Предметом исследования является применение импульсных нейронных сетей класса «жидкостная машина состояний» для задачи прогнозирования хаотических временных рядов. Целью работы является разработка методологической основы и программной базы моделирования жидкостной машины состояний на основе библиотеки BindsNET, а также проведение воспроизводимого сравнительного анализа с рекуррентной нейронной сетью с долгой краткосрочной памятью на эталонном тесте Mackey–Glass. Методология включает построение резервуара из нейронов типа «утечка–интегрирование–порог», частотное кодирование входного сигнала посредством генератора импульсов Пуассона и обучение линейного считывателя методом гребневой регрессии. В качестве базовой модели сравнения реализована однослойная рекуррентная сеть с долгой краткосрочной памятью. Научная новизна работы состоит в воспроизводимом сравнении импульсного резервуара на нейронах типа «утечка–интегрирование–порог» с рекуррентной сетью с долгой краткосрочной памятью на эталонном тесте с открытым исходным кодом; при этом акцент делается на сопоставлении числа обучаемых параметров и практической стоимости переобучения считывателя. Основные результаты: жидкостная машина состояний достигает среднеквадратичной ошибки прогноза 0,0083 и средней абсолютной ошибки 0,0061; время обучения считывателя составляет 12,4 с, полное время конвейера (включая симуляцию резервуара) – около 58 с. Рекуррентная сеть показала среднеквадратичную ошибку 0,0071 и среднюю абсолютную ошибку 0,0052 при суммарном времени обучения 47,8 с. Разреженность активаций резервуара составила 9,3 %. Оптимальный спектральный радиус ρ = 0,9 установлен перебором по сетке ρ ∈ {0,5; 0,7; 0,9; 1,0; 1,2} с отбором по минимуму RMSE на валидационной выборке (табл. 4). Статистическая значимость различий по критерию Уэлча (p < 0,05) носит предварительный характер ввиду ограниченного числа запусков (n = 5). Вывод: жидкостная машина состояний уступает рекуррентной сети по точности не более чем на 17 % (по RMSE), обучая при этом в 34 раза меньше параметров (501 против 17 217). Полное время вычислительного конвейера жидкостной машины состояний (~58 с) незначительно превышает суммарное время обучения рекуррентной сети (47,8 с); однако в сценариях многократного переобучения считывателя на новых данных без повторной симуляции резервуара время адаптации сокращается до 12,4 с против 47,8 с, что делает жидкостную машину состояний практически применимой альтернативой при числе обучаемых параметров считывателя до 10³ и требовании переадаптации модели за время, не превышающее 15 с на выборке из 2 000 точек.

Локальные вычислительные сети широко используются в современных организациях для передачи данных и взаимодействия пользователей. Рост и развитие информационно-коммуникационных технологий приводят к необходимости тщательного проектирования и оценки качества функционирования локально-вычислительных сетей перед внедрением новых решений. Традиционные методы расчета пропускной способности и задержки пакетов часто оказываются недостаточными для учета реальных условий эксплуатации сети, поскольку они основаны на упрощающих предположениях относительно характера нагрузки и трафика. Проектирование и оптимизация таких сетей представляют собой сложную задачу, особенно в условиях ограниченных ресурсов и растущих требований к скорости обработки информации. В данной статье продемонстрирована возможность применения методов имитационного моделирования к изучению локально-вычислительных сетей, включая оценку их эффективности и оптимизацию структуры. Построена имитационная модель локально-вычислительной сети. Описаны настройки основных элементов моделируемого процесса. Проведены эксперименты с построенной моделью при различной вместимости очередей и нагрузке на сервер. По результатам экспериментов уточнены параметры и характеристики сети, отмечены выводы по оптимизации ее работы и улучшению функционирования. В частности, установлено, что в рассматриваемой сети есть проблемы с организацией очереди. Размер очереди – это управляемый параметр, и его оптимальное значение можно подбирать экспериментально с применением имитационной модели. Отмечено, что улучшения работы сети, а именно снижения процента потерянных запросов, можно достичь оптимизацией размера очереди. Материалы статьи могут применяться для оценки функционирования локально-вычислительных сетей при их проектировании и модернизации, а также в рамках освоения основных образовательных программ.

