Разработка новых моделей оптимального управления динамическими процессами и связанных с ними методов усвоения данных
| Название НИОКТР | Разработка новых моделей оптимального управления динамическими процессами и связанных с ними методов усвоения данных |
|---|---|
| Аннотация | НИР обобщает решение задач в следующих направлениях: анализ многомерных данных и их кластеризация; выделение шаблонов поведения во временных рядах; и разработка моделей оптимального управления, описывающих взаимосвязанные экономико-эпидемиологические процессы. Рост объема и размерности данных усугубляет проблему «проклятия размерности», что снижает эффективность классических алгоритмов поиска и кластеризации. Широко применяемый алгоритм K-средних, несмотря на простоту реализации, обладает существенными ограничениями, негативно влияющими на качество и производительность кластеризации. Другим принципиальным видом данных являются временные ряды. Особую сложность представляют временные ряды, анализ которых требует корректного выделения структурных компонент (тренд, сезонность). Существующие нейросетевые методы часто не применимы к длинным нестационарным рядам, в то время как для прогнозирования наиболее значимы долгосрочные поведенческие паттерны. В связи с этим разработка эффективных методов их выделения является самостоятельной научной задачей. В свою очередь, агрегированные, предобработанные данные служат основой для построения комплексных математических моделей. Перспективным направлением являются модели оптимального управления с памятью, которые учитывают зависимость текущего состояния системы от ее предыстории. Такие модели особенно актуальны для описания разномасштабных взаимосвязанных процессов (например, эпидемиологических и экономических), однако их применение для моделирования реальных систем пока ограничено. Разработка и адаптация этих моделей позволят строить более точные сценарии развития сложных динамических систем. Перспективным методом для кластеризации и поиска данных является развитие подхода MumCluster, который позволяет идентифицировать в данных отдельные подмножества, анализировать их структуру (единое или пересекающиеся многообразия) и исключать влияние неточных связей за счет использования различных метрик, определяющих форму кластера. Для задачи выделения шаблонов во временных рядах планируется разработка специализированного метода, основанного на предложенном ранее методе сравнения символьных последовательностей. В области математического моделирования планируется предложить модель оптимального управления, описывающую экономические последствия быстро развивающейся эпидемии. |
| Доступ к ОКОГУ исполнителя | False |
| Количество связанных РИД | 0 |
| Количество завершенных ИКРБС | 0 |
| Сумма бюджета | 3500.0 |
| Дата начала | 2025-10-24 |
| Дата окончания | 2025-12-01 |
| Номер контракта | 10/25-60635/19 |
| Дата контракта | 2025-10-24 |
| Количество отчетов | 1 |
| УДК | 517.977.1/.5 |
| Количество просмотров | 7 |
| Руководитель работы | Петракова Виктория Сергеевна |
| Руководитель организации | Исаев Сергей Владиславович |
| Исполнитель | ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ НАУЧНОЕ УЧРЕЖДЕНИЕ "ФЕДЕРАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ЦЕНТР "КРАСНОЯРСКИЙ НАУЧНЫЙ ЦЕНТР СИБИРСКОГО ОТДЕЛЕНИЯ РОССИЙСКОЙ АКАДЕМИИ НАУК" |
| Заказчик | АВТОНОМНАЯ НЕКОММЕРЧЕСКАЯ ОБРАЗОВАТЕЛЬНАЯ ОРГАНИЗАЦИЯ ВЫСШЕГО ОБРАЗОВАНИЯ "НАУЧНО-ТЕХНОЛОГИЧЕСКИЙ УНИВЕРСИТЕТ "СИРИУС" |
| Федеральная программа | Отсутствует |
| Госпрограмма | — |
| Основание НИОКТР | Договор со сторонней организацией |
| Последний статус | 2025-12-10 10:37:14 UTC, 2025-12-10 10:37:14 UTC |
| ОКПД | Услуги, связанные с научными исследованиями и экспериментальными разработками в области математики |
| Отраслевой сегмент | — |
| Минздрав | — |
| Межгосударственная целевая программа | — |
| Ключевые слова | машинное обучение; анализ данных; модели оптимального управления; экономико-эпидемиологические модели |
| Соисполнители | — |
| Типы НИОКТР | Фундаментальное исследование |
| Приоритетные направления | — |
| Критические технологии | — |
| Рубрикатор | 27.37.17 - Математическая теория управления. Оптимальное управление; 50.41.25 - Прикладное программное обеспечение; 27.47.23 - Математические проблемы искусственного интеллекта |
| OECD | — |
| OESR | Прикладная математика |
| Приоритеты научно-технического развития | и) переход к развитию природоподобных технологий, воспроизводящих системы и процессы живой природы в виде технических систем и технологических процессов, интегрированных в природную среду и естественный природный ресурсооборот. |
| Регистрационные номера | — |