Естественная классификация научных знаний была и остается сложной задачей, решение которой позволило бы упорядочить имеющиеся и извлекать новые знания, полезные для исследований, практического использования и образования. Особенно это важно для экономической науки с возрастающим числом новых направлений изучения развития народного хозяйства с применением современных методов системного анализа и математического моделирования. Предлагается триадная схема классификации, основанная на принципе фрактального подобия и позволяющая в каждой таксономической позиции воспроизвести схему целиком. Классифицируются только типологические единицы – непересекающиеся слои знаний. Остальные группы знаний являются объединениями или комбинаторными сочетаниями независимых слоев. Для отображения этих правил из дифференциальной геометрии привлекаются процедуры расслоения на независимые слои информации разного содержания. Иерархическая классификация представлена несколькими уровнями на пути от простого к сложному и от абстрактного к конкретному знанию: данные, понятия, модели, интертеории, метатеории и метанаука- математика. Уровень метатеорий представлен тремя секторами членения на концептуальные, количественные и формальные знания, что соответственно включают политическую экономию, финансовый и математический (цифровой) анализ, учитывающий связи экономики с внешней и внутренней средой объектов хозяйствования. Интертеории сквозным образом в единых терминах описывают явления и в природе, и в обществе как системы определенного рода. На этой основе создаются модели различных экономических объектов, включая предприятия энергетической отрасли. Пространство представления данных и знаний имеет восемь независимых координат, включая координату экономического роста, поэтому в целом экономические знания имеют самостоятельное значение и выделяются среди знаний других наук.

Выживание в изменчивой среде – задача, для решения которой необходимо выявлять и запоминать наиболее существенные закономерности среды, а также действовать с их учетом. Способность организма или агента, имитирующего организм, формировать и использовать представления о внешней среде, мы называем рефлексией в широком смысле. Статья посвящена выявлению связи между предсказуемостью событий в среде и возникновением универсального навыка рефлексии у агентов в этой среде. В качестве агентов используются эвристические модельные объекты – простые рекуррентные нейронные сети, первичное обучение которых проводится в условиях предельных моделей мира. Данные модели реализуются, как задачи: реагирование на случайную последовательность стимулов, рефлексивная игра, реагирование на набор фиксированных последовательностей и реагирование на единственную фиксированную последовательность. Возникновение универсального навыка рефлексии после первичного обучения каждой из этих задач оценивается по качеству отклика обученных модельных объектов в проверочных задачах. Также оцениваются максимальное собственное значение Якобиана матрицы весов сети и тип траектории нейронной активности после инициирующего одиночного стимула. По совокупности характеристик, в наибольшей степени формированию универсального навыка рефлексии способствуют модели мира с предзаданной периодичностью событий (стимулов). Напротив, в условиях труднопредсказуемой среды возникновение внутренних представлений о мире оказывается затруднено. Полученные результаты позволяют систематизировать представление о рефлексии в широком смысле и упростить выбор условий среды для дальнейших исследований данного явления.

Актуальность исследования обусловлена тем, что эффективность классических генетических алгоритмов (ГА) при решении задач глобальной оптимизации существенно зависит от выбора вероятностей кроссовера и мутации, а фиксированные значения параметров нередко приводят к преждевременной сходимости и стабилизации популяции в окрестности локальных экстремумов. Цель работы – разработать и экспериментально оценить подходы к адаптивному управлению параметрами ГА на основе искусственных нейронных сетей и обучения с подкреплением. В рамках единой математической постановки определены признаки состояния популяции, множество действий (дискретные изменения вероятностей мутации и кроссовера p_m и p_c) и функция вознаграждения, отражающая улучшение качества решения между поколениями с учетом штрафа за чрезмерно высокую мутацию. Рассмотрены четыре варианта алгоритма: классический ГА с фиксированными параметрами, гибридный ГА с нейросетевым регулятором (GA+NN), ГА с табличным Q-learning (GA+RL) и предлагаемый метод управления параметрами на основе глубокого Q-обучения, использующий нейронную сеть для аппроксимации Q-функции (GA+DQN). Научная новизна работы состоит в интеграции DQN-агента в контур параметрического управления ГА в рамках формализованной модели «состояние–действие–награда» и в сопоставлении его эффективности с нейросетевым регулятором и табличным Q-обучением на задачах непрерывной оптимизации. Численные эксперименты выполнены на тестовых функциях Растригина и Шаффера при 20 независимых прогонах для каждой конфигурации. В качестве итоговых метрик использовались лучшее значение целевой функции в последнем поколении f_min(T_max) и наилучшее значение, достигнутое за весь прогон. Показано, что GA+RL обеспечивает наибольшее улучшение качества решений. Метод GA+DQN демонстрирует умеренное улучшение относительно базового ГА, подтверждая работоспособность глубокой аппроксимации Q-функции при управлении параметрами. Нейросетевой регулятор в рассмотренной схеме обучения показывает высокую чувствительность к настройкам и в данных экспериментах уступает RL-подходам. Результаты сравнения представлены в виде графиков сходимости, анализа показателей разнообразия популяции и сводной таблицы.

