В статье предложен способ построения генеративных моделей на основе пирамидальных нейронных сетей быстрого обучения (БНС). В основу построения моделей положен вероятностный метод главных компонент (РРСА). Метод РРСА позволяет аналитически построить матрицы оптимальных декодеров, способных восстанавливать образы из случайных латентных переменных малой размерности, распределённых по нормальному вероятностному закону. Реализация РРСА-декодеров в классе БНС позволяет представить декодеры в виде последовательно-параллельных структур, обеспечивающих высокое быстродействие за счёт структурного распараллеливания операций. В работе представлены методы обучения БНС к матрицам декодеров. Обучение выполняется за конечное число шагов и не требует итерационных процедур. Приводятся примеры построения реализующих БНС для набора данных MNIST. Показаны результаты генерации образов, подобных набору MNIST. Выполнено сравнение с классическим вариационным автоэнкодером. Определена область целесообразного использования генеративных моделей РРСА.

В работе рассматривается задача машинного обучения по классификации состояний объектов со сложной структурой. Под состоянием объекта понимается некоторая категория, характеризующая свойства объекта в момент времени, и при этом описываемая набором признаков. Сложность структуры объекта выражается в присутствии в признаковом описании характеристик, которые требуют предварительной специализированной обработки и обладают отношениями иерархии или характеризуются наличием последовательностей неструктурированных элементов. Данные для классификации могут содержать неточности, погрешности и ошибки. Инструмент нейросетевого моделирования часто применяется при решении задач классификации. Для решения задачи классификации в условиях нечеткости применяются нечеткие логические системы. Оба инструмента обладают свойствами универсального аппроксиматора, однако результаты нейросетевых моделей трудно интерпретировать, а для построения нечеткой логической системы требуется участие эксперта при описании нечетких правил. В работе рассматривается подход к объединению инструментов нечетких логических систем и инструментов нейросетевого моделирования, выраженный в построении модели нечеткой функии активации нейрона. Модель нечеткой функции описывается с применением аппарата теории нечетких множеств и функций принадлежности, объединенных правилами активации в НЛС. Информационный сигнал на входе нечеткой функции проходит несколько этапов преобразований, включающих преобразование сигнала «домен» нечетких множеств, совокупную обработку нечетких множеств в соответствии с заданными в системе правилами, алгоритмами отображения обработанного информационного сигнала обратно в домен четких чисел. Рассматриваемый подход позволяет формировать нечеткую функцию активации набором параметров, изменяемых в процессе обучения нейросетевой модели. В работе показано, что рассматриваемая модель нечеткой функции имеет ограниченную область определения. Для обеспечения выполнимости требований к информационному сигналу в модели нечеткой функции предложена улучшенная нормализация входа нечеткой функции активации. Нейро-нечеткие системы классификации проанализированы в задачах классификации технических объектов, медико-биологических объектов, текстовых объектов. Сравнительная оценка точности решений нейро-нечетких систем классификации относительно аналогичных система на основе ИНС показала повышение от 2 до 9 % в ряде экспериментов.

В представленном исследовании рассматривается проблема применения классических методов восстановления радиосигнала. В качестве решения предлагается использование нейронных сетей, а именно автокодировщиков. Разработана архитектура вариационного автоэнкодера для решения задачи восстановления радиосигнала с беспилотного летательного аппарата. Для обучения и проверки модели был использован большой датасет, содержащий радиосигналы различных видов модуляций и уровней шума, DeepSig Dataset: RadioML 2018.01A. Целью исследования является разработка архитектуры, показывающей наиболее лучшие метрики восстановления радиосигналов, чем классические методы. В качестве метрик качества используются PSNR, MSE и MAE, а оптимизатор Adam. Также к датасету был применен фильтр Калмана, показавший результат на два порядка хуже по всем метрикам качества. Полученные данные показывают, что не всегда классические алгоритмы восстановления искаженных радиосигналов могут показывать достойное качество работы.

В статье проводится анализ научных тематик новостей и сравнение путей распространения информации за 2016-2025 годы. В качестве базы используются более 17 тысяч новостей и документов, которые снабжались метаданными и систематизировались на корпоративном сайте Сибирского отделения Российской академии наук – Портале СО РАН. Анализируется возможное влияние искусственного интеллекта (ИИ) на искажение получаемой с его помощью информации, что требует контроля экспертов при наполнении сайтов.

