Многие задачи, связанные с высокоскоростным взаимодействием с грунтом, представляют собой интересную область исследований. Например, падение тяжелых предметов на поверхность земли не только создает эффект динамического удара, но и может служить эффективным методом уплотнения грунта под будущие фундаменты зданий и сооружений. Этот процесс, наряду с проникновением объектов в грунт, ставит новые задачи для исследователей. Наиболее точные результаты в этих сложных сценариях можно получить, применяя нелинейную динамическую постановку, что позволяет глубже понять механизмы взаимодействия и обеспечить надежность конструкций в условиях экстремальных нагрузок. Для этого необходимо использовать соответствующие подходы к моделированию. Кроме этого, грунт при таком воздействии проявляет свойства жидкости или газа, поэтому необходимо использовать специальные грунтовые модели. В работе приведены основные базовые соотношения и основные параметры грунтовых моделей необходимых при динамическом расчете грунтов, которые могут быть полезны при моделировании работы грунтового массива в современных программных комплексах.

Ключевые слова: физическая нелинейность, демпфирование, грунт, основание зданий и сооружений, дилатансия, уплотнение грунта, поровое давление, плотность грунта, модуль деформации, численная модель грунта

1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.1.2 - Основания и фундаменты, подземные сооружения (технические науки)

Прогнозная аналитика является одним из важнейших направлений анализа данных, которое позволяет предсказывать будущие события на основе исторических данных. Актуальность прогнозной аналитики в современном мире обусловлена быстрым развитием технологий, ростом объемов данных и растущей потребностью в обоснованном принятии управленческих решений. В статье рассматриваются основные подходы, такие как регрессионные модели, временные ряды, деревья решений, методы кластеризации и нейронные сети, а также их преимущества и недостатки.

Ключевые слова: прогнозная аналитика, регрессионные модели, временные ряды, деревья решений, нейронные сети, кластеризация, большие данные, методы прогнозной аналитики, анализ больших данных, прогнозирование

1.2.2 - Математическое моделирование, численные методы и комплексы программ

В данной работе предлагается способ обратного вейвлет-преобразования изображения для формата JPEG XS. Указанный формат использует вейвлет-фильтр Ле-Галла, а в качестве вейвлет-преобразования используется схема лифтинга. Данный способ вейвлет-обработки изображений и видеосигнала имеет низкую скорость вычислений. Для повышения скорости вычислений предлагается использовать метод Винограда, так как он позволяет выполнять обработку параллельно группами пикселей. В статье проводится анализ влияния точности получения изображения высокого качества для вычислений в формате фиксированной точки. Результаты моделирования показали, что обработка 2 пикселей по методу Винограда для получения высокого качества изображения достаточно использовать 3 знака после запятой. При обработке 3 и 4 пикселей изображения достаточно использовать по 7 знаков после запятой. При обработке 5 пикселей изображения достаточно использовать 12 знаков после запятой. Перспективным направлением дальнейших исследования является разработка аппаратных ускорителей для выполнения обратного дискретного вейвлет-преобразования методом Винограда.

Ключевые слова: вейвлет-преобразование, фильтр Ле-Галла, метод Винограда, обработка изображений, цифровая фильтрация, свертка с шагом

1.2.2 - Математическое моделирование, численные методы и комплексы программ

В статье представлены результаты разработки алгоритма и десктоп-приложения для распознавания русского рукописного текста на изображениях с использованием технологий компьютерного зрения и глубокого обучения. Изучены классические и современные методы распознавания, разработан и реализован алгоритм, обеспечивающий точность распознавания 71%. Приложение позволяет пользователю загружать изображения, получать оцифрованный текст и сохранять результаты в личном кабинете. Программная реализация включает блок обучения модели с оценкой метрик точности и полноты. Приложение соответствует всем поставленным требованиям, обеспечивая удобство использования и функциональность.