Одной из задач, относящихся к созданию интерактивного коллаборативного робота-манипулятора, является темпоральный анализ рабочей сцены, то есть определение порядка появления (выбытия) объектов в поле технического зрения. Традиционно, данный вопрос рассматривался применительно к спутниковым снимкам и недостаточно прорабатывался в литературе в отношении сцен, находящихся на расстоянии около 1 м от камеры. Вместе с тем, анализ рабочей сцены на основе битемпоральных изображений является актуальной областью исследований в контексте развития робототехники в целом и физического искусственного интеллекта в частности. Создание качественных темпоральных масок изменения рабочей сцены позволяет определить контуры и геометрические центры новых объектов для последующего захвата роботом-манипулятором. Качественная темпоральная маска не должна иметь ложно определенных областей изменений (объектов изменений, которых на самом деле не существует), но при этом позволять четко обрисовывать контуры истинных объектов изменений рабочей сцены. В статье осуществлена математическая постановка задачи темпорального анализа и на ее базе предложен метод создания темпоральных масок областей изменений на основе дифференцирования изображений «до» и «после», комбинирующий классические методы технического зрения и нейросетевую сегментационную модель SAM (Segment Anything Model). Новизна предлагаемого подхода заключается в применении к дифференцированному изображению не алгебраической обработки, а его сегментация на две области (область изменений и область без изменений) с использованием нейросетевой сегментационной модели. Предложенный подход сопоставлялся с алгебраическими методами создания темпоральных масок (Change Vector Analysis – CVA и Slow Feature Analysis – SFA) и использованием нейросетевой архитектуры многослойного перцептрона (внешний слой из 12 нейронов, внутренний слой из 512 нейронов, наружный слой из 1 нейрона). Продемонстрировано, что предложенный подход позволяет генерировать качественные маски изменений для разнообразных объектов на большом количестве фонов (включая пестрые), чего сложно добиться приведенными для сопоставления методами. Вместе с тем, предложенный подход может быть реализован «на лету», то есть в реальном времени работы оператора-робота, только при наличии графического ускорителя (Graphics Processing Unit – GPU).

Целью статьи является описание разработки и обучения модели, способной классифицировать автомобили по маркам и моделям на основе изображений, а также интерфейса для удобного взаимодействия с моделью. Новизна работы подтверждается использованием современных методов идентификации транспортных средств для их тонкой классификации. В статье представлены три раздела, каждый из которых охватывает ключевые аспекты исследования. В рамках первого раздела выполнен анализ предметной области, в котором рассмотрены существующие методы идентификации транспортных средств, включая технологии на основе лидарных данных, а также методы, использующие изображения и видео. Особое внимание уделено анализу современных подходов к классификации транспортных средств по маркам, моделям и другим атрибутам. Этот анализ позволил выявить сильные и слабые стороны различных подходов и обосновать выбор архитектур глубокого обучения для дальнейшего исследования. Во втором разделе описан собранный набор данных с детальной маркировкой по маркам и моделям, использованный для исследования. Проведено сравнение трех моделей машинного обучения по различным метрикам, таким, как точность, полнота, f1-мера. В результате анализа была выбрана модель, которая продемонстрировала наилучшие результаты в задачах классификации транспортных средств. Так же была проведена количественная оценка детектора, используемого в дальнейшем, которая подтвердила эффективность выбранной модели. Третий раздел описывает практическую часть работы, в которой были проведены аугментация и дополнение набора данных. После дообучения модели на улучшенных данных была выполнена интеграция классификатора с детектором YOLOv11. Реализован веб-интерфейс, который обеспечивает удобное взаимодействие с системой, позволяя загружать видео, просматривать результаты детекции и классификации в реальном времени, а также анализировать статистические данные. Тестирование системы на реальных данных видеонаблюдения подтвердило эффективность подхода, хотя и выявило необходимость дальнейшей оптимизации для сложных ракурсов и условий освещенности.