В настоящее время мировое сообщество проявляет значительный интерес к области, называемой «Knowledge management» (управление знаниями). В России исследования по этой теме также осуществляются, но не так активно, как за рубежом. Передовые исследования основываются на построении экосистемы знаний. Большое значение в этих исследованиях имеют вопросы разработки методов и инструментов управления знаниями в экосистеме знаний. Одним из фрагментов экосистемы знаний могут стать не только знания, но и сведения о специалистах, владеющих этими знаниями, а также их компетенциях, определить которые помогает картирование знаний. В статье предложен один из инструментов построения экосистемы знаний для наукоемких организаций энергетического сектора на основе картирования знаний. Новизна исследования заключается в адаптации комплексного метода картирования знаний, включающей интеграцию онтологического моделирования и оценку компетенций сотрудников. Практическая значимость работы подтверждается апробацией метода в отделе систем искусственного интеллекта ИСЭМ СО РАН, где выявлены ключевые эксперты, зоны развития и оптимизированы процессы управления знаниями.

В статье рассматривается методика интеграции когнитивного и математического моделирования для анализа направлений развития топливно-энергетического комплекса (ТЭК) с позиции энергетической безопасности. Предлагаемый подход позволяет формализовать и автоматизировать процесс перехода от качественного анализа угроз и мер противодействия им к количественной оценке их влияния на ТЭК с помощью оптимизационных моделей. В основе методики лежит использование онтологий для структуризации знаний предметной области, построение когнитивных карт для визуализации причинно-следственных связей и разработка реляционных баз данных для интеграции семантических и математических моделей. Применение данного подхода демонстрируется на примере вычислительного эксперимента, включающего моделирование угроз и оценку эффективности стратегий обеспечения энергетической безопасности. Результаты исследования могут быть использованы для принятия управленческих решений в условиях неопределённости и кризисных сценариев.

В статье представлено комплексное исследование проблемы оптимизации тарифной политики в энергетике Республики Беларусь с предложением внедрения инновационных методов предиктивного моделирования тепловых нагрузок с использованием нейронных сетей. Авторы проводят детальный анализ текущего состояния тарифной политики в Беларуси, выявляя ключевую проблему – высокий уровень перекрестного субсидирования, при котором тарифы на электроэнергию для промышленности значительно превышают тарифы для населения, что существенно влияет на конкурентоспособность предприятий. В статье отмечено, что основную долю перекрестного субсидирования в тарифе на электрическую энергию для юридических лиц составляет недоплата потребителей до уровня обоснованных затрат по тепловой энергии. Исследование раскрывает несовершенство существующих методов прогнозирования тепловых нагрузок, основанных преимущественно на статистических данных и не учитывающих множество динамических факторов. В качестве решения предлагается инновационная технология нейросетевого прогнозирования, использующая гибридную архитектуру глубоких нейронных сетей, сочетающую преимущества рекуррентных нейронных сетей с долгой краткосрочной памятью и сверточных нейронных сетей. Новизна исследования заключается в разработке комплексного подхода к оптимизации тарифной политики через повышение точности прогнозирования тепловых нагрузок, что позволяет оптимизировать режимы работы теплогенерирующего оборудования, минимизировать потери при транспортировке и сократить эксплуатационные расходы. Авторы отмечают, что внедрение предложенной технологии способно снизить удельный расход топлива на 8-12% и сократить эксплуатационные затраты на 15-20%, создавая существенный резерв для снижения тарифов без ущерба для финансовой устойчивости энергетических предприятий. Результаты исследования имеют практическую значимость для реформирования тарифной политики в энергетике стран СНГ и повышения конкурентоспособности национальных экономик.

В настоящее время применение автономных гибридных энергокомплексов (ГЭК), сочетающих дизельные генераторы и возобновляемые источники энергии, является эффективным направлением повышения эффективности электроснабжения потребителей изолированных и труднодоступных территорий. Создание ГЭК сопряжено с необходимостью решения оптимизационной задачи, в рамках которой требуется определить оптимальный состав оборудования и их установленных мощностей в условиях многокритериальности. При многокритериальном решении задачи в большинстве исследований применяется двухуровневый подход: на верхнем уровне проводится формирование оптимальных по Парето конфигураций ГЭК с помощью эвристических алгоритмов многокритериальной оптимизации, а на нижнем уровне выполняется моделирование функционирования каждой рассматриваемой конфигурации ГЭК для детальной оценки каждого решения по ряду критериев. Существует большое количество эвристических алгоритмов, применяемых на верхнем уровне для планирования развития энергетических систем и комплексов, которые обладают как достоинствами, так и недостатками, что создает сложности при выборе алгоритма. В данном исследовании представлена оценка эвристических алгоритмов многокритериальной оптимизации на основе эволюционных алгоритмов, таких, как NSGA-II, NSGA-III, AGE-MOEA и MOEA/D с использованием среды Python и библиотеки Pymoo. Для сравнения алгоритмов применялись показатели, оценивающие: равномерность множества Парето; расстояние между истинным множеством Парето и Парето-множеством, формируемым эвристическим алгоритмом; эффективность алгоритма в отношении достижения лучших критериальных оценок; затраты времени на формирование множества Парето. Оценка алгоритмов оптимизации была проведена на примере решения задачи развития гибридного энергокомплекса в удаленном районе Сахалинской области. По результатам оценки алгоритмов для многокритериальной оптимизации состава оборудования ГЭК на верхнем уровне двухуровневого подхода следует выбрать эвристический алгоритм NSGA-II, так как он позволяет получить множество Парето высокого качества, обеспечить достижение минимальных оценок по критериям с использованием меньшего времени по сравнению с другими алгоритмами.