Ключевые слова: глубокое обучение, рукописный текст, изображение, данные, обучение модели, компьютерное зрение, извлечение признаков, сверточная нейронная сеть, рекуррентная нейронная сеть

1.2.2 - Математическое моделирование, численные методы и комплексы программ

В данной статье представлены методы решения задачи линейного раскроя (ЗЛР) с критерием минимизации числа отходов и перестановок ножей. Задача линейного раскроя в общем виде представляет собой оптимизационную задачу, которая заключается в размещении заданных видов материала (рулонов) так, чтобы минимизировать отходы и/или максимизировать использование исходных материалов с учетом ограничений по количеству ножей, ширины тамбура и требуемых заказов. Рассматривается частный случай задачи с дополнительным условием по минимизации перестановок ножей и следующие подходы для его решения: метод полного перебора, а также случайный поиск на основе генетических и эволюционных алгоритмов. Для различных методов решения ЗЛР представлен псевдокод. Проведено сравнение по алгоритмической сложности, контролируемости времени исполнения и точности.

Ключевые слова: планирование производства бумаги, линейный раскрой, полный перебор, генетический алгоритм, минимизация отходов, минимизация перестановок ножей

1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.3.3 - Автоматизация и управление технологическими процессами и производствами

Отклонение лесозаготовительной техники от заданного маршрута приводит к экологическим, правовым и экономическим проблемам, таким как повреждение почвы, уничтожение деревьев и штрафы. Автономные системы корректировки маршрутов необходимы для решения этих проблем. Целью данного исследования является разработка системы обнаружения отклонений и расчета траектории для возврата на заданный маршрут. Система определяет текущее местоположение техники с использованием датчиков глобального позиционирования и инерциального измерительного устройства. Фильтр Калмана обеспечивает точность позиционирования, а алгоритм A* и методы сглаживания траектории используются для вычисления эффективных маршрутов с учетом препятствий и радиусов поворота. Предложенное решение эффективно обнаруживает отклонения и вычисляет траекторию для возврата на маршрут.

Ключевые слова: детектирование отклонений, корректировка маршрута, мобильное приложение, фильтр Калмана, лесосечные работы

1.2.2 - Математическое моделирование, численные методы и комплексы программ

В статье рассматриваются вопросы имитационного моделирования процессов перемешивания волокнистых материалов с использованием Марковских процессов. Правильное сочетание и перераспределение компонентов в двухкомпонентной смеси существенно влияет на их физические свойства, а разработанная модель дает возможность оптимизировать этот процесс. Авторами предложен алгоритм моделирования переходов между состояниями смеси, основанный на Марковских процессах.

Ключевые слова: моделирование, имитация, смесь, перемешивание, волокнистые материалы

1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.3.1 - Системный анализ, управление и обработка информации

В работе исследуется применение рекуррентных нейронных сетей для прогнозирования уровня воды в реке Амур. Описаны преимущества использования таких сетей по сравнению с традиционными методами машинного обучения. Проведено сравнение различных архитектур рекуррентных сетей, выполнена оптимизация гиперпараметров модели. Разработанная модель, основанная на длинной краткосрочной памяти, продемонстрировала высокую точность прогнозирования, превосходящую традиционные методы. Полученные результаты могут быть использованы для повышения эффективности мониторинга водных ресурсов и предупреждения паводков.

Ключевые слова: анализ временных рядов, Амур, уровень воды, прогнозирование, нейронные сети, рекуррентная сеть

1.2.2 - Математическое моделирование, численные методы и комплексы программ

Данная работа посвящена разработке нового подхода к решению задач оптимизации, основанного на синтезе генетических алгоритмов и искусственных нейронных сетей. Предложенная гибридная система включает в себя механизм динамической адаптации параметров эволюционного процесса на основе обучающейся нейронной сети, что позволяет эффективно решать задачи с многими локальными минимумами, шумными данными и изменяющимися условиями. В рамках исследования были проанализированы существующие методы эволюционного поиска, выявлены их ограничения и предложены решения, направленные на повышение эффективности оптимизации. Основной целью работы является создание алгоритма, который с помощью нейронной сети может изменять параметры мутации и кроссовера в процессе поиска, что позволяет избегать преждевременной сходимости и ускоряет нахождение глобального экстремума. Экспериментальная часть работы включает тестирование предложенного метода на примере функции Растригина, где показана эффективность гибридного подхода по сравнению с традиционными методами. Результаты демонстрируют, что динамическая настройка параметров, предложенная в данной работе, значительно улучшает результаты поиска в условиях многопараметрических задач и может быть использована для более сложных оптимизационных проблем. В заключение обсуждаются возможные направления дальнейших исследований и расширений предложенной методики.