Рассматривается задача управления назначением работ при большом динамически пополняемом их объеме. Несмотря на имеющиеся инструменты автоматизации разработки больших программ (AGILE-продукты, продукты Waterfall и другие), проблема оперативного и корректного вмешательства в процесс их производства при изменяющихся внешних и внутренних условиях стоит достаточно остро в силу возникающих отрицательных последствий (задержки выполнения проекта во времени, выход за рамки бюджета, незавершенность проектов из-за неудовлетворительного качества). Наиболее острая проблема в больших проектах – «оптимальное» назначение работ в соответствии с зафиксированными текущими компетенциями сотрудников, при этом отмечено в ряде исследований (опросы от Scrum Inc.), что связь между внедрением наиболее популярных продуктов Agile и ростом эффективности разработки программ носит противоречивый характер. По этой причине разработка усовершенствований имеющихся инструментов актуальна в задачах управления производством крупных программных проектов, где особенно остро стоят проблемы взаимосвязанных ресурсных ограничений: временных, стоимостных, вычислительных. Цель исследования – представление модели и реализующего ее алгоритма оптимизации процесса назначения работ с ориентацией на большие данные (с позиции субъекта-разработчика), приводящего к экспоненциальному выигрышу во времени и ресурсах при сравнении вариантов в форме альтернатив (работа, работник). Особенностью модели является оптимальный алгоритм ранжирования большого числа вариантов, выполняемый в режиме реального времени, и приводящий практически к не улучшаемому корректному решению в задаче упорядочивания динамически пополняемого множества альтернатив, что соответствует важнейшему принципу разработки «здесь и сейчас», заключающемуся в немедленной реакции на изменяющиеся условия и требования заказчика. Выигрыш достигается за счет немеханического совмещения применений трех методов: классического метода парных сравнений, его модификации, корректной в смысле аксиомы К. Эрроу о независимости выбора (предпочтений) от ранее достигнутых ранжирований, и выбранного алгоритма сортировки числовой последовательности. Приведены примеры численного моделирования, подтверждающие заявленные характеристики алгоритма выбора оптимальной альтернативы (работа, работник), в условиях больших данных.

В работе рассматривается задача построения маршрутов, минимальных по времени преодоления, для подвижных объектов, в качестве которых могут выступать, например, автономные необитаемые подводные аппараты в водной среде. Основные трудности здесь связаны с наличием пространственно-неоднородных течений, а также статических и движущихся препятствий. Предложен подход, основанный на оптико-геометрической аналогии и принципах Ферма–Гюйгенса. Задача формулируется в терминах обобщенного уравнения эйконала, которое описывает распространение фронта волны в среде с заданным векторным полем скоростей. Такой подход позволяет свести исходную вариационную задачу к дифференциальному уравнению в частных производных и избежать непосредственного перебора возможных траекторий. Поле времени прибытия строится, как решение краевой задачи, а оптимальная траектория восстанавливается движением в направлении антиградиента этого поля. Для численной реализации разработаны два алгоритма. Первый, основанный на методе быстрого марша, вычисляет поле минимального времени от стартовой точки до всех узлов расчетной сетки. Второй алгоритм по этому полю восстанавливает траекторию движения и позволяет получить ее фрагмент, соответствующий заданному временному интервалу. Проведена серия вычислительных экспериментов, включающих четыре сценария разной сложности: прямолинейное течение, два противоположных течения, течение с вихревой зоной и статическими препятствиями, а также сценарий с движущимися препятствиями и вихрем. Во всех случаях алгоритм успешно построил траектории, минимизирующие время движения и обеспечивающие безопасный обход препятствий. В сценарии с динамическими препятствиями продемонстрирована возможность оперативного перестроения маршрута. Проведено сравнение предложенного подхода с методом роевого интеллекта SSA (Salp Swarm Algorithm). Результаты показали, что разработанный алгоритм позволяет находить пути с меньшим временем прохождения, даже если их геометрическая длина превышает длину маршрута, найденного SSA. При этом время расчета траектории достаточно мало, что позволяет осуществлять планирование движения в режиме реального времени.

