The paper addresses the problem of improving the amplitude and phase stabilization accuracy of the high-frequency field in low-level radio frequency (LLRF) control systems for charged particle accelerators. It is shown that low-frequency disturbances caused by power supply ripple, thermal drifts, and load variations are the dominant sources of stability degradation. It is demonstrated that the classical PID controller structure is fundamentally limited in suppressing such disturbances due to the trade-off between low-frequency gain and stability margins. A modified controller structure with a second-order integral component is proposed. The proposed approach increases the system astatism order and provides -40 dB/decade slope of the amplitude response in the low-frequency region, resulting in significantly enhanced suppression of quasi-static and slowly varying disturbances. A mathematical model of the control system is developed to capture the essential dynamic behavior of the RF chain. In addition, a nonlinear control strategy is introduced based on delayed activation of the second-order integral component, which prevents an increase in the transient duration while preserving disturbance rejection performance. Simulation and experimental results demonstrate that the proposed controller achieves more than 20 dB improvement in dynamic range and amplitude stability compared to typical modern systems, along with at least a tenfold reduction in phase root-mean-square deviation. These results confirm that introducing a second-order integral component into the controller structure is an effective method for enhancing RF signal stabilization accuracy while maintaining system stability and robustness.
Планирование движения для мобильных роботов и беспилотных автомобилей является одной из ключевых задач современной робототехники. Основная её сложность заключается в необходимости учёта кинематических ограничений, таких как гладкость траектории и ограничения на минимальный радиус поворота. Одним из наиболее часто используемых подходов к решению этой задачи является построение траектории из набора заранее сгенерированных, кинематически-согласованных фрагментов, называемых примитивами движения. Робастность и скорость генерации этих примитивов напрямую определяют эффективность всего процесса планирования. В данной работе предлагается новый метод генерации примитивов движения для систем с кинематикой велосипедного типа. Метод основан на представлении траектории в виде кривой с полиномиальной функцией кривизны, а задача генерации примитива, соединяющего два заданных состояния (положение, ориентация, кривизна), сводится к решению системы нелинейных уравнений методом Ньютона. В отличие от существующих подходов, использующих коэффициенты полинома в качестве параметров, применяется новая репараметризация, основанная на значениях кривизны в ключевых точках траектории. Такая параметризация позволяет улучшить сходимость и устойчивость численного метода поиска решения, что демонстрируют проведённые эксперименты.
Статья содержит результаты исследований в области формализации навигационного поведения мобильных роботов на основе когнитивного подхода к представлению пространства. Авторами предложен новый формальный язык LRNB (Language of Robot Navigation Behavior), предназначенный для описания информационно-двигательных действий, сценариев и миссий роботов в рамках интерпретирующей навигации. Ключевой особенностью когнитивного подхода является отказ от декартовой системы координат в пользу ориентированного графа – когнитивной карты, вершины которой соответствуют семантическим ориентирам, а рёбра – последовательностям действий, задаваемых на LRNB. Язык строится на универсальной структуре команды, обеспечивая возможность описания широкого спектра поведенческих паттернов: от простого движения вдоль объекта до сложных миссий с динамическими целями и логическими условиями. В работе представлены три метода построения когнитивных карт: на основе семантически сегментированных изображений, в процессе автономного исследования среды роботом, а также с использованием больших языковых моделей (БЯМ) для трансляции естественно-языковых инструкций в формальные команды LRNB. В качестве наиболее удобной иллюстрации для демонстрации возможностей LRNB проведена экспериментальная оценка возможностей БЯМ в автоматической генерации команд LRNB по текстовым описаниям. Показано, что на уровне отдельных информационно-двигательных действий модель демонстрирует высокую точность (95 % корректных преобразований), однако при переходе к формированию сложных составных сценариев эффективность критически снижается. Тем не менее, сделан вывод о практической применимости языка LRNB. Предложенный формальный язык LRNB демонстрирует высокую гибкость и выразительность, что делает его эффективным инструментом для описания сложного навигационного поведения мобильных роботов в разнообразных сценариях.