Ключевые слова: генетический алгоритм, искусственная нейронная сеть, динамическая настройка, гибридный метод, глобальная оптимизация, адаптивный алгоритм

1.2.2 - Математическое моделирование, численные методы и комплексы программ

В статье рассматривается использование технологий компьютерного зрения для автоматизации процесса наблюдения за животными на открытых пространствах, с целью их подсчета и идентификации видов. Описываются методы детектирования и распознавания животных с помощью сверхточных нейронных сетей и способы решения проблем многократного подсчета животных на изображениях. Предлагаются два метода: анализ последовательностей видеоданных и индивидуальное распознавание животных. Рассматриваются плюсы и минусы каждого метода, а также возможность их комбинирования для повышения точности системы. Описан процесс обучения нейронной сети на основе датасета. Получены результаты тестирования, показывающие успешность предложенной системы. Подчеркивается перспективность рассмотренных технологий для мониторинга популяций животных и дальнейшего развития подобных систем в сельском хозяйстве.

Ключевые слова: алгоритм, компьютерное зрение, мониторинг, пастбищное, животноводство

1.2.2 - Математическое моделирование, численные методы и комплексы программ

В данной статье будет представлен пакет mlreflect, написанный на языке Python, который представляет собой оптимизированный конвейер данных для автоматизированного анализа данных рефлектометрии с использованием машинного обучения. Этот пакет объединяет несколько методов обучения и обработки данных. Прогнозы, сделанные нейронной сетью, достаточно точны и надежны, для того чтобы служить хорошими отправными параметрами для последующей подгонки данных по методу наименьших средних квадратов (НСК). Для большого набора данных, состоящего из 250 кривых отражательной способности различных тонких пленок на кремниевых подложках, было продемонстрировано, что аналитический конвейер данных с высокой точностью находит минимум пленки, который очень близок к заданному исследователем с использованием физических знаний и тщательно подобранных граничных условий.

Ключевые слова: нейронная сеть, рентгенография, тонкие пленки, конвейер данных, машинное обучение

1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.3.1 - Системный анализ, управление и обработка информации

Данная работа посвящена применению метода Винограда для выполнения вейвлет-преобразования в задаче сжатия изображений. Применение данного метода позволяет снизить вычислительную сложность, а также повысить скорость вычислений за счет групповой обработки пикселей. В работе определяется минимальное количество бит, при котором обработанные изображения достигали высокого качества в результате выполнения дискретного вейвлет-преобразования в формате вычислений с фиксированной точкой. Результаты эксперимента показали, что для обработки фрагментов из 2 и 3 пикселей без потери точности по методу Винограда достаточно использовать 2 двоичных знака после запятой. Для получения качественного изображения при обработке групп из 4 и 5 пикселей достаточно использовать 4 и 7 двоичных знака после запятой, соответственно. Разработка аппаратных ускорителей предложенного метода сжатия изображений является перспективным направлением дальнейших исследований.

Ключевые слова: вейвлет-преобразование, метод Винограда, обработка изображений, цифровая фильтрация, свертка с шагом

1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.3.1 - Системный анализ, управление и обработка информации

Представлены результаты исследования, направленного на разработку способа семантической сегментации тепловизионных изображений с применением модифицированного нейросетевого алгоритма, отличающегося от исходного нейросетевого алгоритма более высокой скоростью обработки графической информации. В рамках исследования выполнена модификация нейросетевого алгоритма семантической сегментации DeepLabv3+ за счет уменьшения количества параметров нейросетевой модели, что позволило увеличить скорость обработки графической информации на 48% с 27 до 40 кадров в секунду. Также представлена методика обучения, позволяющая повысить точность модифицированного нейросетевого алгоритма, при этом получено значение точности ниже точности исходного нейросетевого алгоритма на 5%.

