировать интерфейс с инструментальной панелью, который располагается поверх окна системы КОМПАС-3D. Отличительной особенностью данного интерфейса является гибкость в настройке. Программное средство позволяет расширять базу готовых проектов деталей и переобучать нейронную сеть для повышения точности классификации. Взаимодействие программного средства и системы КОМПАС-3D реализовано с помощью набора для разработки ПО Software Development Kit и языка программирования Python. Внедрение разработанного программного средства в рабочую среду инженера-конструктора позволит оптимизировать его труд и повысить производительность с помощью адаптивного интерфейса можно уменьшить количество команд и время их поиска в интерфейсной части САПР. Таким образом, использование нейросети в адаптации интерфейса позволит повысить эффективность взаимодействия с системой КОМПАС-3D. Кроме того, обеспечит более простое и интуитивно понятное рабочее пространство для проектировщика.
Keywords: multilayer neural network, interface, adaptive interface, design workspace, CAD system, Kompass-3D
Просмотров: 1355
Авторы: Субботин А.В. (aws1998@ya.ru) - Оренбургский государственный университет, Аэрокосмический институт (аспирант); Зубкова Т.М. (bars87@mail.ru) - Оренбургский государственный университет (профессор), доктор технических наук;
Аннотация: Исследование посвящается проблеме адаптации интерфейсов в САПР с целью повышения эффективности работы инженера-конструктора при проектировании машиностроительных изделий на производстве. В данной статье рассматривается подход по адаптации интерфейса САПР КОМПАС-3D под задачи проектировщика. В качестве задачи выступает набор данных, описывающих будущую деталь. Новизной предложенного подхода является применение многослойной нейросети для анализа взаимосвязей между входными переменными, описывающими геометрические характеристики детали, и командами, используемыми в процессе построения ее трехмерной модели. Обучение нейросети проводилось на основе трехмерных моделей из библиотеки стандартных изделий. Результатом работы нейросети является набор рекомендаций, состоящих из необходимых команд, которые потребуются проектировщику для построения модели детали. Разработано программное средство, позволяющее на основе рекомендаций нейросети сформировать интерфейс с инструментальной панелью, который располагается поверх окна системы КОМПАС-3D. Отличительной особенностью данного интерфейса является гибкость в настройке. Программное средство позволяет расширять базу готовых проектов деталей и переобучать нейронную сеть для повышения точности классификации. Взаимодействие программного средства и системы КОМПАС-3D реализовано с помощью набора для разработки ПО Software Development Kit и языка программирования Python. Внедрение разработанного программного средства в рабочую среду инженера-конструктора позволит оптимизировать его труд и повысить производительность с помощью адаптивного интерфейса можно уменьшить количество команд и время их поиска в интерфейсной части САПР. Таким образом, использование нейросети в адаптации интерфейса позволит повысить эффективность взаимодействия с системой КОМПАС-3D. Кроме того, обеспечит более простое и интуитивно понятное рабочее пространство для проектировщика.
Abstract: The paper focuses on interface adaptation in CAD systems to enhance design efficiency for mechanical engineers in manufacturing environments. It presents a CAD interface adaptation approach for designer-specific tasks in KOMPAS-3D.
The task is a set of data describing a future detail. The proposed approach's novelty is in employing a multilayer neural network to analyze relationships between input variables that describe part geometry and commands used during 3D model construction. Authors trained the neural network on 3D models from a standard parts library. The neural network generates a set of recommended commands that assist designers in creating part models. The developed software tool generates a neural network-driven toolbar interface that overlays the KOMPAS-3D CAD system window. A distinctive feature of this interface is the flexibility in configuration. The software tool enables expansion of the standard part database and retraining of the neural network to improve classification accuracy. The software tool integrates with KOMPAS-3D through its Software Development Kit (SDK) using Python. Deploying the developed software tool in mechanical engineers' workflows will optimize labor efficiency and boost productivity. The adaptive interface allows to reduce the number of commands and the time to search for them in the CAD interface. Thus, using a neural network to adapt the interface will increase the efficiency of interaction with KOMPAS-3D and provide a simpler and more intuitive workspace for a designer.
Ключевые слова: многослойная нейронная сеть, интерфейс, адаптивный интерфейс, рабочее пространство проектирования, сапр, компас-3DKeywords: multilayer neural network, interface, adaptive interface, design workspace, CAD system, Kompass-3D
Просмотров: 1355
[№3 за 2025 год]
Просмотров: 1355
Исследование посвящается проблеме адаптации интерфейсов в САПР с целью повышения эффективности работы инженера-конструктора при проектировании машиностроительных изделий на производстве. В данной статье рассматривается подход по адаптации интерфейса САПР КОМПАС-3D под задачи проектировщика.
