В настоящем исследовании используются нейронные сети долгосрочной краткосрочной памяти (LSTM), что позволяет объединить различные социальноэкономические показатели и показатели здоровья для достижения высокой точности прогнозирования. Акцентируется внимание на том, что максимально точное прогнозирование уровня смертности выступает важнейшим аспектом управления социально-экономическими системами, особенно в сфере здравоохранения. Анализируются ключевые социальноэкономические факторы, такие как уровень доходов, образование и социальная среда, чтобы понять их влияние на состояние здоровья. Для прогнозирования медицинских данных используются несколько типов нейронных сетей, каждый из которых подходит для разных типов данных и задач прогнозирования. Разработка модели включает в себя тщательную предварительную обработку данных, сложную архитектуру нейронных сетей, а также обширные процессы обучения и проверки. Программное обеспечение было разработано с учетом требований к пользовательскому интерфейсу, обеспечивающему ввод данных и визуализацию результатов в режиме реального времени. Анализ социально-экономических показателей, таких как уровень доходов, образование и социальная среда, подчеркивает их глубокое влияние на состояние здоровья. Эти факторы не только влияют на индивидуальное поведение в отношении здоровья, но также определяют доступ к медицинским услугам и общественное здоровье в целом. Результаты демонстрируют прогрессивность по сравнению с традиционными методами прогнозирования, демонстрируя способность модели обрабатыватьсложные нелинейные зависимости и интегрировать несколько источников данных. Удобный интерфейс программного обеспечения позволяет вводить и визуализировать данные в режиме реального времени, что делает его ценным инструментом для управления здравоохранением и разработки политики.

В задачах траекторного управления беспилотными летательными аппаратами самолетного типа важно обеспечить гладкость эталонных траекторий. Для синтеза обратной связи в общем случае требуется знание производных этих траекторий. Если задающие воздействия поступают в сигнальном виде в реальном времени из автономного источника, то значения их производных необходимо восстановить с учетом ограничений на развиваемые летательным аппаратом скорость и ускорение. Для комплексного решения проблем сглаживания и дифференцирования задающих воздействий разработан автономный динамический генератор с корректирующими воздействиями в виде ограниченных и гладких сигма-функций с постоянными коэффициентами усиления. Их настройка осуществляется универсально с учетом заданных ограничений для «худшего» случая, т. е. с учетом максимально допустимых абсолютных значений скорости и ускорения летательного аппарата. При этом обеспечивается отслеживание и сглаживание опорной негладкой траектории выходными переменными генератора с соблюдением заданных проектных ограничений, но с существенными ограничениями снизу на ошибку отслеживания. В данной работе показано, что точность аппроксимации опорной траектории может быть улучшена без нарушения проектных ограничений на тех участках, где фактическая скорость изменения опорной траектории меньше максимально допустимой. Научная новизна состоит в разработке генератора эталонных траекторий с адаптивной настройкой коэффициентов усиления, не требующей расширения динамического порядка. Приведены результаты моделирования, подтверждающие эффективность разработанных алгоритмов.

В работе рассмотрен сравнительно молодой вид воздушного транспорта вертикального взлёта и перемещения, оборудованного электродвигателем и предназначенным для перевозки пассажиров - аэротакси. Представлены преимущества и недостатки его внедрения в инфраструктуру большого города. Приведены технические характеристики и функциональные возможности некоторых видов воздушного транспорта с вертикальным взлётом и посадкой: АТ Joby (США), EH 216-S (Китай), VoloCity (Германия) и Hi-Fly S700 (Россия). Кроме того, представлены ориентировочные даты и пути скорого внедрения аэротакси в структуру пассажирских перевозок крупных городов мира.