SCI Библиотека

В статье рассматривается процесс работы над проектом в командно-ориентированной системе IT-сферы с применением оптимизационного моделирования итерационного процесса целенаправленной командной деятельности, исходя из принципов управления в Agile-ориентированной организационной системе. Для такой системы общие принципы гибких методологий разработки, направленных на ускорение создания проектов путем разделения конечных требований на более мелкие части для возможности учитывания отзывов заинтересованных сторон на каждом этапе работ, трансформируются в проблемно-ориентированные, что позволяет выделить особенности управления, с точки зрения которых и рассматривался процесс работы над проектом. Показано, что указанные принципы изначально внедряются на уровне управляющего центра, в частности, с ними должен быть хорошо ознакомлен менеджер проекта, затем на уровне команд и только после этого следует внедрять разработанные программы оптимизации. Результаты их применения показаны при описании каждой из особенностей управления. Для объективной оценки эффективности разработанных программных средств приведено сравнение результатов работы над схожими проектами. В одном применялись только принципы гибких методологий управления проектами, в другом дополнительно использовались разработанные программные средства для управления итерационным процессом целедостижения в командно-ориентированной организационной системе.

Статья посвящена оптимизации управления инвестициями при формировании и реализации программы развития многообъектной информационной системы. Рассматривается этап, связанный с переходом от выполненной за некоторый временной период программы развития к новой программе развития с заданным горизонтом планирования. Показано, что в момент перехода осуществляется балансировка инвестиций, а в процессе реализации возникает необходимость их ребалансировки. Для первой задачи сформирована многоуровневая система балансовых условий, которая является основой для построения оптимизационных моделей процесса балансировки. Поскольку нижний уровень балансовых условий связан с требованием роста значения показателей развития объектов организационной системы до определенной величины, установленной управляющим центром, задачи оптимизации базируются на прогностических оценках. Эти оценки вычисляются либо по результатам нейросетевого моделирования, либо экспертного оценивания. При формировании оптимизационных моделей процесса ребалансировки инвестиций рассматриваются два способа выявления отклонения значения показателей развития от планируемой траектории роста: в заданный момент времени, при превышении порогового значения. В этих случаях определяется момент времени, в который осуществляется коррекция оптимальной стратегии распределения инвестиций между временными переходами для выхода в конечной точке на заданный уровень показателей развития. Таким образом, предложенный переход позволяет оптимизировать распределение инвестиций в рамках программы развития как в процессе их балансировки, так и ребалансировки.

Эта работа посвящена проблемам разработки нейроморфных классификаторов пространственно-временных паттернов, а также их применению в нейроинтерфейсах для решения задачи управления робототехническими устройствами. Рассматриваются классификаторы пространственно-временных паттернов на основе нейронных сетей, метода опорных векторов, глубоких нейронных сетей, римановой геометрии. Проводится сравнительное исследование этих классификаторов на точность многоклассового распознавания электроэнцефалографических сигналов, показывающих зависимую от времени биоэлектрическую активность в различных зонах мозга при воображении разных движений. Показано, что такие классификаторы могут обеспечить точность 60-80% при распознавании от двух до четырех классов воображаемых движений. Предложен новый тип классификатора на основе нейроморфной сети, биоподобные нейроны которой построены на модели Ижикевича. Исходный электроэнцефалографический сигнал кодируется в импульсные потоки на основе алгоритма временного кодирования. Предложенная нейроморфная сеть обрабатывает импульсные входные последовательности и формирует на выходах импульсные потоки разной частоты. Обучение сети проводится по размеченной информации, содержащей примеры правильного распознавания нужных классов паттернов воображаемых движений с применением алгоритма Supervised STDP. Распознанный класс паттерна воображаемого движения определяется по максимальной частоте импульсного потока выходной последовательности. Нейроморфный классификатор показал среднюю точность классификации 90% для 4-х классов воображаемых двигательных команд, а максимальная точность составила 95%. Путем моделирования задачи управления роботом в виртуальной среде показано, что такая точность классификации достаточна для эффективного применения классификатора в составе неинвазивного интерфейса «мозг-компьютер» при бесконтактном управлении робототехническими устройствами.

В статье сформулирована задача построения бортовой коммутируемой сети минимальной сложности необходимой для передачи периодических сообщений в реальном времени и предложены алгоритмы ее решения: построения структуры сети и системы виртуальных каналов. Приводятся результаты апробации предложенных алгоритмов для построения бортовых сетей AFDX, предназначенных для передачи исходно заданного набора периодических сообщений.