В статье рассматривается применение методов интервального анализа для гарантированного решения задач прямой и обратной кинематики параллельных роботов. Кинематические системы, описываемые нелинейными уравнениями, часто имеют несколько решений, а традиционные методы (аналитические, стохастические) не гарантируют нахождения всех решений или требуют значительных аналитических преобразований. В данной работе предлагается автоматизированный подход на основе интервальных методов Кравчика и Хансена-Сенгупты для локализации всех решений системы нелинейных уравнений. Ключевые преимущества подхода – гарантированность нахождения всех решений с заданной точностью и отсутствие необходимости в аналитических преобразованиях исходной системы. В экспериментальном тестирование на ряде планарных параллельных роботов (2-RPR, DexTar, PRRRP) было показано, что оба метода могут быть успешно применены для нахождения решений задач прямой и обратной кинематики. Метод Хансена-Сенгупты показывает лучший результат как по скорости сходимости (в среднем 16 итераций против 30 у метода Кравчика), так и по времени выполнения (в среднем 0.88 мс против 1.28 мс у метода Кравчика) для исследуемых роботов.
Рассматривается задача транспортировки груза, подвешенного на двух беспилотных летательных аппаратах (БпЛА) с помощью гибких связей – тросов. Актуальность исследования обусловлена широким применением групп летательных аппаратов для выполнения транспортных операций в труднодоступных районах или при ликвидации чрезвычайных ситуаций, когда требуется перемещение объектов значительной массы или размеров. Движение БпЛА не является строго синхронным. Это приводит к изменению геометрической конфигурации системы «БпЛА – тросы – груз» и перераспределению нагрузок. Цель работы заключается в разработке математической модели динамики движения груза, перевозимого двумя беспилотными летательными аппаратами, перемещающимися по одинаковой траектории, при условии запаздывания одного из аппаратов относительно другого на заданном промежутке времени, и определении сил реакции связей в тросах при различных режимах движения рассматриваемой механической системы. Для описания динамики движения используются дифференциальные уравнения с учетом связей с отклоняющимся аргументом. Такой подход позволяет учитывать влияние движения «запаздывающего» БпЛА на перемещение транспортируемого объекта. Проведен кинематический анализ системы, получены геометрические соотношения, определяющие положение и траекторию переносимого груза. На основе модели динамики движения груза получены зависимости реакций связей от времени движения рассматриваемой механической системы. Проведено имитационное моделирование движения переносимого груза при различных законах движения беспилотных летательных аппаратов, показывающее влияние запаздывания одного из БпЛА на распределение нагрузок между тросами и характер движения груза. Полученные зависимости могут быть использованы при разработке систем управления групповыми транспортными комплексами для обеспечения их устойчивого движения и повышения надежности перевозки различных объектов.
В работе представлена модель и результаты моделирования торможения мобильной платформы для использования в качестве инструментального средства при разработке и отладке алгоритмов интеллектуального управления торможением мобильных роботов. В ходе исследования формализована математическая модель динамики торможения платформы и представлена в виде трех составляющих: модель объекта управления и внешней среды, модель движения и алгоритма управления торможением. Посредством настроек модель эмулирует различные параметры и состояния, как объекта управления, так и внешней среды, связывает ключевые параметры движения: расстояние до препятствия, скорость платформы и степень активации системы торможения. В целом модель представляет собой унифицированный цифровой двойник системы торможения колесной платформы, который, посредством настроек, может быть приближен к реальным техническим характеристикам и условиям эксплуатации, позволяя тестировать алгоритмы управления в условиях отсутствия априорной информации об объекте управления и внешней среде. Для демонстрации возможностей инструментального средства использован алгоритм нечеткого контроллера с различными вариантами настроек функций принадлежностей и правил продукций. Результаты моделирования позволяют осуществлять сравнительный качественный анализ плавности и рисков процесса торможения, количественный анализ алгоритмов управления, выявлять уровень устойчивости алгоритмов к различным условиям внешней среды и техническим ограничениям объекта моделирования. Разработанный аппарат модельно-ориентированного проектирования алгоритмов управления торможением позволяет повысить эффективность разработки и первичной валидации алгоритмов в условиях отсутствия конкретных количественных зависимостей параметров в области исследования, сокращая потребность в дорогостоящих натурных испытаниях на ранних этапах разработки.
