Рассматриваются принципы организации сетевого взаимодействия в Интернет-службе RFPS, предназначенной для поддержки распределенных систем управления. Представлено решение этой задачи в службе RFPS, основанное на использовании удаленного пакета наборов данных в качестве основы для создания стабильного контекста взаимодействия, не разрушающегося в результате сетевых сбоев.

Рассматриваются имеющиеся представления и модели порождения основных типов ритмических биосигналов. Для выбора информативных параметров исследуемых сигналов, типологического анализа этих сигналов и дифференциальной диагностики был разработан комплекс алгоритмов, базирующихся на методах классификационного анализа данных и распознавания образов. Разработка и моделирование этих алгоритмов проводилась на базе анализа обширного экспериментального материала по изучению ритмической структуры пульсового сигнала лучевой артерии.

Рассматривается структура информационно-управляющей системы высокоресурсных автономных космических аппаратов. Требование автономности функционирования вытекает из практической невозможности непосредственного управления аппаратом оператором с наземного комплекса управления.

Предложен метод оценивания границы множества точек на плоскости, оптимальный в L1-норме на заданном классе \beta-липшицевых граничных функций, при \beta\in(0,1]. Оценка определяется как достаточно регулярная линейная комбинация ядерных функций, центрированных в точках выборки, которая покрывает все эти точки и порождает носитель минимальной площади. Веса линейной комбинации вычисляются посредством решения соответствующий задачи линейного программирования. Показано, что L1-норма ошибки оценивания сходится к нулю с вероятностью 1 с оптимальной скоростью.

We propose and study the optimal estimates for a beta-Lipschitz periodic frontier of a 2D-set of points, for a given parameter smoothness. They are defined as kernel estimates being sufficiently regular, covering data points, and whose associated support is of smallest surface. The estimates are written as linear combinations of kernel functions applied to the points of the sample. The coefficients of the linear combination are then computed by solving related linear programming problem. The error of the frontier function estimation is shown to be almost surely converging to zero, with the optimal rate. The behavior of the estimates on finite sample situations is illustrated by some simulations. Finally, we discuss possibilities of adaptive version of the proposed estimator, when parameter smoothness beta is unknown.