В работе представлен подход, использованный для создания одномерной модели теплогидравлики в одиночном нагреваемом канале с водой при сверхкритических параметрах. Такая модель может быть использована при решении задачи поиска границ теплогидравлической устойчивости. Подход основан на принципах, заложенных в полунеявном алгоритме SIMPLE. Модель включает в себя уравнения сохранения массы, импульса и энергии, учитывающие сжимаемость среды. Реализация модели выполнена с помощью программного кода собственной разработки на языке С++. Для определения теплофизических свойств воды использована библиотека IAPWS-IF97, реализованная в высокопроизводительном пакете seuif97. Для расчета коэффициента гидравлического сопротивления в программе имеется несколько корреляций, для тестирования модели выбрана формула Блазиуса. Представленный подход предполагает решение основных уравнений теплогидравлики с проверкой неразрывности потока четыре раза на одном шаге по времени. Цикл неразрывности завершается при достижении разбаланса массы, равного 10-6 , либо при достижении 10 итераций. Продемонстрированы результаты тестирования модели.

В статье рассматривается возможность внедрения нейросетевого регулятора в систему управления процессом орошения конденсаторов холодильных установок, используемых на хоккейных стадионах. Актуальность исследования обусловлена необходимостью повышения энергоэффективности и надежности работы систем охлаждения, обеспечивающих поддержание оптимальных температурных условий льда на арене. Традиционные методы регулирования процесса орошения обладают рядом недостатков, таких как сложность настройки параметров системы и низкая адаптивность к изменяющимся условиям эксплуатации. Целью работы является разработка и внедрение нейросетевой модели, способной автоматически регулировать процесс орошения конденсаторов в зависимости от текущих внешних факторов, включая температуру окружающей среды, влажность воздуха и нагрузку на холодильную установку. Для достижения этой цели были проведены теоретические исследования, направленные на анализ существующих методов регулирования, а также экспериментальные испытания разработанной нейросети на реальном объекте. В ходе исследования была разработана архитектура нейронной сети, включающая несколько слоев перцептронов, обученных на данных о работе холодильной установки за определенный период времени. Были рассмотрены различные подходы к обучению нейросети, включая использование алгоритмов обратного распространения ошибки и метода градиентного спуска. Экспериментальная часть работы показала высокую точность предсказания оптимальной стратегии орошения при различных условиях эксплуатации. Нейросеть LSTM была выбрана благодаря ее способности учитывать временные зависимости и адаптироваться к изменяющимся условиям эксплуатации. Модель обучалась на исторических данных о работе холодильной установки, включая параметры температуры окружающей среды, нагрузки на установку и характеристики теплоносителя. В ходе обучения нейросети были использованы методы градиентного спуска и регуляризации для предотвращения переобучения. Результаты экспериментов показали, что внедрение нейросетевого регулятора позволило значительно улучшить точность поддержания заданных параметров системы охлаждения, а также снизить энергопотребление холодильной установки. Кроме того, было отмечено уменьшение времени отклика системы на изменения внешних условий, что особенно важно при проведении спортивных мероприятий на хоккейном стадионе.

