Цели. Решается задача разработки генеративной модели гетероэнкодера для компьютерного дизайна потенциальных ингибиторов Bcr-Abl тирозинкиназы - фермента, активность которого является патофизиологической причиной хронического миелоидного лейкоза.

Методы. На основе рекуррентных и полносвязных нейронных сетей прямого распространения создана генеративная модель гетероэнкодера. Проведены обучение и тестирование этой модели на наборе химических соединений, которые содержат 2-ариламинопиримид, присутствующий в качестве основного фармакофора в структурах многих низкомолекулярных ингибиторов протеинкиназ.

Результаты. Разработанная нейронная сеть апробирована в процессе генерации широкого набора новых молекул и последующего анализа их химического сродства к Bcr-Abl тирозинкиназе методами молекулярного докинга.

Заключение. Показано, что разработанная нейронная сеть представляет собой перспективную математическую модель для de novo дизайна малых молекул, которые потенциально активны против Bcr-Abl тирозинкиназы и могут быть использованы для разработки эффективных противоопухолевых препаратов широкого спектра действия.

Цели. Для способа оценивания полного электронного содержания в ионосфере на основе ретрансляции навигационного сигнала L1 GPS наноспутником-ретранслятором (СР) на выделенные для геофизических исследований частоты 150/400 МГц и их приема на наземном приемном пункте (ПП) необходимо разработать алгоритмы когерентного накопления принимаемых ретранслированных сигналов и измерения разности их задержек на интервалах наблюдения продолжительностью до единиц секунды.

Методы. Предлагаемые алгоритмы предусматривают фазовую демодуляцию принимаемых сигналов на каждой из частот ретрансляции в соответствии с динамикой взаимного пространственного перемещения навигационного спутника (НС), СР и ПП; умножение результата на совмещенную по времени задержки оценку навигационного сообщения, формируемую приемником прямого навигационного сигнала на трассе НС - ПП, внутрипериодную обработку на всей длительности наблюдения в согласованном с сигналом НС фильтре и междупериодное когерентное накопление результатов внутрипериодной обработки на интервале однозначной дальности. Когерентное накопление с учетом случайного неконтролируемого сдвига по частоте ретранслированного сигнала реализуется путем дискретного преобразования Фурье векторов, сформированных для каждого элемента разрешения по времени задержки из междупериодных отсчетов результатов внутрипериодной обработки с учетом миграции дальности при взаимном перемещении НС, СР и ПП.

Результаты. Показано, что по выходному сигналу когерентного накопителя возможно обнаружение ретранслированных сигналов на каждой из частот ретрансляции, точное измерение разности времен задержек и оценивание полного электронного содержания на трассе СР - ПП. Приведены результаты моделирования, подтверждающие работоспособность предлагаемых алгоритмов при оценивании полного электронного содержания на трассе СР - ПП.

Заключение. Разработан алгоритм когерентного накопления принимаемых ретранслированных сигналов и измерения разности их задержек, проведено его моделирование. Алгоритм может быть использован при определении ПЭС на основе ретрансляции сигналов глобальной навигационной спутниковой системы GPS.

Цели. Поставлена цель разработать новый подход к распознаванию состава ткани предметов одежды на изображении в сфере электронной коммерции путем использования генеративно-состязательной сети для создания синтетических изображений предметов одежды с известным составом ткани, используемых затем для обучения сверточной нейронной сети при классификации состава ткани реальных изображений одежды. Вместо классического изображения предмета одежды генерируется копия, у которой материал увеличен до волокон и структуры ткани.

Методы. Основными методами распознавания состава ткани предметов одежды на изображении в сфере электронной коммерции являются создание и аннотация наборов данных для обучения нейронных сетей, синтез изображений ткани предметов одежды, выбор архитектуры и ее модификация, валидация и проведение тестов, а также интерпретация результатов.

Результаты. Результаты экспериментов, проведенных с помощью предложенного подхода, показывают его эффективность при точном определении состава ткани предметов одежды в сфере электронной коммерции, что позволяет использовать данный метод для улучшения поиска и просмотра на веб-сайтах.