Целью работы является создание методов управления шагающими роботами реального времени для широкого диапазона режимов движения. Рассматривается модификация метода обратной задачи с использованием универсального адаптивного генератора походок, реализующего шестимерное движение корпуса робота. Выполнена программная реализация этого метода с добавлением методов регуляризации для численного интегрирования уравнений с вырожденной матрицей. Представлены результаты теоретического и экспериментального исследования движения робота собаки в различных режимах по микро и макронеровностям. Отмечается невысокий уровень динамических показателей движения робота, в частности, высокая вибрация, что соответствует литературным данным для аналогичных по кинематической схеме роботов собак, управление которыми синтезируется методами машинного обучения и обратной задачи. Причиной низкого качества управления являются фазы движения, в которых система становится неуправляемой. Для безусловного выполнения условия управляемости системы рассмотрены возможные модификации кинематической схемы робота. Такие модификации могут быть выполнены введением избыточных управляемых степеней свободы за счет хвоста, лап и др. Предложены новые теоретические методы управления систем с избыточными степенями свободы на основе метода обобщенной задачи динамического уравновешивания. Подтверждена эффективность этих методов моделированием управляемого движения робота собаки с хвостом и лапами. Для распространенной кинематической схемы робота собаки с тремя приводами на ногу и точечным контактом в стопе в качестве рационального решения предлагается использование моноколеса для движения по микронеровностям и шагающих движителей для преодоления макронеровностей и выхода из аварийных ситуаций, например, опрокидывания. Эпизодическое использование шагающих движителей допускает упрощенные режимы управления, которые эффективно реализуются в рамках предложенной модификации метода обратной задачи. Концепция подтверждена численными и натурными экспериментами. Система управления локомоцией в этом случае может быть реализована на недорогой аппаратной базе, в том числе с использованием апробированного приборного оснащения широко распространенных роботов, в частности, квадрокоптеров. Особенностью роботов, построенных на предлагаемых принципах управления, является модульность конструкции, позволяющая получать модификации в широком диапазоне технических характеристик путем различной конфигурации модулей. Такие высокомобильные роботы могут стать дешевой и безопасной платформой для доводки систем навигации, беспилотного управления и др. в условиях реальной эксплуатации в различных сферах применения.
В статье представлены новые результаты применения методов символьного машинного обучения для автоматизации разработки системы управления применительно к коллаборативной многоагентной системе. Предложена оригинальная математическая постановка задачи оптимального управления коллаборативной многоагентной системой, где коллаборативность подразумевает совместную деятельность роботов и людей в едином сложном фазовом пространстве для достижения цели управления с оптимальным значением заданного критерия качества. В представленной формулировке предлагается рассматривать роль человека в виде фазовых ограничений с неопределенностью и дополнительного вектора управления, с помощью которого уменьшается влияние этих фазовых ограничений в терминах минимизации функционала. Решением задачи является многомерная функция управления, которая переводит технический объект, группу мобильных роботов, в целевое состояние с учетом возможных неопределенностей в состоянии объекта, при этом минимизируя заданный критерий качества процесса. Задача состоит в автоматическом нахождении как оптимальной структуры, так и параметров функции управления. Такая общая постановка задачи управления не может быть решена напрямую существующими аналитическими методами из-за сложности и требует большого ручного труда по выбору соответствующих регуляторов и оптимальной настройке их параметров. В статье предлагается подход, основанный на символьном машинном обучении с помощью символьной регрессии и эволюционной оптимизации для решения такой обобщенно поставленной задачи. Эффективность подхода продемонстрирована численными экспериментами. Приведен пример задачи оптимального управления для трех мобильных роботов с двумя управляемыми фазовыми ограничениями. Прикладная задача рассматривается в общей математической постановке, что позволяет использовать универсальные методы символьного машинного обучения для автоматического поиска решения.
his paper presents an enhanced Q-learning framework specifically designed for grid navigation in environments with obstacles. Building upon the foundation of standard tabular Q-learning, we propose three pivotal improvements: a direction-sensitive Q-table initialization method that achieves goal alignment without requiring prior knowledge of obstacles; an annealed Boltzmann exploration strategy augmented with upper confidence bound terms to facilitate balanced and adaptive sampling; and a potential-based continuous reward shaping function to deliver denser feedback and accelerate the learning process. These enhancements address common challenges in sparse-reward settings, such as inefficient exploration and sluggish value propagation. Experimental evaluations conducted on randomly generated grids demonstrate that, compared to baseline methods such as standard Q-learning and its variants, our approach achieves higher success rates, shorter optimal path lengths, and faster convergence speeds. By preserving the model-free generality of Q-learning while enhancing sample efficiency, this framework proves well-suited for practical applications in robotics and path planning domains.