Цель исследования – создание метамоделей организации систем разной познавательной сложности и математическое описание представительских функций, обеспечивающих парные взаимодействия подсистем. Для решения задачи привлекаются базовые идеи всеобщей организационной науки А.А.Богданова, где организацией называется упорядоченная совокупность внутренних связей и свойств системы с определенным режимом ее функционирования. Также используются математические основы теории систем, а именно теория множеств, теория категорий и дифференциальная геометрия расслоения признаковых пространств на многообразии связей переменных. На разных абстрактных уровнях создаются нормативные метамодели полисистемы координационного управления без локальных обратных связей в виде коммутативных диаграмм взаимодействия частных моносистем с учетом внешних или внутренних факторов влияния и возможного изменения целей развития. Для метамоделирования разной прикладной направленности применяется имеющееся программное обеспечение, поддерживающее любые нотации моделирования, или используются традиционные способы научных исследований, когда на основе одной метамодели создается множество моделей разных объектов. Метамодель формируется как композиция классов, атрибутов и связей классов и формализуется в виде обобщенной организационной функции – многообразия как базы расслоения для выделения полисистемы классов, например, в виде разделения властей, трудовой деятельности, полномочий руководителей и исполнителей. Интерфейс связи между двумя классами выражает отношения, где функциональные изменения в одном классе прямо или через представителей воздействуют на другой класс. Нотации метамоделирования в терминах теории категорий и математического анализа позволяют снизить абстрактность выражений общей теории систем и структурных диаграмм, выводить расчетные формулы. Через процедуру расслоения обосновано разложение организационной функции на три акта входа, выхода и преобразования состояния моносистемы в форме универсальной билинейной функции относительных переменных, что описывает изменение моносистем и выполнение представительских действий. По ограничениям этой функции аксиоматически задается концентрическая структура каждого слоя «центр-ядро-периферия» и моделируется механизм полисистемной связности слоев. Представленные формальные закономерности и их графические схемы математически отображают структуру и функцию метамоделей организационных систем в концептуальном и аналитическом выражении и позволяют их применять при анализе данных и знаний, символически отображать ранее эмпирически установленные правила самоорганизации в природе и обществе. Развитием билинейного описания организационной функции по частям через касательное расслоение является ее квадратичное представление в виде поля попарного конкурирующего взаимодействия объектов.

Ситуационное моделирование позволяет анализировать и прогнозировать «поведение» организационных систем в различных условиях. Одним из ключевых инструментов в данной области являются модели динамики социально-экономических систем. Модели, описывающие процессы изменения землепользования (Land Use Change – LUC), позволяют исследовать не только динамику регионального развития в определенных климатических и социально-экономических сценарных условиях, но и оценить перспективы и возможные последствия достижения долгосрочных стратегических целей. В работе использована рекурсивная модель динамики аграрного землепользования GLOBIOM для ситуационного моделирования достижения цели углеродной нейтральности аграрной отрасли России в случае двух сценариев – инерционное социально-экономическое развитие согласно сценарию SSP2 без учета специальных налогов на выброс парниковых газов (ПГ) и с учетом введения налога на единицу выбросов ПГ. Результаты моделирования представляют информационную основу для понимания перспектив достижения углеродной нейтральности для рассмотренных вариантов воздействия на агропроизводственную систему, что актуально для реализации политики устойчивого развития аграрного комплекса России и социально-экономического развития территорий. Также моделирование на уровне регионов позволяет оценить возможные последствия для их развития в виде изменения объемов производства продукции сельского хозяйства и перераспределения земельных ресурсов. Среди регионов России фокус исследования направлен на регионы Большого Алтая (Алтайский край, Республики Алтай и Тыва), где Алтайский край представляет крупный агропромышленный регион с наибольшим в стране углеродным следом в сельскохозяйственном производстве, а Республики Алтай и Тыва – этнические республики с менее выраженным аграрным потенциалом и выраженным уклоном на развитие животноводства. Период моделирования охватывает 2030-2050 гг.

Статья посвящена описанию математических методов, используемых для расчёта азимутально-несимметричного электрического поля для траекторного анализа электронных пучков в гироприборах. Эти алгоритмы, включая модификации метода дискретных источников, реализованные в комплексе программ ANGEL, показали высокую точность и эффективность работы при проектировании пушек и коллекторов гиротронов.

В статье представлены результаты применения алгоритма поиска ассоциативных правил Apriori для анализа рецептур резиновых смесей с целью выявления технологически значимых сочетаний компонентов. Предложена методология, основанная на интеллектуальном анализе данных, которая позволяет автоматически обнаруживать устойчивые комбинации ингредиентов, сокращать пространство поиска рецептур и формализовать экспертные знания. В исследовании проанализирована база данных из 5065 промышленных рецептур с использованием метрик поддержки, достоверности и лифта. Выявлены ключевые ассоциации между ингредиентами резиновых смесей, Результаты работы демонстрируют потенциал методов ассоциативного анализа для оптимизации рецептур, сокращения времени разработки и цифровизации проектирования резиновых смесей.