Том 26, № 3 (2025)

Рассмотрены вопросы научного обоснования структурно-параметрического синтеза низкоорбитальных систем связи с широкополосными межспутниковыми трактами и маршрутизацией данных на борту спутника, принципы и этапы, положенные в основу маршрутизации данных на борту спутников, и построения надежных и широкополосных межспутниковых трактов. Цель исследования - конкретизация структурно-параметрического синтеза низкоорбитальных систем связи с широкополосными межспутниковыми трактами. Объект исследования - группировка спутников на низких орбитах с маршрутизацией данных на борту. Предметом исследования является процесс синтеза структуры соответствующей низкоорбитальной системы. Методология исследования включает математический аппарат систем массового обслуживания, применяемый как часть инструментария системного анализа. Научная значимость исследования заключается в разработке принципов и методов, позволяющих проводить структурно-параметрический анализ и разработку перспективных спутниковых систем связи, а также моделирования поведения низкоорбитальных систем связи с широкополосными межспутниковыми трактами и оценку их результативности. Практическая значимость исследования состоит в обеспечении формирования перечня работ по созданию отечественных группировок спутников, обеспечивающих абонентскую персональную связь с передачей данных от абонента к абоненту без промежуточного приземления сигнала.

Рассмотрены различные воздушные платформы для исследования атмосферы Венеры на месте, подчеркивается их потенциальная интеграция в будущие миссии. Рассматриваемые платформы включают аэростаты с фиксированной высотой полета, аэростаты с переменной высотой полета, летательные аппараты, подобные самолетам, с возможностью трехмерного маневрирования и др. Обсуждаются конструктивные конфигурации спускаемых аппаратов и стратегии развертывания этих платформ в атмосфере Венеры. Подробно описаны конкретные механизмы развертывания аэростатов. Исследование также моделирует динамику сферических спускаемых аппаратов, оснащенных воздушными шарами, анализируя параметры траектории на разных этапах. Результаты подтверждают, что параметры остаются в допустимых пределах на протяжении всего спуска.

В рамках исследования была изучена возможность применения методов машинного обучения, в частности генеративных моделей, для семантического редактирования космических снимков. Основное внимание уделено актуальной архитектуре на основе диффузионных моделей, способной генерировать целевые объекты непосредственно на спутниковых изображениях. Однако ввиду специфики выбранной предметной области - генерации реалистичных изображений объектов нефтегазовой инфраструктуры (таких как трубопроводы) были обнаружены существенные недостатки стандартной модели в части реализма и соответствия окружающему контексту. Для решения данной проблемы проводилось дообучение нейронной сети. Цель дообучения - улучшение качества визуализации проектных решений, связанных с трубопроводами. Предложен и детально описан методический подход к формированию специализированного обучающего набора данных. На основе реальных трасс трубопроводов в QGIS созданы пространственно привязанные векторные слои; сгенерирован набор тайлов космических снимков с точными аннотациями границ труб. Результаты экспериментального дообучения модели продемонстрировали значимое улучшение качества генерируемых изображений объектов нефтегазовой инфраструктуры на космических снимках по сравнению с показателями исходной, неадаптированной модели. Разработанная дообученная модель обеспечивает высокореалистичную генерацию трубопроводов, корректно интегрируя их в существующий ландшафт на снимке. Визуальное сравнение результатов до и после дообучения подтверждает устранение артефактов и достижение необходимого уровня детализации. Работа подтверждает эффективность подхода с формированием предметно-ориентированных датасетов и дообучением для решения специфических задач визуализации в ДЗЗ.

Построение расписания занятий учебного заведения, в частности многоуровневого вуза, сочетающих в своих организационно-педагогических структурах несколько уровней обучения, включая профессионалитет, среднее профессиональное и высшее образование, а также подготовку научно-педагогических кадров высшей квалификации, является трудоемкой задачей. Рассмотрен компьютеризованный подход к процессу построения модели и его оптимизации. Использованы методы системного анализа и модификации генетических алгоритмов (ГА), обоснованы структура исходных данных для задачи составления и оптимизации учебных расписаний с применением метода штрафных функций для учета ресурсных и иных ограничений. Предложен статистический подход и реализован модуль сбора и визуализации статистики с возможностью оперативной корректировки гиперпараметров и математической модели ГА. Приведены примеры решения задачи построения расписаний многоуровневого вуза с применением ГА. Разработанная компьютерная программа обеспечивает построение расписания учебных занятий многоуровневого вуза, эффективного по обоснованному интегральному критерию качества и с учетом ограничений.

Рак молочной железы остается одной из основных причин заболеваемости и смертности среди женщин во всем мире. Несмотря на значительные усилия, направленные на раннее выявление болезни, рак молочной железы по-прежнему представляет собой серьезную проблему для здоровья населения. Цель исследования - прогнозирование риска рака молочной железы с использованием различных подходов машинного обучения, основанных на демографических, лабораторных и маммографических данных. Использована модель количественных оценок методов машинного обучения в прогнозировании рака молочной железы. Модель интегрирует алгоритмы машинного обучения, включая метод опорных векторов, деревья решений, случайные леса и модели глубокого обучения, для оценки их точности, эффективности и применимости в медицинской диагностике. Набор данных выявил значительную изменчивость в параметрах опухоли, таких как средний радиус, средняя текстура, средний периметр и средняя площадь. Целевая переменная продемонстрировала дисбаланс классов, с 62 % доброкачественных и 38 % злокачественных случаев. Среди оцененных моделей Random Forest превзошла другие по наибольшей точности, чувствительности, полноте, F1-мере и площади под кривой операционных характеристик, указывая на наилучшую способность прогнозирования. Модели логистической регрессии и метода опорных векторов показали конкурентоспособность, особенно почувствительности и полноте, в то время как модель дерева решений продемонстрировала самую низкую общую эффективность по всем показателям.