Актуальным направлением развития технологий дистанционной диагностики зон чрезвычайных ситуаций является применение группы разнотипных беспилотных летательных аппаратов. Особенность решаемой в работе задачи состоит в рассмотрении условий мониторинга на основе объединенной группы беспилотных летательных аппаратов различных ведомств. Новизна предложенного подхода заключается в том, что в группе разнотипные беспилотные летательные аппараты представляются как интеллектуальные агенты, обладающие соответствующими свойствами. Показано, что важнейшим элементом при формировании коллективного управления в этих условиях является эффективное решение задач целераспределения объектов управления по объектам мониторинга, в том числе оперативно в процессе движения. Разработана стратегия беспилотного летательного аппарата как агента при решении задачи мониторинга в составе объединённой группировки. Приведен пример применения разработанного подхода для мониторинга лесных пожаров на основе многоагентных технологий.

Рассмотрена проблема обработки широкополосного сигнала, отраженного от движущегося объекта. Исследована зависимость точности обработки от дисперсных отражений в атмосфере. Установлено, что обработка без учета искажения огибающего сигнала может приводить к потере 20% энергии. Показано влияние доплеровского сдвига на ошибки измерения дальности, приведены их значения. Выявлена зависимость ошибки определения радиальной скорости от пространственного распределения электронной концентрации в ионосфере

Рассмотрен метод построения и обучения нейронных сетей, основанный на организации иерархической структуры соединений между нейронами в сети прямого распространения и использовании биологически оправданных принципов образования детекторной селективности нейронов. Данный подход позволяет детектировать во входном образе значимые признаки, сложность которых возрастает с каждым уровнем иерархии нейронной сети. Выявленные признаки повышают точность классификации входных информационных образов. Кроме того, возможна генерация образов по набору признаков, путем многоэтапного декодирования их значений. Приведены результаты моделирования нейронной сети с иерархической связностью в задачах распознавания и генерации изображений рукописных символов. Обсуждены перспективы применения предлагаемого подхода в ряде задач анализа информации и интеллектуального управления.