Работа посвящена разработке и экспериментальной валидации автоматизации построения маршрутов движения рабочих групп при аэроинспекции линий электропередач при помощи квадрокоптеров. Входными данными служат общедоступные геопространственные ресурсы – векторные карты «OpenStreetMap» и цифровые модели рельефа «NASA Earthdata SRTM», что исключает необходимость предварительных полевых измерений и упрощает перенос методики на новые участки. В работе получены следующие новые научные результаты: 1) новый алгоритм автоматизированного выбора зон взлёта-посадки квадрокоптеров на основе открытых данных, позволяющий определять подходящие зоны алгоритмически вне города согласно требованиям стандарта о проведении инспекции подвесного оборудования на опорах ЛЭП – СТО 56947007- 29.200.10.235-2016; 2) разработаны два согласованных алгоритма: первый определяет промежуточные точки для построения маршрута вдоль опор ЛЭП, второй выбирает зоны взлёта и посадки БПЛА, а их совместное применение формирует наземный маршрут сопровождения, пригодный для движения обычного полноприводного колёсного транспорта вдоль опор ЛЭП; 3) результаты натурных экспериментальных исследований, демонстрирующие, что время проведения инспекции с дронами, на основе представленных в работе алгоритмов, на 53% меньше, чем без использования БПЛА, помимо этого, экспериментальные испытания показали соответствие зон взлёта-посадки заявленным требованиям. Разработанные алгоритмы реализованы в виде плагина к среде «QGIS 3.22». Испытания, проведенные на реальном 4,6-километровом сегменте линий электропередач в холмисто-лесистой местности, продемонстрировали, что предлагаемый алгоритм выбора зон взлёта-посадки позволяет сократить время обследования на 53%. Полученные количественные результаты подтверждают высокую эффективность аэродиагностики линий электропередач, по сравнению с наземной инспекцией. Однако, данный уровень эффективности достигается только при качественном планировании маршрутов инспекции, что и обеспечивается с использованием разработанных программно-алгоритмических решений.
Планирование траектории движения является одной из ключевых задач при разработке автономных мобильных роботов, обеспечивающей их безопасную и эффективную навигацию в средах с препятствиями. Существующие методы планирования, включая алгоритмы на основе выборки, оптимизационные и геометрические подходы, испытывают трудности при балансировке между вычислительной эффективностью, оптимальностью траектории и гарантированным выполнением ограничений безопасности. В данной работе представлен новый метод планирования траектории, основанный на градиентном потоке с пропорционально-интегральной коррекцией. Задача безопасной навигации робота формулируется как задача условной оптимизации, которая преобразуется в задачу безусловной оптимизации и решается методом градиентного потока с применением аппарата функционального анализа. Для гарантированного выполнения ограничений достижения целевого состояния и обхода препятствий динамика градиентного потока дополняется пропорциональным и интегральным членами обратной связи. Барьерные функции для описания препятствий строятся на основе гладких квадратичных форм с возможностью расширения на сложную геометрию посредством функций расстояния. Сформулированы достаточные условия в форме линейных матричных неравенств, при выполнении которых строго доказана локальная экспоненциальная сходимость алгоритма к оптимальным управляющим траекториям. Эффективность метода подтверждена численным моделированием навигации колёсного робота в загромождённом пространстве с множественными препятствиями. Проведено сравнение с гибридным алгоритмом поиска на графах, кинодинамическими быстрорастущими случайными деревьями и методом прямой коллокации как в автономном, так и в онлайн-режимах. Результаты демонстрируют, что предложенный алгоритм обеспечивает наименьшее время вычислений и наибольшую точность достижения целевого состояния. Обсуждены ограничения метода, включая локальный характер сходимости и возможность застревания в локальных минимумах в средах со сложной топологией. Показано, что дискретизированная версия алгоритма сохраняет вычислительную эффективность, достаточную для адаптивного управления в реальном времени с периодическим перепланированием.
