Представлено обобщенное описание разработанного специального модельно-алгоритмического и программно-информационного обеспечения проактивного управления группировкой интеллектуальных наземных транспортно-технологических средств (ИТТС) сервисного обслуживания судов гражданской авиации, функционирующих в едином цифровом пространстве данных аэропортов. В состав технологии функционирования каждого ИТТС входят типовые операции по загрузке/разгрузке мобильного оборудования; по перемещению по аэродрому; материальному, энергетическому и информационному взаимодействию с инфраструктурой аэропорта, другими ИТТС, а также воздушными судами. В этих условиях особую актуальность и научную новизну приобретают задачи проактивного управления как отдельными ИТТС, так и их группировкой. Разработанное специальное модельно-алгоритмическое и программно-информационное обеспечение базируется на динамическом многовариантном прогнозировании, а также комплексном планировании и оперативном управлении, основанном на модели взаимодействия систем Дж. Бойда и оригинальном полимодельном логико-динамическом описании исследуемой предметной области. Приведена обобщенная структура полимодельного комплекса, описывающего функциони- рование группировки ИТТС.

В качестве базовой концепции автоматизации процессов мониторинга функционирования сложных агробиотехнических объектов (САБО) предложен переход от реактивного подхода к проактивному. Предлагаются методологические основы автоматизации процесса решения задачи многокритериального синтеза программ управления проактивным мониторингом обобщенных состояний САБО и интегрированной АСУ (ИАСУ) как про- цесса управления соответствующей развивающейся ситуацией, в состав которой входят субъекты моделирования, объект-оригинал, его модель, внешняя среда, а также динамические бинарные отношения, возникающие при их взаимодействии. Целью разработки методологических основ является повышение оперативности обнаружения, локализации и предотвращения возникновения нештатных ситуаций. На базе концепций системного моделирова- ния, проактивного управления, инвариантности вычислительных, моделирующих и реальных процессов, а также интеллектуализации управления разработана система взаимосвязанных фундаментальных принципов, которая учитывает многоаспектный характер функционирования САБО и ИАСУ САБО в целом, в том числе отражает связи, которые не учитывались в предыдущих исследованиях, — между обобщенным состоянием вычислительного процесса и степенью интероперабельности. Разработанные концепции и фундаментальные принципы позволяют корректно обосновать и автоматизировать выбор наиболее предпочтительных интеллектуальных технологий и систем проактивного мониторинга обобщенных состояний САБО на всех этапах их жизненного цикла, а также повысить показатели оперативности и достоверности управленческих решений, равно как и выработки соответ- ствующих рекомендаций, обеспечивающих повышение эффективности и качества функционирования рассматри- ваемых объектов и систем в заданных условиях обстановки.

Рассматриваются вопросы автоматизации анализа и локализации барьеров интероперабельности разнородных технических систем сложных агробиотехнических объектов в условиях обеспечения решения задачи интегрированного мониторинга их состояния. Цель исследования — обеспечение возможности многовариантного прогнозирования и оценивания функциональной совместимости сопрягаемых унаследованных и создаваемых перспективных автоматизированных систем в сельскохозяйственном производстве на основе имитационного про- блемно-ориентированного моделирования и применения интеллектуальных технологий извлечения экспертных знаний и манипулирования ими. Сформирована концептуальная модель локализации барьеров интероперабельности и разработано соответствующее технико-методическое обеспечение для обоснования типовых решений по преодолению барьеров интероперабельности, автоматизации процесса формирования сводной характеристики (профиля) сопряжения систем, проведения верификации, валидации и тестирования прикладных моделей интероперабельности для конкретных наборов сопрягаемых автоматизированных систем. Полученные результаты имеют важное практическое значение для технико-экономического эффекта при выборе технических решений по обеспечению интероперабельности автоматизированных систем и моделированию ее прогнозируемого уровня.

Обсуждаются вопросы решения целочисленных, смешанно-целочисленных многокритериальных задач оптимизации с нелинейными ограничениями. Цель исследования — снижение временных затрат на решение таких задач с применением метаэвристических алгоритмов в распределенной гетерогенной вычислительной среде, предоставляющей вычислительные ресурсы. Новизна предлагаемого метода заключается в выборе способа параллельного выполнения метаэвристических алгоритмов, формирования блоков вычислительной нагрузки, реализующих метаэвристики, и назначении блоков на вычислительные ресурсы в гетерогенной распределенной вычислительной среде с использованием репозитория эффективных алгоритмов. Приведены результаты экспериментального исследования, демонстрирующие эффективность разработанного метода.

