Выпуск 19 (4), 2020: Труды СПИИРАН

Рассмотрены вопросы оптимизации баллистической структуры спутниковой системы дистанционного зондирования Земли. Подходы к баллистическому проектированию спутниковой системы, ранее разработанные специалистами различных научных школ, были ориентированы на поддержание структурной устойчивости системы за счет развертывания группировок с одинаковой геометрией и с одинаковыми наклонениями, что обеспечивало одинаковые вековые уходы элементов всех орбит. Вместе с тем существует целый комплекс задач, при котором необходимо сформировать спутниковую систему на орбитах разных высот. Для решения задачи обеспечения требуемого уровня устойчивости нового кластера орбитальных структур предлагается подход, включающий эвристическое формирование множества целевых разновысотных орбит; определение некоторой базовой околокруговой орбиты; направленный перебор возможных итерационных вариантов квазисинхронных орбит; согласование состава вектора характеристик условий движения и окончательный расчет приемлемого варианта, который гарантирует заданную точность цикла замыкания трассы. Апробация предлагаемого подхода проведена на примере определения параметров орбит, обеспечивающих равенство эффективных суток в заданном диапазоне высот. Приводится методика выбора степени учета различных физических факторов космической среды, которая позволяет достигнуть одинаковых отклонений прогнозной траектории от эталонной. Характеристики математической модели движения квазисинхронной орбиты, используемые при прогнозировании, рассчитываются из условия обеспечения устойчивости на заданном временном интервале. Для получения соответствующих оценок используются поправки к параметрам орбиты, приведенные из гринвичской системы координат. Описывается детальный алгоритм, позволяющий однозначно определить характеристики устойчивой структуры, при реализации которого осуществляется переход от решения нормальной системы уравнений к решению двух треугольных систем. Анализ предметной области показал, что предложенный подход является новым, а решаемая научная задача относится к классу обратных задач космической кибернетики.

Возникновение чрезвычайных ситуаций, которые угрожают жизни и здоровью людей, резко повышает требования к полноте и точности представления информации о текущей ситуации. Современные робототехнические средства оснащены датчиками, работающими на различных физических принципах. Это приводит к росту входной информации, поступающей в управляющую систему. С учетом ограниченной производительности бортовой вычислительной системы, а также высокой априорной неопределенности наземной обстановки робототехнические средства не могут быть эффективно использованы без объединения получаемой информации от группы робототехнических средств и создания единой картины наземной обстановки. Решить задачу отождествления вектор-признаков, относящихся к одному объекту, а также оценить эффективность полученных решений можно по известным формулам теории проверки статистических гипотез и теории вероятностей только при нормальном законе распределения с известными математическим ожиданием вектор-признака и корреляционной матрицей. Однако перечисленные условия на практике, как правило, не выполняются. Предложен новый метод решения задачи отождествления вектор-признаков, не опирающийся на статистический подход, и, следовательно, не требующий знание вида закона распределения и значений его параметров. Предлагаемый метод основан на идее сочетания кластерного анализа и нечеткой логики и отличается сравнительной простой по отношению к базовым методам многомерной непараметрической статистики. Обсуждаются математические аспекты метода нечеткой кластеризации и возможное упрощение алгоритма нечеткого отождествления при временных ограничениях. Установлено, что применение нечеткой кластеризации объектов в сложной наземной обстановке позволяет уменьшить количество ложных распознаваний объектов по сравнению с существующим статистическим подходом, ориентированным на использование нормального закона распределения. Показано преимущество предлагаемого метода отождествления вектор-признаков объектов, даны сравнительные значения по количеству ложных распознаваний. Даны рекомендации построения правил нечеткого вывода при создании базы знаний экспертной системы.

Представлено взаимодействие с 3D-моделями в среде виртуальной реальности (ВР), которое соотносится с движением реальной руки человека. Точность позиционирования достигается благодаря обратной связи. Ключевую роль в поиске оптимальных значений управляющих сигналов играет адаптивная нейро-нечеткая система вывода (Adaptive Network-based Fuzzy Inference System, ANFIS), сочетающая в себе преимущества нейронных сетей (NN) и нечеткой логики (fuzzy logic, FL). Данный подход дает точные результаты при добавлении обучающей сигнальной системы к комбинированной обучающей базе, используемой при объединении метода пропорций наклона; ошибка наименьших квадратов (LSE) подготавливает ANFIS к любым фреймворкам. Контроллер на основе ANFIS был применён к робототехнической системе с семью степенями свободы, модель которого была разработана в виртуальной реальности, воспроизводящей системные конструкции через Matlab/Simulink, чтобы соединить ВР-модель с инструкцией для выполнения команд гибридным интеллектуальным контроллером на основе технологии ANFIS. Данная усовершенствованная процедура при внедрении полученных результатов показывает возможность практического использование предлагаемой системы контроллера.