В статье рассматривается актуальная задача разработки специализированных методов для поиска и ранжирования близких по составу рецептур резиновых смесей в базах данных. Целью исследования является разработка и сравнительный анализ метрик сходства, адаптированных для количественной оценки близости многокомпонентных композиционных данных, представленных в виде нормированных векторов весовых долей ингредиентов. Основное содержание работы включает формальную постановку задачи идентификации релевантных рецептур, требующую максимизации комплексной функции сходства, учитывающей как качественный состав (наличие ингредиентов), так и количественные пропорции. В качестве инструментария предложены и адаптированы четыре метрики: взвешенные коэффициенты Жаккара и Дайса, сходство Хеллингера и косинусное сходство. Теоретический анализ их свойств дополнен эмпирической валидацией на реальной промышленной базе данных, содержащей 6096 уникальных рецептур. Научная новизна исследования заключается в систематическом применении и адаптации аппарата метрического анализа к задаче поиска аналогов для композиционных данных материаловедения, а также в выявлении фундаментальной кластеризации рассматриваемых мер сходства. В отличие от существующих подходов, фокусирующихся на бинарном представлении состава или прогнозе свойств, представленная методология целенаправленно решает задачу точного поиска по составу и пропорциям. Полученные результаты выявили практически функциональную эквивалентность взвешенных коэффициентов Жаккара и Дайса (коэффициент корреляции r=0.991), образующих один кластер мер, чувствительных к полному набору компонентов. Сходство Хеллингера и косинусное сходство продемонстрировали сильную корреляцию (r=0.883), сформировав второй кластер мер, ориентированных на оценку структурного подобия пропорций, при этом метрика Хеллингера показала повышенную чувствительность к вариациям долей минорных ингредиентов. На основе этого сформулированы практические рекомендации по комбинированному использованию одной метрики из каждого кластера для создания эффективных поисковых систем. Разработанный метрический аппарат создает формальную основу для интеллектуального поиска аналогов, автоматизации подбора компонентов и сокращения времени на разработку новых рецептур в промышленности.

Обеспечение промышленной безопасности объектов теплоэнергетики сопряжено с необходимостью применения эффективных и надежных средств раннего обнаружения потенциально пожароопасных и аварийных ситуаций. Эта задача осложняется специфическими условиями эксплуатации, характеризующимися широким диапазоном рабочих режимов, высоким уровнем электромагнитных помех и вибраций, а также, зачастую, ограниченным объемом размеченных данных, пригодных для обучения и верификации систем мониторинга и прогнозирования. Целью данной работы является разработка и экспериментальная валидация комплексного подхода к повышению точности и надежности систем компьютерного зрения для мониторинга безопасности теплоэнергетических объектов на основе методологии активного обучения. В качестве основных методов используются сверточные нейросетевые модели детекции объектов архитектуры YOLOv8, эвристический механизм отбора информативных данных по метрике неопределенности, а также инструменты объяснимого искусственного интеллекта и отказоустойчивого принятия решений с участием эксперта. Научная новизна работы заключается в адаптации методов Active Learning к однопроходным детекторам для задач промышленной безопасности, а также в интеграции цикла целевой доразметки сложных примеров с механизмами интерпретации и гибридной верификации результатов (что позволяет минимизировать затраты на разметку (за счёт выборочного запроса «сложных» примеров); оперативно адаптироваться к новым типам аномалий (например, нестандартным утечкам, локальным перегревам)); тогда как в большинстве публикаций по безопасности теплоэнергетических объектов используются классические методы машинного обучения (SVM, случайные леса) либо предобученные CNN без адаптации под специфику отрасли. В выполненной работе экспериментальные исследования на специализированном датасете изображений объектов теплоэнергетики показали, что применение активного обучения обеспечивает прирост показателя mAP@0.5:0.95 на 28,32 % и увеличение полноты обнаружения на 7,82 % по сравнению со стандартным обучением. Полученные результаты подтверждают перспективность предложенного подхода для практического применения в системах мониторинга и раннего оповещения, способных обеспечить своевременное выявление отклонений от нормальных параметров функционирования оборудования и предотвращение развития аварийных сценариев.

