Обсуждаются содержательные аспекты войн, сражений, военных и пограничных конфликтов и взгляды на них военных теоретиков. Выделено три уровня моделей. На нижнем уровне для моделирования боя подразделений используется вероятностная функция конфликта, основанная на определении боя (совокупность согласованных по цели, месту и времени ударов, огня и маневра войск), в которой учитываются численности боевых единиц сторон и параметр боевого превосходства. Его статистическая оценка найдена методом максимального правдоподобия. Боевое превосходство есть превосходство моральное (учитывается через проценты выдерживаемых сторонами кровавых потерь) и технологическое (превосходство в организации взаимодействия, в маневре, разведке и огневых возможностях). Решена теоретико-игровая задача распределения ресурсов по объектам обороны. Модели среднего уровня являются расширениями классических уравнений боя Осипова–Ланчестера, учитывающих моральные потенциалы сторон с использованием основного закона психофизики. Результаты расчетов не противоречат положениям военной науки о боевой способности войск. В моделях верхнего уровня общественные издержки на ход и исход войн. В частности, проигрыш США во вьетнамской войне может быть объяснен неготовностью американского общества нести людские потери в войне с неясными целями.

Рассмотрена модель безопасности государства как социально-политической системы, отражающая дихотомию ценностей развития и ценностей сохранения. Модель учитывает основные факторы, влияющие на исторические процессы: географию, демографию и технологии.

Оценивание кривизны по набору дискретных точек, описывающих кривую, имеет существенное прикладное значение. В докладе проведено исследование нейросетевого алгоритма, функционирующего в контролируемых условиях (использован синтетический датасет). Эксперименты показали, что данный подход обеспечивает точные и надежные оценки кривизны кривой даже в случае существенного зашумления входных данных. Полученные результаты являются базисными для проведения дальнейших исследований по данной тематике.

В работе рассматривается проблема обучаемости многослойных сверточных нейросетей с функцией активации Relu в задаче распознавания шумовых сигналов. При малом количестве нейронов в сверточных слоях обучаемость сети существенно зависит от ее инициализации, особенно эта зависимость проявляется в глубоких сверточных сетях. Предложены новые стратегии инициализации весов в сверточных слоях, позволяющие повысить обучаемость сетей. Проведен сравнительный анализ стратегий инициализации весов на основе характеристик обученных нейросетей.

Существует много транспортных средств, в которых естественной частью объекта управления является управляющий им человек. К ним относятся велосипед, мотоцикл, снегоход и многие другие спортивные снаряды. Математическое моделирование и анализ эффективности управления такими объектами затрудняется тем, что необходимо учитывать движения самого спортсмена, которые часто имеют сложную динамику. При этом потребность в таком моделировании существует у спортсменов, тренеров, организаторов соревнований и производителей данных систем. В докладе представлен проект исследования и экспериментальная система реконструкции движения спортсмена-мотоциклиста при прохождении трассы. Сбор данных осуществляется инерциальными датчиками и спутниковой навигационной системой. Реконструкция движения включает в себя этапы построения трехмерной модели трассы и определения положения мотоциклиста в каждый момент времени. Модель трассы строится с помощью технологии фотограмметрии, а реконструкция и визуализация движения – с помощью открытого программного обеспечения SlimeVR и Blender. Система может использоваться как для сбора аналитики, так и для верификации моделей движения мотоциклиста. При необходимости данная система может быть адаптирована для других объектов управления.