В качестве задачи выступает набор данных, описывающих будущую деталь. Новизной предложенного подхода является применение многослойной нейросети для анализа взаимосвязей между входными переменными, описывающими геометрические характеристики детали, и командами, используемыми в процессе построения ее трехмерной модели. Обучение нейросети проводилось на основе трехмерных моделей из библиотеки стандартных изделий. Результатом работы нейросети является набор рекомендаций, состоящих из необходимых команд, которые потребуются проектировщику для построения модели детали. Разработано программное средство, позволяющее на основе рекомендаций нейросети сформировать интерфейс с инструментальной панелью, который располагается поверх окна системы КОМПАС-3D. Отличительной особенностью данного интерфейса является гибкость в настройке. Программное средство позволяет расширять базу готовых проектов деталей и переобучать нейронную сеть для повышения точности классификации. Взаимодействие программного средства и системы КОМПАС-3D реализовано с помощью набора для разработки ПО Software Development Kit и языка программирования Python. Внедрение разработанного программного средства в рабочую среду инженера-конструктора позволит оптимизировать его труд и повысить производительность с помощью адаптивного интерфейса можно уменьшить количество команд и время их поиска в интерфейсной части САПР. Таким образом, использование нейросети в адаптации интерфейса позволит повысить эффективность взаимодействия с системой КОМПАС-3D. Кроме того, обеспечит более простое и интуитивно понятное рабочее пространство для проектировщика.
Субботин А.В. (aws1998@ya.ru) - Оренбургский государственный университет, Аэрокосмический институт (аспирант); Зубкова Т.М. (bars87@mail.ru) - Оренбургский государственный университет (профессор), доктор технических наук;
Ключевые слова: многослойная нейронная сеть, интерфейс, адаптивный интерфейс, рабочее пространство проектирования, сапр, компас-3D
9. Реализация проекта для решения проблемы отсутствия графической оболочки пакета OpenFOAM
[№3 за 2025 год]Автор: Читалов Д.И. (cdi9@yandex.ru) - Южно-Уральский научный центр (младший научный сотрудник);
Аннотация: Отсутствие графического интерфейса в базовом дистрибутиве пакета OpenFOAM значительно усложняет работу пользователей. Данное исследование направлено на устранение этой проблемы. Разработан и интегрирован модуль, предназначенный для проведения численных экспериментов с помощью программы-решателя mulesQHDFoam. Его преимуществами в сравнении с приложениями-аналогами являются открытость исходного кода, а также наличие русифицированного интерфейса. Отделение программного кода, обеспечивающего функционирование фронтенда, от программного кода бэкенда упрощает последующую поддержку и доработку модуля. В работе описаны некоторые аспекты применения решателя mulesQHDFoam, особенности постановки экспериментов с его участием. Представлен перечень средств разработки, в том числе основного языка программирования, дополнительных библиотек и вспомогательных технологий. Процессная диаграмма, созданная с помощью языка построения диаграмм UML, демонстрирует алгоритм работы пользователя с программой. Возможности модуля протестированы в рамках проведения эксперимента по моделированию одной из фундаментальных задач механики сплошных сред. Представлено изображение результатов эксперимента для выбранной задачи с визуализацией главного окна графической оболочки. Благодаря размещению исходного кода на сервисе GitHub программа доступна для применения сторонними специалистами. Проанализирована эффективность выбранного перечня технологий разработки по итогам выполненного исследования, определена целесообразность его дальнейшего применения. Сформулированы краткие результаты работы с указанием потенциальной практической ценности проекта. Приведены основные пункты, отличающие разработанные модули от программных продуктов-аналогов.
Abstract: Since the standard OpenFOAM distribution kit has no graphical user interface, this fact complicates user interaction with the software. This paper aims to resolve this pressing issue. It presents an integrated module enabling numerical experimentation through the mulesQHDFoam solution framework. The developed solution offers two key competitive benefits: open-source code accessibility and Russian language interface. Separation of the program code that ensures frontend functioning from the backend program code simplifies subsequent support and refinement of the module. The paper describes some aspects of using mulesQHDFoam and peculiarities in designing experiments with this solver. It also presents a list of development tools including the primary programming language, supplementary libraries, and supporting technologies. A process diagram created using the UML diagramming language demonstrates the algorithm of the user's work with the program. The author tested the module's capabilities by simulating a fundamental continuum mechanics problem. The paper presents an image of the experimental results for the selected task with a visualization of the main window of the graphical shell. Since the source code is hosted on the GitHub, third-party specialists can use the program. The author shows the analysis of the effectiveness of the selected development technologies and determines their appropriateness for future implementation. He also presents concise results and deduces the implementation value of this research. He identifies several critical differentiators between developed modules and existing comparable software products.