В статье рассмотрены основные компоненты цифровых двойников и схема их взаимосвязи, особенности установок распределенной генерации и проблем, возникающих при их использовании. На сегодняшний день технология цифровых двойников активно используется в сфере промышленного производства. Цифровые двойники выступают в роли виртуальных аналогов физических объектов, групп объектов или процессов. Они представляют собой сложные программные решения, основанные на большом объеме данных и синтезе технологий искусственного интеллекта, машинного обучения и специализированного ПО, что позволяет создавать динамичные цифровые модели, способные к "живому" взаимодействию и адаптации. В статье представлена методика построения цифровых двойников установок распределенной генерации, применение которых способствует оптимизации процессов проектирования, эксплуатации и мониторинга электроэнергетических систем. Методика излагается на примере турбогенераторной установки и включает этапы: сбор данных о физическом объекте, моделирование турбогенераторной установки, сравнение экспериментальных данных и отклика нечеткой модели. Научная новизна исследования заключается в разработке гибридного подхода, сочетающего нейронные сети, систему нечеткого логического вывода и генетический алгоритм; в выявлении минимального среднеквадратичного отклонения (СКО) отклика модели от экспериментальных данных; определении оптимального количества правил в нечеткой системе (144 правила), а также в установлении зависимости между точностью модели и вычислительными затратами. Практическая значимость результатов состоит в возможности применения разработанной методики для оптимизации работы установок распределенной генерации, повышения надежности электроснабжения и эффективности управления электроэнергетическими системами. Предложенный подход позволяет создавать точные цифровые модели, способные адаптироваться к изменяющимся условиям эксплуатации. Результаты исследования могут быть использованы при разработке новых энергетических систем, модернизации существующих объектов и внедрении технологий Smart Grids. Предложенный подход открывает новые перспективы для развития энергоэффективных и надежных систем электроснабжения.

В статье выполнен анализ энергетической эффективности полупроводниковых преобразователей постоянного тока (DC/DC – converter), которые используются в фотоэлектрических установках. Исследование потерь мощности в ключах повышающего преобразователя (boost converter) с широтно-импульсной модуляцией (ШИМ) проводилось с помощью имитационной компьютерной модели, разработанной в среде MATLAB с использованием блоков из Simscape. Представлены результаты имитационного компьютерного моделирования графиков зависимости выходных тока и напряжения при ступенчатом изменении солнечного излучения. Установлено, что при увеличении солнечного излучения ток и напряжение возрастают, что указывает на прямую зависимость генерируемого тока и напряжения от уровня освещённости. Разработанная модель позволяет определить статические и динамические потери мощности в силовых полупроводниковых ключах в зависимости от частоты коммутации. Анализ исследований показал, что полупроводниковый преобразователь постоянного тока в постоянный (DC/DC) с ШИМ-управлением имеет значительные потери при включении и выключении полупроводниковых ключей, что приводит к снижению КПД преобразователя. Для уменьшения динамических потерь и увеличения КПД полупроводникового преобразователя необходимо исследовать новый метод управления, который основывается на применении частотно-импульсной модуляции (ЧИМ).

Статья посвящена оптимизации программы мероприятий по кадровой безопасности предприятия на основе методов дискретного (0–1) линейного программирования в условиях ограниченных ресурсов. Актуальность обусловлена тем, что персонал одновременно выступает и ключевым активом, и потенциальным источником внутренних угроз: от непреднамеренных ошибок до осознанных нарушений, приводящих к финансовым потерям. Цель работы – сформировать формализованную модель выбора набора мер кадровой и информационной безопасности, которая при заданных лимитах бюджета и трудозатрат обеспечивает требуемое снижение интегрального риска и максимизирует ожидаемый экономический эффект. В качестве переменных решения используются бинарные показатели включения мероприятий в программу, а критерий оптимальности задаётся, как максимизация чистой годовой экономии (разницы между предотвращённым ущербом и затратами). В модель заложены ограничения по финансированию, доступному фонду человеко-часов, а также опциональное ограничение минимального совокупного эффекта. Исходные данные сформированы для шести альтернативных мероприятий (система предотвращения утечек данных (далее DLP – Data Leakage Prevention), аналитика поведения пользователей и объектов инфраструктуры (далее UEBA-аналитика), усиление многофакторной аутентификации для привилегированных пользователей (далее MFA – Multi-Factor Authentication) , e-learning по информационной гигиене, ключевые показатели эффективности (далее KPI – Key Performance Indicators) «раннее оповещение» и расширенный соцпакет) с указанием стоимости, трудоёмкости и ожидаемого сокращения потерь на основе экспертной оценки и статистики инцидентов. Практическая апробация выполнена в среде Python с применением MILP-подхода (ветви-и-границы) (MILP – Mixed Integer Linear Programming – смешанное целочисленное линейное программирование) и демонстрирует получение оптимального набора мероприятий. Полученное решение обеспечивает укладывание в ресурсные лимиты и достижение целевого эффекта, при этом исключая меры с наихудшим соотношением затрат и ожидаемой пользы. Научно-практическая значимость работы состоит в переводе качественных управленческих рассуждений о кадровой безопасности в воспроизводимую оптимизационную постановку, пригодную для пересчёта при изменении цен, трудовых ресурсов и требований регуляторов.