Modern computing systems typically operate under heterogeneous and variable load conditions. Efficient distribution of computing resources is an important tool for ensuring high performance (e.g., productivity, reliability, stability). Therefore, developing task distribution methods that can simultaneously improve several metrics is a pressing issue. The approach proposed in this paper is an extension of the predictive resource allocation method. This is achieved through the introduction of a multi-criteria decision-making model that includes the predicted execution time, the current node load, and the reliability of the forecast, assessed by the statistics of discrepancies between actual and predicted values. The object of this study is computing systems with heterogeneous nodes processing task flows of variable complexity. The subject of this study is the models and algorithms for predictive distribution of computing resources based on multi-criteria decision making. The objective of the study is to improve the efficiency and stability of heterogeneous computing systems by using a more substantiated mechanism for node selection based on a set of criteria. A review of existing dynamic and predictive distribution methods is provided, and their advantages, disadvantages, and limitations for effective application are identified. A multi-criteria decision-making model was developed that implements the construction of a set of Pareto-optimal solutions and an arbitration procedure. Software simulations were conducted under various system operating scenarios, including conditions with reduced statistical reliability. The results of the study showed that the proposed predictive method based on multi-criteria decision-making reduces the average task execution time and improves node load uniformity compared to known approaches. These results are proposed for use in the construction of heterogeneous computing systems with adaptive resource management systems.
A method for context-sensitive tuning of autoregressive model parameters for gap reconstruction in nonstationary time series is proposed. A key feature of the method is the adaptive selection of ARIMA (p, d, q) model parameters based on two context factors: the gap duration and the level of external disturbances during the corresponding period. Unlike standard automatic model selection approaches focused on global optimization for forecasting, the developed algorithm narrows the model search space and selects the optimal configuration using local cross-validation, allowing for consideration of specific conditions in the gap region. The method is implemented as a Python software module with a modular architecture that ensures computational efficiency through caching and parallel computing. The effectiveness of the method was tested experimentally on real geomagnetic data (the DBE_NEZ component of the Lovozero Observatory). The results demonstrate that under calm and weakly disturbed geomagnetic conditions (SME index = 50–200 nT), the method provides high reconstruction accuracy (R² = 0.71–0.85) for gaps ranging from 5 to 120 minutes in length. However, accuracy is shown to decrease consistently with increasing disturbance level, reflecting a fundamental limitation associated with the increasing stochasticity of the original signal. The proposed approach ensures interpretability and adaptability, opening up prospects for the development of data reconstruction tools in various application areas.
In recent years, Large Language Models (LLMs) have gained widespread adoption in the financial domain. Direct comparison of models can be challenging, as datasets and LLMs may be closed, and evaluation parameters may vary. This paper proposes using the matrix factorization method from recommender systems, originally designed to predict user preferences, to address the task of predicting unknown metrics. The aim is to evaluate the applicability of matrix factorization for predicting LLM performance metrics on financial tasks, as well as to develop an LLM ranking method based on metric aggregation. An experiment involving the application of matrix factorization is conducted using data collected from academic research, covering 34 LLMs and 42 financial datasets. The average Mean Absolute Error (MAE) of the method across all runs is 0.07 on the test dataset. The top positions in the ranking are held by DeepSeek-R1, OpenAI GPT-4o, OpenAI o1-mini, Fin-R1, and Claude 3.5 Sonnet. The impact of prediction error on the final results is investigated using two approaches: analysis of MAE and the Monte Carlo method. The results are analyzed, yielding the following main conclusions: a) matrix factorization can be applied to predict missing model metric values on datasets; b) leading large language models have converged in performance to such an extent that identifying a clear leader is difficult; c) large prediction errors allow for the identification of specific model features on particular tasks. The proposed method can simplify the selection of a suitable model for financial tasks.
The purpose of this work is to develop a digital twin architecture of an aquatic ecosystem to preserve environmental sustainability, including monitoring, forecasting, and management of water resources in the context of anthropogenic impact and climate change. The paper proposes a modular digital twin architecture that includes a module for collecting and combining multimodal data, digital ecosystem models, an expert system, a regulatory framework module, a geographic information system, and a graphical data representation module. The architecture is based on the integration of data from sensors, satellites, weather stations, and remote sensing systems, using machine learning models and large language models to analyze regulatory documentation. The developed architecture of the digital twin of a water body allows monitoring ecosystem parameters in real time, assessing compliance with regulatory requirements, and generating reports and recommendations for organizations involved in natural resource management and governing bodies. The effectiveness of various models of legal text processing was tested, and optimal approaches to their semantic analysis were determined. The expediency of integrating the digital twin into the state environmental management system is substantiated. The digital twin architecture proposed by the authors is a comprehensive tool for sustainable water resources management that allows predicting the state of water bodies, timely identifying risks and developing scientifically sound management solutions, thereby reducing environmental threats and preserving water resources.