Рассматривается задача классификационного анализа данных временных рядов телеметрической информации малого космического аппарата в целях определения его технического состояния. Представлены результаты разработки и исследования ансамблевых моделей гибридных нейросетевых классификаторов на базе ансамблей типа бэггинг и AdaBoost. Представлена базовая модель гибридного нейросетевого классификатора, по лученная последством разработанного генетического алгоритма автоматического поиска гибридных нейросетевых классификаторов. С использованием данной нейросетевой модели построена и обучена модель бэггинг-ансамбля гибридных нейросетевых классификаторов, качество которого превышает и качество базовой модели нейронной сети, и качество ансамблей классификаторов типа Random Forest, Bagging, Gradient Boosting, Adaptive Boosting, Histogram-based Gradient Boosting на базе деревьев принятия решения.

Для автоматизации создания моделей машинного обучения, прогнозирующих временные ряды, предложено использовать AutoML-подход. Рассматриваются алгоритмы и технологии, позволяющие реализовать автоматизацию создания моделей. Выбрана гибридная архитектура машинного обучения, которая использовалась при решении задач автоматизации структурно-параметрического синтеза моделей и оптимизации гиперпараметров, а также при автоматическом выборе показателей оценки качества синтезированных моделей. Пользовательский интерфейс для данной системы реализован на основе платформы AutoGenNet, воплощающей концепцию No-Code разработки, которая позволяет скрыть от пользователей сложность процессов создания и обучения моделей, что обеспечивает снижение порога вхождения для работы с программой. Использование платформы AutoGenNet позволяет реализовать механизм генерации программных оболочек для эксплуатации обученных моделей, а также обеспечить автоматизацию процессов генерации и обучения гибридных моделей, что упрощает и ускоряет процесс решения задач прогнозирования временных рядов с помощью моделей машинного обучения. Полученные результаты могут быть масштабированы и использованы для создания моделей прогнозирования временных рядов в различных прикладных задачах.

Рассматривается новый тренд — формирование контента с применением инструментов и технологий искусственного интеллекта. Активное внедрение технологий искусственного интеллекта для генерации данных приводит к увеличению доли искусственно сгенерированных данных, которые необходимо выявлять в автоматическом режиме для предотвращения ошибок (недостоверности, введения в заблуждение). Предложены подходы к идентификации текстовых данных, созданных при помощи нейросетевых технологий, включающие эвристические правила, основанные на критерии зависимости объема реферата от порога реферирования, что позволяет проводить автоматическую оценку текстовых документов в мониторинговых и поисковых системах при обработке больших объемов неструктурированных данных. Полученные результаты закладывают технологическую базу для реализации широкого спектра практических решений по обеспечению интеллектуальной поддержки коллективного поведения участников в человекомашинных сообществах за счет разработки теоретических и технологических основ обработки неструктурированных данных.

Рассматривается задача уточнения параметров движения центра масс некооперируемого космического аппарата (КА) с помощью оптического блока измерения его углового положения относительно двух навигационных звезд. Представлены результаты разработки методики обоснования требований к угловому полю зрения оптико- электронного прибора, который установлен на борту сервисного космического робота для измерения параметров движения некооперируемого КА, подлежащего техническому обслуживанию.

Сформулирована актуальность научной задачи повышения показателей надежности применения многоспутниковой группировки малых космических аппаратов (МКА) дистанционного зондирования Земли (ДЗЗ) при обслуживании территориально-распределенных объектов наблюдения. Предложена методика оперативной смены конфигурации функциональных элементов бортовых систем МКА ДЗЗ, участвующих в детальном наблюдении объекта, с учетом рационального расхода системного технического ресурса группировки в целях повышения показателей надежности ее применения. В качестве основной бортовой системы рассмотрена система управления движением МКА при реализации режимов точной ориентации и перенацеливания. Приведено описание входных данных для реализации процесса планирования оперативной смены конфигурации функциональных элементов бортовой аппаратуры. Процесс выбора конфигурации состоит из двух стадий: построения схемы функциональной целостности и формирования вероятностного полинома успешного функционирования системы управления движением и решения задачи выбора оптимальной конфигурации с учетом текущей наработки на отказ функциональных элементов системы. Приведены результаты вычислительных экспериментов. Разработанная методика доведена до уровня практического применения, позволяющего обеспечить равномерный расход системного технического ресурса группировки МКА при целевом применении.

Представлена методика создания многомодальных корпусов данных, предназначенных для анализа поведенческих проявлений участников виртуальной коммуникации. Предложенная методика направлена на создание корпусов данных групповой коммуникации (более двух собеседников) с использованием систем телеконференций и учитывает особенности естественных проявлений поведенческих аспектов (вовлеченности и эмоций) участников разговора. Выделенные особенности составляют новизну предложенной методики. Методика состоит из трех основных этапов — подготовительного, записи и аннотирования данных. Методика была апробирована и валидирована при создании нового многомодального корпуса данных ENERGI, содержащего русскоязычные аудиовизуальные записи групповой коммуникации участников с помощью систем телеконференций. Созданный корпус предназначен для решения задач распознавания вовлеченности участников в коммуникацию, а также анализа проявления эмоций во время диалога. Предложенная методика является универсальной и может быть применима для сбора различных корпусов данных виртуальной коммуникации.