Статья посвящена систематизации современных методов интеллектуальной профориентации и формализации единой вычислительной модели рекомендаций, интегрирующей психометрические данные, цифровой след, академические показатели и текстовые описания профессий. Актуальность исследования определяется переходом от изолированных диагностических методик к комплексным системам карьерной поддержки, способным учитывать разнообразие данных о пользователе и динамику профессиональных траекторий. Цель работы заключается в повышении качества и интерпретируемости профориентационных рекомендаций путём анализа существующих подходов и разработки математически строгой модели, объединяющей три ключевые задачи: реконструкцию профессиональных интересов, мультимодальное сопоставление предпочтений пользователя и профессии и ранжирование возможных траекторий. В статье представлен обзор исследований 2020–2025 гг., демонстрирующий рост точности и устойчивости методов профориентации при использовании ансамблевых алгоритмов, мультимодальных архитектур глубокого обучения и диалоговых LLM-систем. Показано, что объединение психометрических профилей, цифровой активности и текстовых описаний профессий позволяет существенно повысить качество рекомендаций при реконструкции интересов и подборе карьерных направлений. Научная новизна работы состоит в предложении единой теоретико-вычислительной модели интеллектуальной профориентации, которая задаёт общий математический каркас для разнородных подходов и позволяет интерпретировать многие существующие решения, как частные случаи. Модель включает формальное описание пользовательских и профессиональных данных, функцию восстановления RIASEC-профиля, параметризованную схему мультимодального сопоставления и интегральную функцию оптимизации, совместно обучающую все компоненты. Представленная формализация создаёт основу для разработки интерпретируемых, воспроизводимых и масштабируемых профориентационных систем.

Разработанные алгоритмы решения нелинейных задач оптимального управления и аппроксимации невыпуклых множеств достижимости легли в основу реализованных специализированных программных средств, ориентированных на исследование нелинейных управляемых динамических систем. Подобные системы возникают в различных научно-технических и промышленных областях, характеризуются высокой степенью сложности (нелинейными динамическими системами и невыпуклыми целевыми функционалами), поэтому для их эффективного решения требуется использование алгоритмов, позволяющих учитывать специфику задач рассматриваемого класса. В работе предложены соответствующие вычислительные технологии, опирающиеся как на использование классических подходов, основанных на последовательной дискретизации непрерывных задач и применении принципа максимума Понтрягина, так и опирающиеся на использование специфических особенностей управляемых динамических систем – свойства линейной связности множества достижимости и свойства скрытой выпуклости множества допустимых скоростей управляемых динамических систем. Методики предоптимизационного анализа (оценки степени выпуклости целевых функционалов и построения границы множества достижимости) также реализованы в виде программ, позволяющих на старте оценить вычислительную сложность прикладных задач невыпуклой оптимизации и подобрать эффективные численные методы для ее решения.
Приводятся описания математической, программной и технологической постановок исследуемых невыпуклых задач оптимального управления. Представлена схема методологии синтеза многометодных нелокальных алгоритмов для оптимизации управляемых динамических систем. Описаны этапы формирования вычислительной схемы и особенности выбора значений алгоритмических параметров. Для тестирования программных реализаций алгоритмов невыпуклой оптимизации с целью исследования их предельных свойств и поиска эффективных модификаций используется разработанная тестовая коллекция нелинейных задач оптимального управления. Коллекция включает как опубликованные задачи с известными решениями, так и сгенерированные с использованием предложенной методики генерации тестов. Разработанные алгоритмы и соответствующее программное обеспечение применялось при решении практических задач из различных научно-технических областей: динамики полета и космонавигации, квантовой физики и вычислительной химии, синтеза композитных конструкций, экономики, медицины, технической экологии и других областей.