Заключение. При помощи генеративно-состязательной сети был синтезирован набор данных товаров электронной коммерции, произведена его аннотация, построены нейронные сети для распознавания состава ткани предметов одежды, проведено сравнение результатов. Результаты исследования показали, что новый подход для распознавания ткани предметов одежды обладает высокой точностью в сравнении с уже известными методами. Дополнительное использование модели внимания также дает хорошие результаты, что отражается в улучшении метрик.

Цели. Рассматривается задача построения и исследования математической модели стохастической системы с расщеплением и сборкой запросов. Требуется построить процесс функционирования системы, найти условие существования стационарного распределения, предложить алгоритмы его вычисления и основных стационарных характеристик производительности системы. Особый интерес вызывает задача получения нижней и верхней границ математического ожидания времени пребывания запроса в системе.

Методы. Используются методы теории вероятностей, теории массового обслуживания и теории матриц.

Результаты. Функционирование системы описано в терминах многомерной цепи Маркова. Найдено конструктивное условие существования стационарного распределения, предложены алгоритмы его вычисления и стационарных характеристик производительности системы. Получены аналитические выражения для нижней и верхней границ математического ожидания времени пребывания запросов в системе.

Заключение. Исследован стационарный режим функционирования системы массового обслуживания с расщеплением и сборкой запросов, поступающих в систему в стационарном пуассоновском потоке. Каждый из поступающих запросов расщепляется на два задания, которые идут в две подсистемы, состоящие из обслуживающего прибора и буфера. Времена обслуживания заданий имеют разные фазовые распределения (PH-Phase type distributions). Для данной системы найдено условие существования стационарного распределения, предложены алгоритмы вычисления стационарного распределения и ряда стационарных характеристик производительности системы. Получены аналитические выражения для нижней и верхней границ математического ожидания времени пребывания запроса в системе от момента его поступления в систему до момента синхронизации, которое является критическим показателем производительности системы с расщеплением и сборкой запросов.

Цели. Аналитическое решение граничной задачи электростатики для моделирования электростатического поля заряженного кольца, расположенного внутри заземленного бесконечного кругового цилиндра в присутствии идеально проводящего тора. Источник поля - тонкое заряженное кольцо, расположенное на плоскости, перпендикулярной оси цилиндрического экрана.

Методы. Для решения поставленной задачи используется метод теорем сложения. Потенциал исходного электростатического поля представлен в виде сферических гармонических функций, затем с помощью теорем сложения, связывающих сферические, цилиндрические и тороидальные гармонические функции, - в виде суперпозиции цилиндрических и тороидальных гармонических функций. Вторичный потенциал электростатического поля также представлен в виде суперпозиции цилиндрических и тороидальных гармонических функций.

Результаты. Решение поставленной граничной задачи сведено к решению бесконечной системы линейных алгебраических уравнений второго рода относительно коэффициентов, входящих в представление вторичного поля. Численно исследовано влияние некоторых параметров задачи на значение электростатического потенциала внутри заземленного цилиндрического экрана в присутствии тороидального включения. Результаты вычислений представлены в виде графиков.

Заключение. Предложенная методика и разработанное программное обеспечение могут найти практическое применение при разработке и конструировании экранов в различных областях техники.

Цели. Предлагаются модели и средства проектирования адаптивных пользовательских интерфейсов интеллектуальных систем. Актуальность работы определяется необходимостью снижения накладных расходов и сроков разработки пользовательских интерфейсов, обеспечения их адаптации под особенности конкретного пользователя интеллектуальной системы.

Методы. Анализируются существующие подходы к проектированию пользовательских интерфейсов. Предлагается семантическая модель адаптивного пользовательского интерфейса интеллектуальных систем, реализованная при помощи базового универсального языка представления знаний, который основан на теории множеств и теории графов.