Предмет статьи – практическая задача сопоставления задуманной структуры электронного курса с фактической активностью пользователей, зафиксированной в штатном журнале событий установки Moodle. Цель – описать авторский способ построения сводной оценки и отчета, а также реализацию этого способа в виде локального модуля, пригодного и для точечной работы преподавателя в своем курсе, и для обзорных действий администратора по множеству курсов. Задачи сводятся к формализации входных данных, выбору набора метрик, заданию правил доступа и хранения отчетов, обеспечению воспроизводимости расчета на выбранном календарном интервале. Методология носит инженерный характер: на вход подаются описание элементов курса и отфильтрованные по периоду и ролям записи стандартного журнала, на выходе – числовые показатели по блокам «структура», «типовой состав активностей», «использование контента», «охват студентами», «стабильность активности во времени», взвешенный итог с явной формулой и перечень элементов с низкой относительной вовлеченностью с группировкой по типам модулей и исключением декоративных меток. Результаты – готовое расширение с интерфейсом запуска оценки, просмотра и удаления отчетов, отдельным административным режимом массового запуска. Вывод закрепляет полезность инструмента для самопроверки преподавателем того, насколько разработанные им элементы реально используются, и для институционального мониторинга при явном ограничении: показатели отражают наблюдаемое использование и согласованность структуры с логами, а не эффект обучения. Новизна – в связке указанных метрик, разграничении сценариев доступа и прозрачном представлении итога в отчете.

В статье рассматривается влияние формы корпуса и расстановки полупроводниковых гетероструктур на эффективность охлаждения оптоэлектронных устройств. Проанализировано, каким образом геометрия корпуса и компоновка активных элементов определяют пути теплового потока, формирование локальных перегревов и величину температурных перепадов. Проведено сравнение различных конструктивных решений с точки зрения равномерности температурного поля и способности к рассеянию тепла. Показано, что даже при использовании одинаковых материалов рациональная форма корпуса и оптимальное расположение гетероструктур позволяют существенно повысить эффективность теплоотвода и стабильность работы устройств.

В статье проведен сравнительный анализ эволюции методов управления сложными системами – от классических ПИД-регуляторов к современным подходам на основе обучения с подкреплением (RL, Reinforcement Learning) и глубокого обучения с подкреплением (DRL, Deep Reinforcement Learning). Цель исследования – выявить сильные и слабые стороны различных классов алгоритмов управления и обосновать области их эффективного применения в прикладных задачах (автономное вождение, промышленная автоматизация, энергетика, робототехника). Методология включает систематический обзор 15 научных источников, структурированное сравнение по критериям точности (установившейся ошибки регулирования), устойчивости (к возмущениям и изменению параметров) и адаптивности (способности к самонастройке), анализ численных данных из практических внедрений. Научная новизна состоит в разработке комплексной методики сравнительной оценки классических и интеллектуальных систем управления с количественным обоснованием областей применения: ПИД обеспечивают точность ±1–3 % для линейных объектов, RL ±0,5–2 % с адаптацией за 10–50 итераций, DRL ±0,1–0,5 % при работе с высокоразмерными данными. Основные результаты показывают, что RL/DRL-системы превосходят ПИД по энергоэффективности на 10–40 % (подтверждено на примере управления охлаждением дата-центра Google с экономией 40 %) и адаптивности в динамичных средах, однако требуют значительных вычислительных ресурсов (дни–недели обучения на GPU) и порождают проблемы верифицируемости. Практическая значимость заключается в предоставлении инженерам-проектировщикам АСУ ТП (Автоматизированная Система Управления Технологическим Процессом), обоснованных рекомендаций по выбору типа системы управления с учетом сложности объекта, требований к адаптивности и доступных вычислительных ресурсов.

В статье представлены результаты измерений параметров микроклимата в жилом помещении квартиры многоквартирного дома в северном регионе с акцентом на концентрацию углекислого газа в воздухе как наиболее чувствительный показатель качества воздуха для организма человека. Предмет исследования составляет динамика концентрации углекислого газа, температуры, относительной влажности и давления в реальных условиях проживания. Цель работы заключается в оценке инерционности микроклимата жилого помещения, сопоставлении измеренных уровней углекислого газа с действующими рекомендациями по качеству воздуха и обосновании целесообразности применения цифрового двойника для решения задачи предиктивного управления системой умного дома. Методически исследование основано на применении измерительного устройства на базе микроконтроллера ESP32-C3 Super Mini с датчиками AHT20, BMP280 и SCD40, формирующего временные ряды микроклиматических параметров. Показано, что при ночном пребывании одного человека концентрация углекислого газа монотонно возрастает от порядка 1 100 см³ /м³ до значений выше 1 800 см³ /м³, выходящих за пределы норм, рекомендуемых для жилых помещений. Научная новизна работы заключается в экспериментальном обосновании того факта, что микроклимат спальни можно рассматривать как инерционную систему, для которой целесообразно применение инструментов предиктивного управления устройствами умного дома на основе прогнозируемой динамики углекислого газа. Также приводится обоснование того, что цифровой двойник, интегрирующий данные датчиков и модель помещения, способен заранее выявлять моменты ухудшения качества воздуха и инициировать наиболее энергосберегающие управляющие воздействия.