Ключевые слова: нейросетевые алгоритмы, семантическая сегментация, машинное обучение, аугментация данных

1.2.2 - Математическое моделирование, численные методы и комплексы программ

В данной работе представляется методология распознавания микровыражений на основе оптического потока и архитектуры YOLOv11. В отличие от ранее предложенного подхода, ориентированного на детекцию: «есть микровыражение/нет микровыражения», в настоящем исследовании производится полноценная классификация различных типов микровыражений. Кроме того, учитывается половой признак испытуемых, поскольку вариации мимических проявлений могут различаться у мужчин и женщин. Для вычисления оптического потока применяется новый алгоритм, а в качестве инструмента классификации – модель YOLOv11, адаптированная под задачу анализа выражений лица. С целью нивелирования сложностей, связанных с дисбалансом классов, при оценке качества экспериментов используется Micro ROC-AUC-метрика. Результаты экспериментов показывают, что предложенный подход достигает конкурентоспособных показателей точности классификации даже при наличии существенного дисбаланса в выборке.

Ключевые слова: микровыражения, распознавание образов, оптический поток, YOLOv11

1.2.2 - Математическое моделирование, численные методы и комплексы программ

В данной статье рассматриваются основные концепции и практические аспекты программирования с использованием модели акторов на платформе Akka. Акторная модель представляет собой мощный инструмент для создания параллельных и распределённых систем, обеспечивая высокую производительность, отказоустойчивость и масштабируемость. В статье подробно описываются основные принципы работы акторов, их жизненный цикл, механизмы обмена сообщениями, а также приводятся примеры реализации типичных паттернов, таких как Master/Worker и Proxy. Особое внимание уделяется вопросам кластеризации и удалённого взаимодействия акторов, что делает статью полезной для разработчиков, работающих над распределёнными системами.

Ключевые слова: акторная модель, akka, параллельное программирование, распределённые системы, обмен сообщениями, кластеризация, отказоустойчивость, жизненный цикл актора, паттерны программирования, мастер-воркер, прокси-актор, синхронизация, асинхронность

1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.3.1 - Системный анализ, управление и обработка информации

Анализ геополитической ситуации ряда эпизодов американской революции в контексте применения методов математического моделирования структурного баланса. Управление структурным балансом способно помочь найти наиболее оптимальные стратегии взаимодействующих сторон. В данной статье автор анализирует примеры взаимодействия акторов в контексте Американской революции с помощью знаковых графов, это позволяет в иллюстративной форме оценить положение дел на данном историческом этапе. На примере ряда конкретных исторических эпизодов показаны случаи сбалансированных и несбалансированных систем, а также объяснен исторический контекст каждого эпизода. В период Американской революции акторы (страны и конкретные политики, а также коренные народы) имели свои цели и интересы, их положительное или отрицательное взаимодействие во многом сформировали ход истории.

Ключевые слова: математическое моделирование, структурный баланс, дискретные модели, знаковый граф, история США

1.2.2 - Математическое моделирование, численные методы и комплексы программ

Статья посвящена разработке инструмента автоматизированной генерации временных ограничений в контексте разработки схем в базисе программируемой логической интегральной схемы (ПЛИС). В работе проанализированы актуальные решения в области интерфейсных средств генерации проектных ограничений. Разработана структура данных для средства генерации проектных ограничений, алгоритмы чтения и записи файлов формата проектных ограничений Synopsys (Synopsys Design Constraints). На основе разработанных структур и алгоритмов реализован программный модуль, который впоследствии внедрен в маршрут проектирования схем в базисе ПЛИС системы автоматизированного проектирования (САПР) X-CAD.

Ключевые слова: система автоматизированного проектирования, программируемая логическая интегральная схема, автоматизация, проектные ограничения, разработка, маршрут проектирования, алгоритм, статический временной анализ

1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.3.7 - Компьютерное моделирование и автоматизация проектирования

В статье представлен анализ применения сократического метода для выбора моделей машинного обучения в корпоративных информационных системах. Цель исследования заключается в изучении возможностей использования модульной архитектуры сократической модели для интеграции предобученных моделей без необходимости их дополнительного обучения. Методология основывается на языковом взаимодействии между модулями, что позволяет объединять данные из различных доменов, включая текст, изображения и аудио, для решения многомодальных задач. В результате проведенного ясно, что предложенный подход обладает высоким потенциалом для оптимизации выбора моделей, ускорения процессов принятия решений и снижения затрат на внедрение искусственного интеллекта в корпоративной среде.