Результаты. Разработаны модель адаптивного пользовательского интерфейса интеллектуальных систем, которая включает модель базы знаний пользовательского интерфейса, агентно-ориентированную модель пользовательского интерфейса и библиотеку многократно используемых компонентов, обеспечивающих интеграцию пользовательского интерфейса в отдельные интеллектуальные системы и коллективы интеллектуальных систем, а также метод передачи компонентов пользовательского интерфейса в рамках коллектива интеллектуальных систем в процессе эксплуатации интеллектуальной системы.

Заключение. Представленные модели и средства позволяют упростить повторное (многократное) применение компонентов пользовательского интерфейса совместно с компонентами баз знаний и решателей задач при проектировании и разработке как отдельной интеллектуальной системы, так и коллектива семантически совместимых интеллектуальных систем, обеспечить автоматизацию интеграции пользовательских интерфейсов и их адаптацию для каждого пользователя. Набор компонентов пользовательского интерфейса был включен в библиотеку многократно применяемых компонентов пользовательского интерфейса. В дальнейшем планируется расширение набора компонентов указанной библиотеки и их внедрение в коллектив семантически совместимых интеллектуальных систем.

Цели. Предлагаются спецификации моделей и средств разработки искусственных нейронных сетей (ИНС) и их интеграции с базами знаний интеллектуальных систем. Актуальность исследования определяется необходимостью решения комплексных задач интеллектуальными системами, алгоритм и методы решения которых отсутствуют в базах знаний интеллектуальных систем.

Методы. Анализируются четыре уровня интеграции ИНС с базами знаний. В ходе анализа формулируются требования и спецификации к необходимым моделям и средствам разработки и интеграции. Специфицированные на каждом уровне модели и средства включают в себя модели и средства предыдущего уровня. Применение средств рассмотрено на примере решения задачи классификации сущностей базы знаний с помощью графовой нейронной сети.

Результаты. Разработаны спецификации модели представления ИНС в базе знаний, агентно-ориентированной модели разработки и интерпретации ИНС, обеспечивающие интеграцию ИНС в базы знаний на всех выделенных уровнях, а также метод классификации сущностей базы знаний с помощью графовой нейронной сети.

Заключение. Предложенные модели и средства позволяют интегрировать в базу знаний интеллектуальной системы любые обученные ИНС и использовать их для решения комплексных задач в рамках технологии OSTIS. Становятся возможными проектирование и обучение ИНС на основании как внешних данных, так и фрагментов базы знаний, а также автоматизация процесса разработки ИНС в базе знаний.

Цели. Решается задача ИТ-диагностики признаков болезни Паркинсона по анализу изменения голоса и замедления движения пациентов. Актуальность задачи связана с необходимостью ранней диагностики заболевания. Предлагается метод комплексного распознавания болезни Паркинсона с использованием машинного обучения, основанный на анализе голосовых маркеров и изменений в движениях пациентов на известных наборах данных.

Методы. Используются частотно-временная функция (функция вейвлета), функция кепстрального коэффициента Мейера, алгоритм k-ближайших соседей (k-Nearest Neighbors, KNN), алгоритм двухслойной нейронной сети для обучения и тестирования на общедоступных наборах данных по изменению речи и замедлению движения при болезни Паркинсона, а также байесовский оптимизатор для улучшения гиперпараметров алгоритма KNN.

Результаты. Алгоритм KNN использован для распознавания речи пациентов, точность теста 94,7 % достигнута при диагностике болезни Паркинсона по изменению голоса. Алгоритм байесовской нейронной сети применен для распознавания замедления движения пациентов, он дал точность теста 96,2 %.

Заключение. Полученные результаты распознавания признаков болезни Паркинсона близки к мировому уровню. На том же наборе данных по изменению речи пациентов один из лучших показателей зарубежных исследований составляет 95,8 %, а на наборе данных по замедлению движения пациентов - 98,8 %. Предлагаемая авторская методика предназначена для использования в подсистеме ИТ-диагностики неврологических заболеваний умного города.