Данная работа посвящена изучению понятий эффективности работы человека-оператора и методов оценки эффективности путем разработки прототипа тренажера для оператора АСУТП (автоматизированные системы управления технологическими процессами). В процессе работы были созданы методы и алгоритмы, обеспечивающие симуляцию управления производственным процессом для оценки эффективности работы операторов при управлении производственными процессами. Результатом исследования является ПО прототипа тренажера для оценки эффективности работы операторов с дальнейшей возможностью адаптации ПО для реального предприятия.

В условиях возрастающей сложности современных больших транспортных систем возникает потребность объединения различных компонентов дорожно-транспортной инфраструктуры в единую модель для их совместного анализа и оптимизации. Предметом исследования являются модели представления дорожно-транспортной инфраструктуры. Целью настоящего исследования является создание системной модели дорожно-транспортной инфраструктуры, обеспечивающей комплексное представление множества взаимосвязанных объектов, параметров и событий, влияющих на транспортную систему. Разработана оригинальная методология, интегрирующая пространственно-временные координаты и функциональные параметры компонентов дорожно-транспортной инфраструктуры. Основой подхода выступает новый показатель – индекс системной уравновешенности, который отражает степень гармонии и стабильности транспортной системы в каждый момент времени. Исследование базируется на анализе пространственно-временного взаимодействия объектов дорожно-транспортной инфраструктуры и транспортных потоков. Выполнена реализация предложенной модели в составе геоинформационной системы на примере г. Сургута, проведены вычислительные эксперименты. Полученные результаты показали возможность раннего выявления деградации инфраструктурного состояния задолго до появления критических заторов и сбоев в транспортной системе. Таким образом, предложенная модель позволяет количественно оценить уровень согласованности функционирующих компонентов дорожно-транспортной инфраструктуры, определить зоны повышенной напряженности и оценить мероприятия по улучшению ситуации.

В статье рассматривается актуальная задача оперативного распределения ограниченного контингента защитников (мобильных агентов) между динамически изменяющимся множеством целей на плоскости. В условиях, когда количество объектов, требующих обслуживания или защиты, постоянно меняется (появляются новые или исчезают существующие цели), а ресурсы строго лимитированы, критически важным становится выбор оптимальной стратегии назначения. Для решения этой проблемы автором разработана имитационная модель сканирующей системы, которая осуществляет мониторинг пространственного положения целей в реальном времени. Основой предложенного подхода является использование «жадного» алгоритма (greedy algorithm), который на каждом шаге моделирования принимает локально оптимальное решение о назначении защитника на наиболее приоритетную цель. Научная новизна работы заключается в органичной интеграции этого алгоритма с динамической матрицей стоимостей. Данная матрица не является статичной, а пересчитывается для каждой итерации с учетом текущих координат целей, их важности и доступности, что позволяет системе адаптироваться к изменениям обстановки. Существенным вкладом в развитие темы также является создание комплексной визуализационной системы. В отличие от существующих аналогов, она позволяет одновременно отображать не только пространственное распределение участников (защитников и целей), но и текущее состояние матрицы стоимостей, а также визуализировать логику принятия решений по назначению. Практическая значимость проведенного исследования выходит далеко за рамки сугубо оборонительных задач. Разработанный вычислительный метод может быть эффективно применен в гражданских секторах, таких как логистика (для распределения ограниченного парка курьеров по поступающим заказам), управление группами мобильных роботов (организация патрулирования или взаимодействия), а также в системах мониторинга и оповещения, где необходимо оперативно реагировать на инциденты. Таким образом, работа представляет собой готовый прототип интеллектуальной системы поддержки принятия решений для широкого класса задач распределения ресурсов в нестационарной среде.

Рассмотрена задача распределенного управления группой мобильных роботов, осуществляющих коллективное движение в трехмерной среде с препятствиями при ограниченном обмене информацией между агентами. Актуальность обусловлена необходимостью координации роя в условиях эпизодической доступности данных о состоянии соседей. Целью исследования является разработка распределенного регулятора, реализующего правила коллективного движения и обеспечивающего безопасность перемещения при неполной наблюдаемости. Предложен метод, объединяющий обучаемый оценщик состояния на основе полносвязной нейронной сети, аппроксимирующей фильтр частиц с одновременной оценкой неопределенности, и оптимизационный регулятор на основе функций барьерного управления и функций управления Ляпунова. По результатам моделирования установлено, что нейросетевой оценщик обеспечивает точность, сопоставимую с классическими методами фильтрации, при вычислительных затратах на один-два порядка ниже. Взвешенный центроид, учитывающий надежность оценок, уменьшает ошибку координации. Результаты применимы при проектировании систем управления многороботными группами.