Ключевые слова: сократический метод, машинное обучение, корпоративные информационные системы, многомодальные данные, языковое взаимодействие, оптимизация бизнес-процессов, искусственный интеллект

1.2.2 - Математическое моделирование, численные методы и комплексы программ

В статье освещена модульная структура взаимодействия различных моделей на основе сократического диалога. Цель исследования — изучение возможностей синтеза нейронных сетей и системного анализа с применением сократических методов для управления корпоративными ИТ – проектами. Применение этих методов обеспечивает возможность без дополнительного обучения объединять знания, хранимые в предварительно обученных моделях, для решения сложных задач управления. Методология исследования основана на анализе возможностей мультимодальных моделей, их интеграции через языковое взаимодействие и системного анализа ключевых аспектов управления ИТ – проектами. Полученные результаты включают создание структурированной схемы для выбора подходящих моделей и формирования рекомендаций, что способствует повышению эффективности управления проектами в корпоративной среде. Научная значимость работы заключается в интеграции современных подходов к искусственному интеллекту для реализации системного анализа с применением мультиагентных решений.

Ключевые слова: нейронные сети, системный анализ, сократический метод, корпоративные ИТ – проекты, мультимодальные модели, управление проектами

1.2.2 - Математическое моделирование, численные методы и комплексы программ

В статье представлены результаты численного эксперимента по сравнению точности нейросетевого распознавания объектов на изображениях с применением различных типов расширения наборов данных. Описывается необходимость в расширении наборов данных с применением адаптивных подходов, с целью минимизации использования преобразований изображений, которые могут снижать точность распознавания объектов. Автор рассматривает такие подходы к расширению наборов данных как рандомная и автоматическая аугментации так как они являются распространенными, а также разработанный метод адаптивного рас-ширения наборов данных при помощи алгоритма глубокого обучения с подкреплением. Приведены алгоритмы работы каждого из подходов их преимущества и недостатки методов. Описывается работа и основные параметры разработанного метода расширения набора данных при помощи алгоритма глубокого обучения с подкреплением (Deep-Q-Network), с точки зрения алгоритма и основного модуля программного комплекса. Уделяется внимание к одному из подходов машинного обучения, а именно обучению с подкреплением. Описывается применение нейронной сети для аппроксимации Q-функции и ее обновления в процессе обучения, в основе которого лежит разрабатываемый метод. Результаты экспериментов показывают преимущество использования расширения наборов данных при помощи алгоритма обучения с подкреплением на примере модели классификации Squeezenet v1.1. Сравнение точности распознавания с использованием методов расширения наборов данных проводилось с применением одинаковых параметров нейросетевого классификатора с применением и без применения предобученных весов. Таким образом повышение точности в сравнении с другими методами варьируется от 2, 91% до 6,635%.

Ключевые слова: расширение наборов данных, рандомная аугментация, автоматическая аугментация, преобразования изображений, глубокое обучение с подкреплением, нейросетевой классификатор, распознавание

1.2.2 - Математическое моделирование, численные методы и комплексы программ

Современные интеллектуальные системы управления (ИСУ) представляют собой сложные программно-аппаратные комплексы, которые используют методы искусственного интеллекта, машинного обучения и обработки больших данных для автоматизации процессов принятия решений. В статье рассматриваются основные средства и технологии, применяемые при разработке ИСУ, такие, как нейронные сети, алгоритмы глубокого обучения, экспертные системы и системы поддержки принятия решений. Особое внимание уделяется роли облачных вычислений, интернета вещей и киберфизических систем в повышении эффективности интеллектуальных систем управления. Проанализированы перспективы развития данной области, а также вызовы, связанные с безопасностью данных и интерпретируемостью моделей. Приводятся примеры успешного внедрения ИСУ в промышленности, медицине и городском управлении.

