Представлен обзор литературы, посвященной диагностике и прогнозированию оставшегося срока полезного использования авиационных двигателей на основе глубокого обучения. Приведена формальная постановка задачи оценки оставшегося срока полезного использования. Рассмотрены основные архитектуры глубоких нейронных сетей, применяемые для обнаружения редких сбоев и прогнозирования следующих сбоев на основе данных мониторинга авиационных двигателей. Рассмотрено извлечение информативных при-знаков с помощью автоэнкодеров. Приводится структура ячеек долгой кратковременной памяти и механизма внимания, применяемых в глубоких нейронных сетях для прогнозирования оставшегося срока полезного использования. Рассматривается задача интеграции прогноза оставшегося срока полезного использования в планирование технического обслуживания на основе обучения с подкреплением.

В докладе рассматривается вопрос о разрешимости одного класса краевых задач для дифференциальных включений и управляемости систем с антипериодическими краевыми условиями. Приводятся достаточные условия разрешимости и управляемости. Обсуждается приложение полученных результатов к некоторым вопросам анализа.

Постановка проблемы. Распространение облачных вычислений требует создания крупных центров обработки данных, что приводит к чрезмерному потреблению энергии и негативному воздействию на окружающую среду. Во многом это также связано с неэффективным использованием вычислительных ресурсов. В связи с этим актуальной проблемой является достижение высокой энергоэффективности центров обработки данных путем эффективного распределения вычислительных ресурсов между работающими приложениями с разными требованиями к качеству обслуживания, заданными в SLA-соглашениях. Цель. Разработать математическую модель оптимизации распределения виртуальных машин по физическим серверам с учетом таких противоречивых критериев, как энергоэффективность, загрузка ресурсов, выполнение SLA-соглашений, тепловыделение. Предложить метод решения, который позволил бы найти приемлемое оптимальное по Парето решение среди множества допустимых решений. Результаты. Рассмотрена постановка задачи статического многокритериального размещения виртуальных машин по физическим серверам. Предложен метод решения, являющийся комбинацией метода последовательных уступок и ограничений, который позволяет достичь баланса между такими противоречивыми критериями, как энергоэффективность, загрузка ресурсов, выполнение SLA-соглашений и тепловыделение. Практическая значимость. Предложенные модель и метод решения задачи оптимизации размещения виртуальных машин могут быть реализованы в планировщике ресурсов облачных центров обработки данных для выработки эффективного плана размещения виртуальных машин при их первоначальном размещении на физических серверах.

Рассматривается процессный аспект человеческой деятельности. Предлагается классификация процессов, унифицированная модель процесса. Формулируются основные задачи общей теории процессов.

Рассмотрена модель коллективного поведения агентов в ситуации игровой неопределенности и неполной информированности. В качестве модели принятия решений агентами используется рефлексивная игра, в которой участники принимают решение на основе иерархии представлений о параметрах игры, представлений о представлениях и т. д. В центре внимания данной работы – рефлексивные игры с точечной структурой информированности и линейным наилучшим ответом игроков. Показано, что информационное равновесие в таких играх аналогично равновесию Нэша в игре на сети; в явном виде записаны выражения для равновесных ответов игроков, указаны условия существования и единственности равновесия. Приводится формулировка задачи стимулирования, аналогичной задаче стимулирования в игре на сети: показана взаимосвязь между равновесием в игре с общим знанием и равновесием в игре с неполной информированностью, в которой центр сообщает новые стимулы игрокам индивидуально.