Предложен метод нелинейного преобразования значений количественных данных (регрессоров) с использованием понятия близости значений, что позволяет существенно повысить качество регрессионных моделей. Рассмотрена проблема построения моделей с улучшенными прогнозными свойствами, проверяемыми на тестовой выборке. Предложено несколько эвристических процедур, с использованием которых производится последовательный отбор регрессоров на обучающей и контрольной выборках для построения модели с требуемыми свойствами.

Для класса терминальных систем управления рассмотрены два подхлда к заданию априорной информации и формальному учету неопределенности априорных данных. В первом из них задается стохастическая модель системы байесовского типа с частично неизвестными вероятностными характеристиками случайных возмущений, во втором - для задач управления, в которых неизвестны порядок уравнений объекта и класс случайных возмущений, задается семейство моделей системы, ранжированных по уровню сложности.

Рассматриваются особенности применения дискретизации сигналов при измерении импеданса в широком диапазоне частот, главная из которых – необходимость подавления различного рода помех, уровень которых может на несколько порядков превышать уровень полезного сигнала. Показано, что использование для этого только классической цифровой фильтрация сигналов малоэффективно, и возникает необходимость подавления помех на Предлагается оптимальное распределение задач фильтрации между аналоговой и цифровой частью, что позволит простыми и недорогими средствами получить результаты, которые будет трудно получить посредством только цифровой обработки сигналов даже при использовании самых современных средств обработки сигналов.