В работе представлена автоматическая система электромагнитного мониторинга объектов критической инфраструктуры энергетической, транспортно-логистической, гражданско-строительной и других отраслей. Предложенная система основана на пассивном методе пеленга направления прихода радиочастотного излучения, что в значительной степени повышает её электромагнитную совместимость с инфокоммуникационным оборудованием и упрощает процесс внедрения системы в существующую инфраструктуру. Комплекс мониторинга состоит из двух подсистем сканирования и сопровождения, позволяющих с высоким быстродействием обнаруживать БПЛА в широком секторе обзора и точно отслеживать их перемещения в нем. В работе приведена архитектура такой системы, предложен вариант технической реализации радиолокационного маяка, дана оценка основных характеристик дальности работы.

Large language models (LLMs) significantly influence many spheres of life: education, creativi-ty, science, and business. This paper considers the use of LLMs to explain alternative solutions obtained by a decision support system under uncertainty. Classical and pragmatic models of explanation proposed by phi-losophers are discussed. The goals and tasks of explanation in decision support processes under uncertainty are formulated. The operation of LLMs is conceptually analyzed, and their current capabilities in solving typical test tasks are assessed. The main techniques of prompting (a system of queries to a language model) are considered; with these techniques, a language model can be tuned to generate explanations for alternative solutions to particular tasks in a subject area. Finally, prompt techniques for supporting pragmatic and clas-sical theories of explaining alternative solutions are considered.

Вместо стандартного принципа управления по текущему состоянию регулируемой величины предлагается перейти к принципу прогностического управления по её значению в будущем. Показано, что реализация этого принципа в системах автоматического регулирования технологических процессов со стандартными алгоритмами (П, ПИ, ПИД) позволяет существенно повысить качество регулирования и одновременно полнее использовать возможности, предоставляемые программируемой микропроцессорной техникой. Приведенные в статье примеры подтверждают, что прогноз позволяет уменьшить диапазон отклонения регулируемой величины в одноконтурных системах в два, а в двухконтурных — в три раза. Потенциальные возможности предиктивных алгоритмов могут быть использованы при настройке регуляторов на реальном действующем объекте в случаях, когда его динамические характеристики неизвестны. Предложен метод настройки прогностических линейных регуляторов по одному параметру — времени прогноза. Возможности такого управления показаны при моделировании различных регулируемых каналов энергетических котлов средней мощности.

В заметке приведена информация о семинаре ИФАК по адаптивным и обучающимся системам управления (15th IFAC Workshop on Adaptive and Learning Control Systems, ALCOS 2025), который проходил со 2 по 4 июля 2025 г. в городе Мехико. Представлены общие сведения о семинаре и его истории, роли ученых из России в его организации и проведении, направлениях работы, пленарных докладах.

Structural shifts in the economy in the context of macroeconomic instability determine the promising profile of technologies and products. This paper considers a model for identifying and forecasting fast-growing organizations using the mechanical engineering industry as an example. The threshold of average annual revenue growth of 50% in current prices is used as a criterion for identifying fast-growing organizations. Big data analysis methods are used to identify fast-growing organizations within the segment under consideration. 1.8 thousand fast-growing organizations in the Russian industry with revenues exceeding 100 million rubles have been identified. An assessment of their growth using a sigmoid (logistic curve) shows a significant growth potential of 150%. The parameters of the logistic curve are identified using the least squares method. The data source is open data from the electronic Government of Russia, primarily from the Russian Federal Tax Service.