Рассматривается задача комбинирования секторов региона воздушного пространства, при которой должно быть получено минимальное количество секторов при ограничении на их нагрузку. Предлагаются вычислительные методы, которые могут быть применены в более общих моделях решения задачи. Предлагается алгоритм построения разбиений конечного множества, а также формулировка задачи целочисленного линейного программирования, используется также терминология теории графов.

Рассматриваются интегральные преобразования на конечном интервале c сингулярным базисным вейвлетом. С помощью последовательности таких преобразований решается задача непараметрической аппроксимации функции. Традиционно считается, что для базисного вейвлета должно выполняться условие допустимости, т. е. среднее значение вейвлета должно равняться нулю. Существует ряд сингулярных вейвлетов, для которых условие допустимости не выполняется. В этом случае в качестве базисного вейвлета можно использовать дельтообразные функции, которые участвуют в оценках Парзена – Розенблатта и Надарая – Ватсона. Исследование ряда вейвлет-преобразований на конечном интервале проводится только в одном частном случае из-за технических сложностей при попытке непосредственного решения этой задачи. Реализуется идея периодического продолжения вейвлет-преобразования с конечного интервала на всю числовую ось, которая позволяет cформулировать достаточные условия сходимости. Приводится пример аппроксимации с помощью суммы дискретных вейвлет-преобразований.

Показано, что выбор параметра временной дискретизации цифровой модели непрерывной динамической системы с хаотическими режимами на основе ее динамики позволяет управлять характеристиками выходной последовательности, в том числе избегать коротких циклов и периодических режимов поведения. На примере системы Лоренца проведен анализ закона движения хаотической системы, линеаризованной в окрестностях точек устойчивого и неустойчивого равновесия. На основании этого закона выбраны параметры математической модели генератора псевдослучайных чисел. Выходная последовательность чисел, порождаемая предложенным в работе подходом, подвергнута статистическому и корреляционному анализам. Согласно результатам проведенных тестов полученные псевдослучайные последовательности на основе непрерывных хаотических систем обладают статистически случайными свойствами и могут быть использованы в системах стеганографической и криптографической защиты данных.

Представлены результаты экспериментальных исследований и разработки средств автоматического анализа и распознавания гистологических изображений с целью получения количественных оценок наличия и степени агрессивности рака простаты в общепринятых шкалах Глисона  и ISUP. В качестве исходных данных использовались 10 616 полнослайдовых гистологических изображений с размером большей стороны до 100 000 пикселов и 22 089 их фрагментов размером 256×256 пикселов. Проведена оценка эффективности решения задачи с применением как традиционных методов, так и методов глубокого обучения. В качестве финальных выбраны два решения. Первое решение основано на последовательном анализе фрагментов изображений и включает выделение признаков с использованием сети ResNet50 и последующим обобщением частных результатов распознавания с помощью небольшой сверточной сети. Второе решение базируется на одновременном анализе отобранных информативных участков, представленных в виде промежуточного псевдоизображения, и последующем его распознавании с использованием ансамбля из четырех вариантов сверточных сетей с архитектурой EfficientNetB0. В результате независимого тестирования на закрытом наборе изображений, недоступных авторам, достигнута точность предсказания финальной оценки по шкале ISUP, равная 0,9277.

Представлен очерк развития технологий обработки естественного языка, которые легли в основу BERT (Bidirectional Encoder Representations from Transformers) − языковой модели от компании Google, демонстрирующей высокие результаты на целом классе задач, связанных с пониманием естественного языка. Две ключевые идеи, реализованные в BERT, – это перенос знаний и механизм внимания. Модель предобучена решению нескольких задач на обширном корпусе неразмеченных данных и может применять обнаруженные языковые закономерности для эффективного дообучения под конкретную проблему обработки текста. Использованная  архитектура Transformer основана на внимании, т. е. предполагает оценку взаимосвязей между токенами входных данных. В статье отмечены сильные и слабые стороны BERT и направления дальнейшего усовершенствования модели.

 

Предлагается математическая модель интернет-поиска и лексико-семантической обработки аналогов принятых решений. Поиск проводится по запросам, синтезированным из описаний проблемных ситуаций. При лексико-семантической обработке найденные аналоги решений исследуются на тональность. При оценке тональности используются лингвистические словари тонально-окрашенной лексики, которые формируются на основе специальных тонально-окрашенных тематических корпусов текстов. В предельном случае создаются два типа словарей. Первый тип предназначен для анализа положительной тональности в описаниях принятых решений, а второй – для анализа отрицательной тональности. То есть в процессе лексико-семантического анализа рассматриваются главным образом положительные и отрицательные аспекты принятых решений. Результаты анализа предъявляются пользователю (лицу, принимающему решения).

Рассматриваются уровни сбора медицинских данных, а также международный стандарт HL7 FHIR для обмена медицинскими данными, предназначенный для улучшения взаимодействия независимых медицинских информационных систем и снижения стоимости разработки интерфейсов. FHIR вводит термин Ресурс (Resource) как основную единицу значимой информации для передачи и хранения данных, описывает набор информационных ресурсов и протокол взаимодействия с хранилищем ресурсов посредством REST-сервиса или обмена сообщениями. Фиксированный базовый набор информационных ресурсов призван удовлетворить 80% потребностей. Данный стандарт применяется в медицинских информационных системах в Республике Беларусь.

В последние годы все больше внимания уделяется навигационным и коммуникационным системам на основе электроэнцефалограммы головного мозга для сообществ с разными возможностями. Для предоставления навигационной системе вспомогательных средств связи в работе предложен настраиваемый протокол, использующий вызванные мыслительные потенциалы, чтобы помочь сообществам с разными возможностями. Представлены функции, основанные на спектрах более высокого порядка, для классификации семи основных задач, таких как Вперед, Влево, Вправо, Да, НЕТ, Помощь и Расслабление, которые можно использовать для управления креслом-роботом, а также для связи с использованием необычной парадигмы. Предлагаемая система записывает восьмиканальный беспроводной сигнал электроэнцефалографии от десяти субъектов, в то время как субъект воспринимал семь различных задач. Записанные сигналы мозговых волн предварительно обрабатываются для удаления интерференционных волн и сегментируются на сигналы шести частотных диапазонов: дельта, тета, альфа, бета, гамма 1-1 и гамма 2. Сигналы полосы частот сегментируются на выборки кадров равной длины и используются для извлечения признаков с использованием оценки биспектра. Кроме того, статистические характеристики, такие как среднее значение биспектральной величины и энтропия с использованием области биспектра, извлекаются и формируются как набор характеристик. Извлеченные наборы функций проходят десятикратную перекрестную проверку с использованием классификатора многослойной нейронной сети. Результаты показали, что энтропия модели классификатора на основе характеристик биспектральной величины имеет максимальную точность классификации 84,71 %, а среднее значение модели классификатора на основе характеристик биспектральной величины – минимальную точность классификации 68,52 %.