На данный момент существует два хорошо изученных подхода, которые показывают наиболее эффективные результаты в задаче исправления грамматических ошибок для английского языка: нейронный машинный перевод и тэггирование последовательности. В подходе нейронного машинного перевода исходный язык содержит предложения с ошибками, а целевой язык содержит предложения без ошибок. Такая модель для исправления грамматических ошибок работает хорошо, но страдает от медленной скорости и плохой интерпретируемости, так как для определения типа ошибки необходим дополнительный функционал. Модели, использующие подход тэггирования последовательности, не страдают такими проблемами, так как они размечают ошибки в исходном предложении, а не генерируют его заново. Также они легко интерпретируется, так как мы решаем задачу классификации, где каждому токену ставится в соответствие тэг с правилом для исправления ошибки из заданного словаря. На данный момент моделью на основе тэггирования последовательности, показывающей лучшие результаты в английском языке, является модель GECToR. Данная модель представляет из себя энкодер на основе архитектуры трансформер с двухголовым классификатором. Первая голова классификатора предсказывает наличие ошибки, а вторая предсказывает конкретный тэг ошибки. После этого соответствующее правило применяется к каждому токену последовательности для исправления ошибки. Если токен не содержит ошибок, то модель должна предсказать специальный тэг, который оставляет его без изменений. Для тестирования модели мы использовали размеченный людьми набор данных RULEC, на котором наша модель не обучалась. Из табл. 1 мы видим, что модель показала результат 22.2 по метрике 𝐹0.5. Данный результат выше моделей авторов данного набора данных, несмотря на тот факт, что модель не обучалась на нем. Это доказывает, что модель имеет хорошую обобщающую способность и не переобучается под конкретную выборку. Табл. 1 также показывает, что обобщающая способность модели растет в течение этапов обучения. Это говорит о том, что добавление данных из другого распределения и уменьшение ложноположительных предсказаний модели положительно влияет на качество работы модели.

Выполнен анализ комплекса моделей и методов исследования функционирования инженерных систем жизнеобеспечения в условиях деструктивных событий, включающего модели угроз, в зоне действия которых находятся эти системы, уязвимостей, существующих в них, оценок вероятности повреждения, риска, восстановления и устойчивости. Отмечается сложность и неоднородность процессов поведения систем жизнеобеспечения, подлежащих моделированию, разнообразие условий их выполнения. В связи с этим большинство исследований посвящено анализу отдельных стадий функционирования, а не всему комплексу процессов, начиная от разрушения и заканчивая оценкой устойчивости. Для комплексного анализа поведения систем жизнеобеспечения в условиях деструктивных событий предлагается связать стадии исследования угроз, уязвимостей, разрушения и восстановления с соответствующими им дискретными событиями, их продолжительностью и моделями описания поведения системы на указанных стадиях. Обосновывается применение имитационного моделирования в качестве инструмента для комплексного анализа дискретных событий, явным образом формирующих процесс восстановления.

В последние несколько лет большие языковые модели, обученные на огромных массивах информации, и способные генерировать тексты, неотличимые от человеческих, получили широкое распространение, и все больше людей начинают их использовать в учебных и рабочих проектах. Поэтому становится актуальной задача детекции как полностью сгенерированных текстов, так и гибридных текстов, где встречаются и фрагменты, написанные человеком, и фрагменты, написанные языковой моделью. Для экспериментов в качестве базовой модели была взята модель longformer, так как эта модель умеет обрабатывать сразу достаточно длинные последовательности. Также были рассмотрены модели семейства DeBERTаV3, которые на данный момент показывают наилучшее качество на задаче детекции. В качестве метрики оценки качества мы взяли среднюю абсолютную разницу между истинным словом-разделителем и между предсказанным словом-разделителем. Представлены результаты экспериментов и можно видеть, что на моделях семейства DeBERTaV3 качество моделей, обученных на новом датасете, лучше, чем тех же моделей, но обученных на изначальном датасете, поэтому использование аугментации данных вместе с моделями семейства DeBERTaV3 дает сильное улучшение метрик.

Tethered unmanned aerial platforms (tUAVs) offer distinct operational advantages compared to autonomous UAVs, particularly their ability to maintain continuous, long-duration missions through ground-based power supply. This capability makes them ideal for various applications where persistent aerial presence is required. However, ensuring operational reliability becomes critical during Global Navigation Satellite System (GNSS) signal degradation, which may occur due to environmental factors or intentional interference. This study presents a novel solution through the development of a laser-based Local Navigation System (LNS), with particular focus on its implementation for tethered high-altitude telecommunication platform. We conduct a comprehensive reliability assessment using established risk tree methodology, which enables quantitative modeling of risk event occurrence times, calculation of key statistical parameters (mean, variance) and estimation of potential damage impacts. The probabilistictemporal characteristics derived from this analysis provide system operators with critical reliability metrics for operational decision-making and risk mitigation.

Работа исследует факторы, определяющие проэкологическую активность населения. Используются данные социологического опроса, проведенного в Мурманской области в 2023 г. На основе метода анализа латентных классов (LCA) доказана последовательная взаимосвязь следующих факторов: убеждения о наличии экологических проблем; убеждения о виновности бизнеса и власти в их появлении; норм об отнесении ответственности за решение экологических проблем на бизнес и власть, а также на самого респондента.