Ключевые слова: численное моделирование, openfoam, решатель mulesqhdfoam, открытое по, графический интерфейс пользователя, python, механика сплошных средKeywords: numerical simulation, openfoam, mulesQHDFoam solver, open source software, graphical user interface, python, continuum mechanics
Просмотров: 1323
9. Реализация проекта для решения проблемы отсутствия графической оболочки пакета OpenFOAM
[№3 за 2025 год]
Просмотров: 1323
Отсутствие графического интерфейса в базовом дистрибутиве пакета OpenFOAM значительно усложняет работу пользователей. Данное исследование направлено на устранение этой проблемы. Разработан и интегрирован модуль, предназначенный для проведения численных экспериментов с помощью программы-решателя mulesQHDFoam. Его преимуществами в сравнении с приложениями-аналогами являются открытость исходного кода, а также наличие русифицированного интерфейса. Отделение программного кода, обеспечивающего функционирование фронтенда, от программного кода бэкенда упрощает последующую поддержку и доработку модуля.
В работе описаны некоторые аспекты применения решателя mulesQHDFoam, особенности постановки экспериментов с его участием. Представлен перечень средств разработки, в том числе основного языка программирования, дополнительных библиотек и вспомогательных технологий. Процессная диаграмма, созданная с помощью языка построения диаграмм UML, демонстрирует алгоритм работы пользователя с программой. Возможности модуля протестированы в рамках проведения эксперимента по моделированию одной из фундаментальных задач механики сплошных сред. Представлено изображение результатов эксперимента для выбранной задачи с визуализацией главного окна графической оболочки. Благодаря размещению исходного кода на сервисе GitHub программа доступна для применения сторонними специалистами. Проанализирована эффективность выбранного перечня технологий разработки по итогам выполненного исследования, определена целесообразность его дальнейшего применения. Сформулированы краткие результаты работы с указанием потенциальной практической ценности проекта. Приведены основные пункты, отличающие разработанные модули от программных продуктов-аналогов.
Читалов Д.И. (cdi9@yandex.ru) - Южно-Уральский научный центр (младший научный сотрудник);
10. Классификация отчетов GitHub с использованием резервуарной нейронной сети LogNNet
[№3 за 2025 год]Авторы: Ковин А.М. (akovin@list.ru) - Институт прикладных математических исследований, КарНЦ РАН (старший инженер-исследователь); Ивашко Е.Е. (ivashko@krc.karelia.ru) - Институт прикладных математических исследований, КарНЦ РАН (старший научный сотрудник); Изотов Ю.А. (izotov93@yandex.ru) - Физико-технический институт, Петрозаводский государственный университет (научный сотрудник); Величко А.А. (velichkogf@gmail.com) - Физико-технический институт, Петрозаводский государственный университет (к.ф.-м.н., доцент);
Аннотация: В решении задач классификации широко используются нейронные сети. Их обучение и применение требуют значительных вычислительных ресурсов. Проблема дефицита ресурсов особенно актуальна для встраиваемых и носимых устройств, для периферийных вычислений в Интернете вещей. Не менее значима для периферийных вычислений и обработка естественного языка, в частности классификация текстов. В статье анализируется эффективность нейронной сети LogNNet на примере классификации отчетов в системе отслеживания задач GitHub Issues. Нейронные сети LogNNet основаны на технологии резервуарных вычислений и используют свойство автогенерации весовых коэффициентов матрицы резервуара. В работе выполнена классификация отчетов на три класса: отчет об ошибке, запрос на улучшение, вопрос по использованию ПО. Эксперименты проведены с использованием БД, содержащей 100 тысяч примеров, не сбалансированных по классам. Определена минимальная размерность вектора признаков, обеспечивающая приемлемое качество классификации. Результаты сравниваются по метрикам точности, полноты, f1-меры, точности по всем классам с шестью стандартными методами машинного обучения: методом опорных векторов, наивным байесовским классификатором, методом ближайших соседей, деревом решений, случайным лесом и логистической регрессией. Также выполнен расчет экономии оперативной памяти, используемой для хранения данных LogNNet. Исследование показало, что модель LogNNet 100:50:20:3 позволяет сократить объем используемой оперативной памяти в 5 раз. При этом точность классификации остается на уровне 92 % от максимальных значений стандартных методов. Использование LogNNet для решения аналогичных задач может быть оправданным только на устройствах с небольшим объемом доступной оперативной памяти, таких как микроконтроллеры и мини-компьютеры.
