Рассматривается метод подавления периодических помех и паразитного полиномиального тренда при исследовании переходных характеристик линейных электрических двухполюсников методом Прони с целью идентификации их параметров. Метод основан на простой в реализации фильтрации сигнала посредством специальных весовых функций. Рассмотрены возможности метода и его ограничения.

В данной работе в качестве теоретической базы для метода оценки предлагается использовать теорию научения. С точки зрения психологии научение определяется как процесс и результат приобретения индивидуального опыта. Целью данной работы является рассмотрение метода оценки сложности усвоения обучающих текстов при помощи кривых научения. Основными результатами, полученными в работе, являются формулы для построения кривых научения по статистическим данным, а также возможный сценарий проведения экспериментов для их сбора. Моделирование процесса научения (в том числе с использованием конкретных результатов экспериментов) является первым шагом к представлению кривых научения в качестве метода оценки сложности усвоения обучающих текстов, а использование технологий искусственного интеллекта в этом процессе, в свою очередь, открывает перспективы автоматизации получения таких оценок.

В работе исследуется модель автоматического управления движением автомобиля с функциями контроля скорости, предотвращения столкновения с впереди идущим транспортом с одновременным удержанием на середине полосы движения. В качестве входных параметров контроллера используется продольная скорость, боковое отклонение и угол рыскания. Выходными параметрами являются ускорение и рулевой угол. Для ввода прогнозируемого участка траектории используется видеокамера, расстояние до объекта и относительная скорость сближения измеряется микроволновым радаром с частотной модуляцией. Измерение скорости, кривизны и бокового отклонения производится микроволновыми доплеровскими датчиками на задних колесах автомобиля.

В трехмерном пространстве рассматривается ADT-игра (англ. Attacker– Defender–Target), в которой Цель (Target) совершает плоское движение по окружности с постоянной скоростью. Атакующий игрок (Attacker) движется равномерно и прямолинейно из произвольной точки верхней полусферы. Специфика постановки состоит в том, что на борту Цели имеется мобильный Защитник (Defender), в задачу которого входит перехват всех возможных опасных для Цели (в смысле точечной встречи) траекторий движения Атакующего. Задача осложняется тем, что Цель и Защитник в процессе движения не видят атакующего игрока. Им известен лишь начальный пеленг, в то время как текущий пеленг, начальная и текущая дистанции до Атакующего им не известны. По этой причине движе- ние Цели и Защитника предполагается программным.

В настоящее время многомодальные системы набирают популярность с развитием многомодальных интерфейсов. Многомодальные потоки представляют собой интегрированные разнотипные потоки, включающие передачу голоса, текстовых данных и видео, поэтому для их описания логично применять непуассоновские модели. В качестве математической модели многомодальной обслуживающей системы рассматривается многопоточная система массового обслуживания с потоками, меняющими свою интенсивность в зависимости от состояний марковской случайной среды. Поступающие требования различных потоков обслуживаются в течении экспоненциально распределенного случайного времени с параметрами, определяемыми типом потока. Ставится задача исследования многомерного марковского процесса числа занятых приборов в системе в стационарном режиме. Используя свойства характеристических функций, получены выражения для нахождения допредельных значений основных вероятностных характеристик числа занятых приборов каждого типа. Асимптотическое исследование проводится в условии предельно редких изменений состояний среды. Получен вид многомерной асимптотической характеристической функции. Полученное асимптотическое распределение является многомодальным, так как имеет несколько локальных максимумов, что имеет принципиальное значение для применения результатов на практике. Доказано, что одномерные (маргинальные) стационарные распределения вероятностей числа занятых приборов каждого типа являются взвешенными суммами пуассоновских распределений. Проведен численный анализ области применимости полученной аппроксимации.