В настоящее время виртуальные ассистенты, или интеллектуальные помощники, активно используются в различных предметных областях, но широкое их применение при решении задач технической диагностики ограниченно. Подобные ограничения связаны в большей степени с правдоподобным характером генерируемых рекомендаций. Одним из способов повышения достоверности рекомендаций является применение классических методов искусственного интеллекта, в частности, реализующих достоверный вывод на основе логических правил. В статье описывается процесс построения проблемно-ориентированных ассистентов, использующих декларативные базы знаний в форме специализированных таблиц решений для решения задач диагностики технических систем. В качестве методологической основы используется оригинальный подход, основанный на визуальном моделировании и модельных трансформациях. Представлен обобщенный алгоритм диагностирования, включающий шаги по конкретизации исследуемого объекта, внешних проявлений неисправности, поиска возможных причин (систем-кандидатов на отказ), а также формированию списка работ по устранению неисправности. Алгоритм предполагает использование декларативных баз знаний, содержащих логические правила трех типов: «проявление-система», «работа-работа», «прецедент». Описана принципиальная архитектура ассистентов на основе концепции каркаса (шаблона) с гнездами (слотами) для подключения баз знаний с правилами определенного типа. Представлены требования к структуре и содержанию баз знаний; а также способы их наполнения. Определен стек технологий: Aimylogic JUST AI – для проектирования диалога; PHP – для реализации программных интерфейсов доступа к базам знаний; формат CSV – для описания логических правил в виде таблиц решений. Применение описанных положений осуществлено при создании прототипа интеллектуального ассистента «АвиаТехПом.Ассистент» для поддержки технических специалистов аэродромных наземных служб. Были созданы базы знаний для отдельных систем Сухой Суперджет (RRJ-95) и Cessna (182T). Особенностью полученного решения является его соответствие принципам декларативной парадигмы программирования, что обеспечивает возможность его перенастройки или адаптации в зависимости от типа воздушного судна или версии документации без полной перегенерации или пересборки.

В статье представлено решение задачи создания автономной системы мониторинга микроклимата технических помещений, способной к оперативному выявлению аномалий в условиях нестационарных данных и ограниченной сенсорной инфраструктуры. Цель исследования – разработка инструментов мониторинга, которые бы обеспечили непрерывный контроль, детекцию аномалий и их интерпретацию. Основное содержание работы включает разработку функциональной модели системы, реализацию модулей сбора телеметрии и гетерогенного хранения данных, а также внедрение оригинального гибридного алгоритма анализа временных рядов. Ключевым элементом стал предложенный метод, сочетающий спектральный анализ для выделения периодических компонентов сигнала и адаптивные статистические пороги, динамически рассчитываемые на основе скользящих исторических окон. В отличие от существующих аналогов, опирающихся на ресурсоемкое глубокое обучение, предложенный подход использует физически обоснованные признаки для адаптации к сезонной вариативности данных без этапа предварительного обучения на размеченных датасетах. Для унификации подхода к обнаружению аномалий и маршрутизации оповещений настроены специальные правила оповещения, выполнена интеграция с системой визуализации данных и создан чат-бот, выполняющий уведомления и запросы. Для повышения отказоустойчивости внедрён механизм контроля живучести компонентов. Научная новизна работы заключается в предложении гибридного адаптивного метода детекции аномалий, базирующегося на спектрально-статистическом анализе временных рядов. Предложенный подход обеспечивает интерпретируемость результатов, раскрывая физическую природу сбоев через декомпозицию сигнала на гармонические составляющие. Результаты верификации на реальном массиве данных объёмом 5,3 млн записей подтвердили эффективность подхода: полнота детекции составила 0,991 при точности 0,877. Нагрузочное тестирование продемонстрировало устойчивость архитектуры при низкой утилизации ресурсов процессора (<6%) и наличие резерва для масштабирования. Опытная эксплуатация позволила выявить инциденты, связанные с отказом системы кондиционирования. Разработанная система обеспечивает полный цикл от сбора данных до превентивного оповещения, предоставляя понятные инструменты диагностики для предотвращения аварийных ситуаций, поддерживая два уровня взаимодействия: упрощённый интерфейс для конечных пользователей и расширенные аналитические функции для специалистов.