Abstract: Neural networks effectively handle classification tasks. However, their training and application require significant computing resources. Resource constraints particularly challenge embedded and wearable devices, as well as IoT edge computing systems. Natural language processing, especially text classification, is equally critical for edge computing. The paper analyzes the effectiveness of the LogNNet neural network using the example of classifying reports in the GitHub Issues task tracking system. LogNNet uses reservoir computing with auto-generated weights. The paper classifies reports into three categories: bug reports, improving issues, and software usage questions. The experiments involved using a 100,000-example database with imbalanced class distribution. The analysis established the minimum required feature dimensionality for adequate classification quality. Authors compared the results using accuracy, recall, f1-score, and perclass precision metrics against six standard machine learning methods: support vector machines, naive Bayes classifiers, k-nearest neighbors, decision trees, random forests, and logistic regression. The paper measures the RAM conservation enabled by LogNNet's compact memory representation. It occurred that LogNNet 100:50:20:3 reduces the amount of RAM used by 5 times. Meanwhile, the classification accuracy maintains 92% of the maximum values achieved by standard methods. LogNNet proves justified only for resource-constrained devices like microcontrollers and minicomputers when solving similar tasks.
Ключевые слова: lognnet, резервуарные вычисления, машинное обучение, классификация отчетов об ошибках, githubKeywords: LogNNet, reservoir computing, machine learning, issue report classification, GitHub
Просмотров: 1380
10. Классификация отчетов GitHub с использованием резервуарной нейронной сети LogNNet
[№3 за 2025 год]
Просмотров: 1380
В решении задач классификации широко используются нейронные сети. Их обучение и применение требуют значительных вычислительных ресурсов. Проблема дефицита ресурсов особенно актуальна для встраиваемых и носимых устройств, для периферийных вычислений в Интернете вещей. Не менее значима для периферийных вычислений и обработка естественного языка, в частности классификация текстов. В статье анализируется эффективность нейронной сети LogNNet на примере классификации отчетов в системе отслеживания задач GitHub Issues. Нейронные сети LogNNet основаны на технологии резервуарных вычислений и используют свойство автогенерации весовых коэффициентов матрицы резервуара. В работе выполнена классификация отчетов на три класса: отчет об ошибке, запрос на улучшение, вопрос по использованию ПО. Эксперименты проведены с использованием БД, содержащей 100 тысяч примеров, не сбалансированных по классам. Определена минимальная размерность вектора признаков, обеспечивающая приемлемое качество классификации. Результаты сравниваются по метрикам точности, полноты, f1-меры, точности по всем классам с шестью стандартными методами машинного обучения: методом опорных векторов, наивным байесовским классификатором, методом ближайших соседей, деревом решений, случайным лесом и логистической регрессией. Также выполнен расчет экономии оперативной памяти, используемой для хранения данных LogNNet. Исследование показало, что модель LogNNet 100:50:20:3 позволяет сократить объем используемой оперативной памяти в 5 раз. При этом точность классификации остается на уровне 92 % от максимальных значений стандартных методов. Использование LogNNet для решения аналогичных задач может быть оправданным только на устройствах с небольшим объемом доступной оперативной памяти, таких как микроконтроллеры и мини-компьютеры.
Ковин А.М. (akovin@list.ru) - Институт прикладных математических исследований, КарНЦ РАН (старший инженер-исследователь); Ивашко Е.Е. (ivashko@krc.karelia.ru) - Институт прикладных математических исследований, КарНЦ РАН (старший научный сотрудник); Изотов Ю.А. (izotov93@yandex.ru) - Физико-технический институт, Петрозаводский государственный университет (научный сотрудник); Величко А.А. (velichkogf@gmail.com) - Физико-технический институт, Петрозаводский государственный университет (к.ф.-м.н., доцент);
Ключевые слова: lognnet, резервуарные вычисления, машинное обучение, классификация отчетов об ошибках, github
