Рассмотрена модель взаимодействия ВИЧ с клетками иммунной системы человека. Найдены условия на параметры, при которых система имеет два положения равновесия, для каждого из положений равновесия определены тип и условия устойчивости. Построено компактное локализирующее множество для инвариантных ком￾пактов системы. Проведено моделирования поведения системы в окрестности точек покоя

Разработаны (точнее только намечены) основные положения (принципы) концепции построения информационного общества в России, которая, может быть приемлема и востребована максимальным количеством, добрых и честных людей планеты, желающих, чтобы развитие человечества шло в направление всеобщего блага, а не блага какой- то небольшой избранной группы людей. Человеческое общество в настоящее время находится в системном кризисе или иначе в точке бифуркации, откуда оно может, либо перейти на позитивный устойчивый путь гармоничного развития, либо перейти на путь деградации, построив на земле социальный ад, а в худшем случае вообще исчезнуть как развитая современная цивилизация по причине любой из возможных видов вселенских катастроф: социального, политического или экологического характера. Для такого исхода на планете уже разработано и накоплено множество технологий и видов оружия глобального разрушительного действия - термоядерное, климатическое, психотропное, биологическое и т.д. Одна из главных причин нынешнего кризиса человечества заключается в том, что действующая модель управления мировым рынком (мирохозяйственным укладом), названная либеральным капитализмом, исчерпала возможности для своего дальнейшего развития. Капитализм может развиваться только в режиме своего постоянного расширения, а свободных рынков для сбыта продукции больше на планете нет.

В статье описывается новое правило обучения спайковой нейронной сети, основанное на биологическом эффекте пластичности временных задержек на синапсах. С помощью данного правила, спайковая нейронная сеть из трех нейронов была успешно обучена распознавать три контрастных образа.

В прикладных задачах оптимального управления при моделировании движения объектов на плоскости и в пространстве зачастую используются относительно простые модели динамики, например, модель машины Дубинса. Такой объект движется на плоскости с постоянной скоростью и управляется производной угла ориентации этой скорости с помощью воздействия 𝑢(𝑡), причем 𝑢(𝑡) ограниченно по модулю некоторой константой. Соответствующий выбор масштаба координат и времени позволяет без потери общности полагать скорость и минимальный радиус кривизны траектории такой машины единичными.

The task of intercepting a target moving along a rectilinear or circular trajectory by a Dubins’ car is formulated as a problem of time-optimal control with an arbitrary direction of the car’s velocity at the time of interception. To solve this problem and to synthesize interception trajectories, neural network methods of unsupervised learning based on the Deep Deterministic Policy Gradient algorithm are used. The analysis of the obtained control laws and interception trajectories is carried out in comparison with the analytical solutions of the interception problem. Mathematical modeling of the target motion parameters, which the neural network had not previously seen during training, is carried out. Model experiments are conducted to test the stability of the neural solution. The effectiveness of using neural network methods for the synthesis of interception trajectories for given classes of target movements is shown.