Описывается технология построения нейросетевой системы искусственного интеллекта на стыке декларативного программирования и машинного обучения на основе моделирования кортикальных колонок. Используя доступный материал и сравнительно простые явления, эволюционные механизмы создали сложноорганизованные разумные системы. Из этого следует вывод, что искусственный интеллект также должен основываться на простых, но масштабируемых и биоправдоподобных алгоритмах, в которых стохастическая динамика корковых нейронных модулей позволяет быстро и эффективно находить решения сложных проблем. Цель исследования – алгоритмическая формализация на уровне репликативных нейросетевых комплексов. Базовый модуль искусственного интеллекта представлен как специализация и формализация понятия «китайская комната», введенного Джоном Сёрлом. Приведены результаты экспериментов по прогнозированию бинарных последовательностей. Компьютерная симуляця показала высокую эффективность реализации предложенных алгоритмов, при этом вместо использования для каждой задачи тщательно подобранного и адаптированного отдельного метода с частично эквивалентной переформулировкой задач были применены стандартный единый подход и единые параметры алгоритма. Делается вывод, что результаты экспериментов показывают возможность эффективных прикладных решений на базе предложенной технологии. Представленная технология позволяет создать самообучающиеся и планирующие деятельность системы.

В последние десятилетия все большую популярность набирают NoSQL базы данных, и все чаще разработчикам и администраторам таких баз по той или иной причине приходится решать задачу миграции баз данных из реляционной модели в модель NoSQL, например документно-ориентированную базу данных MongoDB. Описывается подход к такой миграции данных на основе теории множеств. Предлагаются правила для определения совокупности коллекций со вложенными документами NoSQL базы данных типа ключ-документ, оптимальной по времени выполнения поисковых запросов. Оптимизация числа коллекций и их структуры проводится с учетом атрибутов объектов базы данных, участвующих в поисковых запросах. Исходными данными являются свойства объектов (атрибуты, связи между атрибутами), информация о которых хранится в базе данных, и свойства запросов, которые наиболее часто выполняются или скорость их выполнения максимальна. В правилах учитываются основные типы связей (1-1, 1-М, М-М), свойственные реляционной модели. Рассматриваемая совокупность правил является дополнением к методу создания коллекций без вложенных документов. Также приводится методика для определения, в каких случаях какие методы надо использовать, чтобы сделать работу с базами данных более эффективной. В заключении приведены результаты тестирования предлагаемого метода на базах данных с различными начальными схемами. Результаты экспериментов показывают, что предлагаемый метод помимо сокращения времени выполнения запросов позволяет также значительно сократить объем памяти, необходимый для хранения данных в новой базе данных.

К настоящему времени накоплено огромное количество данных о разнообразии организмов. Сохранить и использовать эти данные для решения научных задач помогают базы данных. В литературе описано несколько десятков баз, предназначенных для хранения данных о биоразнообразии. Каждая имеет оригинальную структуру, которая плохо согласуется со структурами других баз, что, в свою очередь, затрудняет обмен данными и формирование массивов больших данных о биоразнообразии. Причиной сложившейся ситуации является отсутствие формальных определений универсальных компонент, из которых можно построить базу с любыми данными о разнообразии организмов. Анализ литературы и исследования авторов показывают, что универсальные компоненты есть в характеристиках любых организмов. Например, таксономическое название организма и место его поимки. Таких компонент шесть, и они отвечают на один из шести вопросов: что, где, когда, кто, откуда и куда . Первые три компоненты – что, где, когда – являются фундаментальными. Они составляют минимальную основу, которая описывает экземпляр таксона в пространственно-временных координатах. Каждой компоненте соответствует отдельная таблица базы данных. Эти таблицы связаны с таблицей данных об организме (особи) и не связаны между собой. Атрибуты связей между особью и таблицами компонент хранятся в промежуточных таблицах. Процесс создания любой базы о разнообразии живых существ начинается с определения таблицы экземпляров организмов. Ее необходимо использовать, даже если нет явных данных об организмах. Тогда следует ввести виртуальные организмы и связать с ними остальные компоненты при помощи промежуточных таблиц. Последние состыковываются с прочими данными. Минимальные структуры всех таблиц, связи между ними и примеры построения баз данных описаны в настоящей работе.

При исследовании сети Интернет ее структуру разделяют на уровни: уровень автономных систем, уровень точек присутствия операторов связи, уровень оборудования и так далее. На каждом из них глобальная сеть может быть описана в виде графа на основании исходных данных, получаемых из открытых источников. Рассмотрение сети в рамках отдельного уровня упрощает анализ, однако не позволяет системно оценить ее структурные свойства при решении задач обеспечения связности нескольких сегментов сети, относящихся, в частности, к объектам критической информационной инфраструктуры. Для преодоления этого противоречия разработана математическая модель глобальной сети на стыке уровня автономных систем и уровня точек присутствия операторов связи в виде метаграфа, которая учитывает особенности каждого из уровней и позволяет находить «узкие» места как в системе междоменной маршрутизации, так и в топологии внутренних сетей интернет-провайдеров. На основе предложенной модели описаны некоторые структурные феномены глобальной сети: тупиковые, многоинтерфейсные и транзитные автономные системы, контент-провайдеры. С учетом доступных в открытых источниках данных о структуре сети Интернет предложен способ построения метаграфа. Проведен сравнительный анализ инструментов, автоматизирующих процесс анализа модели сети. Сформулированы ориентированные на практику задачи поиска разрезающего подмножества в метаграфе. Определены направления дальнейших исследований – программная реализация инструментов анализа структуры глобальной сети с использованием общедоступного модуля MGtoolkit на языке Python и оценивание структурных феноменов российского сегмента сети Интернет.