Ключевые слова: интеллектуальные системы управления, искусственный интеллект, машинное обучение, нейронные сети, большие данные, интернет вещей, киберфизические системы, глубокое обучение, экспертные системы, автоматизация

1.2.1 - Искусственный интеллект и машинное обучение , 1.2.2 - Математическое моделирование, численные методы и комплексы программ

Описана технология применения вариационного принципа в задачах разработки и испытаний сложных технических систем. Путем варьирования функционала, включающего энтропию Шеннона и типовые ограничения на функцию плотности распределения определяющего параметра сложной технической системы, построены функции плотности распределения. Показано, что в зависимости от вида ограничения построенная функция плотности распределения может иметь аналитический вид, выражаться через специальные математические функции или рассчитываться численно. Приведены примеры применения вариационного принципа для поиска функции плотности распределения. Представленная в статье технология применения вариационного принципа может быть использована в модели управления процессом самодиагностики интеллектуальных систем управления, обладающих машинным сознанием.

Ключевые слова: вариационный принцип, функция плотности распределения, энтропия Шеннона, сложная техническая система

1.2.2 - Математическое моделирование, численные методы и комплексы программ

В статье рассматривается акторная модель, реализованная в языке программирования Elixir, который является наследником языка Erlang. Акторная модель представляет собой подход к параллельному программированию, где независимые объекты, называемые акторами, взаимодействуют друг с другом посредством асинхронных сообщений. В статье подробно описаны основные концепции Elixir, такие как сопоставление с образцом, неизменяемость данных, типы и коллекции, а также механизмы работы с акторами. Особое внимание уделено практическим аспектам создания и управления акторами, их взаимодействию и поддержанию состояния. Статья будет полезна исследователям и разработчикам, интересующимся параллельным программированием и функциональными языками.

Ключевые слова: акторная модель, elixir, параллельное программирование, сопоставление с образцом, неизменяемость данных, процессы, сообщения, почтовый ящик, состояние, рекурсия, асинхронность, распределённые системы, функциональное программирование, отказоустойчивость

1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.3.1 - Системный анализ, управление и обработка информации

В данной работе представлена разработка и анализ признаковой модели динамической рукописной подписи для повышения эффективности распознавания. Признаковая модель основана на извлечении как глобальных признаков (длина подписи, средний угол между векторами подписи, размах динамических характеристик, коэффициент пропорциональности, средняя скорость ввода), так и локальных (координаты пера, сила нажатия, азимут, угол наклона). Для формирования эталона подписи, учитывающего вариативность её написания, используется метод потенциалов. Экспериментальная оценка проводилась на базе подписей MCYT_Signature_100, содержащей 2500 подлинных и 2500 поддельных образцов. В работе определены оптимальные значения степени компактности для каждого признака, что позволило учесть вариативность написания подписи и повысить точность распознавания. Полученные результаты подтверждают эффективность предложенной признаковой модели и её перспективность для биометрических систем аутентификации, что представляет практический интерес для специалистов в области информационной безопасности.

Ключевые слова: распознавание лиц, глубокое обучение, нейронные сети, идентификация пользователей, архитектура модели, обучение модели, интеграция модели, облачные сервисы, безопасность, биометрические технологии

1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.3.6 - Методы и системы защиты информации, информационная безопасность

В статье рассматривается как замена исходных данных преобразованными влияет на качество обучения глубоких нейросетевых моделей. Автор проводит четыре эксперимента с целью оценки влияния замены данных в задачах с малыми наборами данных. Первый эксперимент заключается в обучении модели без внесения изменений в исходный набор данных, второй заключается в замене всех изображений в исходном наборе на преобразованные, третий заключается в сокращении количества исходных изображений и расширения исходного набора данных при помощи преобразований, применяемым к изображениям, а также в четвертом эксперименте осуществляется расширение набора данных с целью уравновесить количество изображений в каждом классе по большему.

Ключевые слова: набор данных, расширение, нейросетевые модели, классификация, преобразование изображений, замена данных

1.2.2 - Математическое моделирование, численные методы и комплексы программ