The paper presents a two-echelon transportation system model designed for the analysis of distribution logistics with intermediate hubs and end consumers. The model captures the joint optimization of trunk-level routing and distribution routing under vehicle capacity constraints and demand satisfaction requirements. The resulting optimization problem belongs to the class of NP-hard problems, which significantly limits the applicability of exact optimization methods as the size of the transportation network increases. To solve the proposed model, a two-echelon Ant Colony Optimization algorithm (2E-ACO) is employed. In the algorithm, the solution construction processes for the first and second echelons are formulated separately, but are coordinated through a unified objective function that incorporates transportation costs and penalties for unmet demand. The focus of the study is a computational experiment aimed at analyzing the scalability and robustness of the algorithm under increasing problem size. Several scaling scenarios are considered, including variations in the cardinality of the consumer set, the number of hubs, and the complexity of the transportation infrastructure. Experiments are conducted under a scalable resource regime, which allows the impact of algorithmic behavior to be isolated from resource-related effects. Reproducibility is assessed using multiple independent runs with fixed random seeds. The experimental results demonstrate a predictable growth of computational effort as the model size increases, while maintaining stable solution quality across runs. A comparison with a baseline greedy heuristic shows that 2E-ACO achieves comparable demand satisfaction levels at the cost of higher computational time, which is inherent to its iterative search mechanism. The results confirm the suitability of the proposed model and algorithm for the analysis of large-scale two-echelon transportation systems.
The paper proposes a method for solving the problem of choosing a communication channel in cognitive radio based on information about the current state of all available communication channels using the mathematical apparatus of reinforcement learning. The method consists in formalizing the problem of choosing communication channels in terms of "environment-agent" and training agents using the REINFORCE, SARSA and A2C algorithms. The calculation of memory costs for solving the problem of selecting communication channels using classical methods is given. The memory estimate is 4×22n bytes for a random state of channels (busy/free) and 4×n2 bytes for one free channel at each step when solving the problem using the tabular Q-learning algorithm. Two different formalizations of the reward for the agent within the framework of the problem being solved using reinforcement learning are presented - for the trivial case (binary availability/unavailability of the frequency channel) and for a more complex case considering the power (in dB) in the selected communication channel. The restriction on the first formalization is that at each iteration there should be only one free communication channel out of all available channels. The second proposed formalization of the reward function does not impose such restrictions and is more universal. Computational experiments are presented for the corresponding formalizations of the reward function. Agents are trained using the SARSA and A2C algorithms. On average, error-free solutions are achieved after 8,000 training episodes for the corresponding formalizations of training in a model problem for various agent implementations. The REINFORCE algorithm does not provide error-free solutions, but reward formulation takes into account the improved training efficiency of the REINFORCE algorithm. Theoretical estimates of the computational complexity of the considered methods are provided, which are consistent with the computational experiments.
The article analyzes the impact of varying the bit depth (quantization) of a neural network’s output tensor on speaker recognition accuracy. This tensor represents the neural network’s latent space, containing the latent features utilized for speaker recognition tasks. Typically, 32 bits are allocated per value in the output space (the output tensors of the methods under study contain 512 values), resulting in significant memory requirements for maintaining a continuously updated database. Consequently, the "minifloat" floating-point format is of particular interest, as it enables numerical representations using only 8, 6, or 4 bits. To ensure comprehensive results, three neural network models demonstrating superior recognition performance on the test set were selected: CAM++, WavLM, and ReDimNet. These models possess unique architectural characteristics, facilitating the assessment of how bit depth reduction affects recognition accuracy across different neural network architectures. Recognition accuracy is evaluated using the Equal Error Rate (EER). The evaluation employs the English-language VoxCeleb-1 dataset, the audio characteristics of which correspond to those of a small-scale biometric system database. The relevance of this study is underscored by the increasing volume of research proposing the use of voice as a verification key. Therefore, managing large biometric datasets requires substantial storage capacity and RAM. Modern databases are continuously updated and expanded, leading to increased resource demands for their maintenance. Applying quantization to the neural network’s output tensor offers a potential solution. However, excessive reduction of the bit depth in the output tensor can lead to a significant degradation in recognition quality compared to the baseline network. The primary focus of this research is to minimize the resources required to support a biometric system without the need for additional neural network training.
The growing shortage of radio frequency spectrum, driven by the explosive increase in the number of wireless devices and data traffic volumes, makes Cognitive Radio (CR) technologies critically important for the future of telecommunications. This research addresses the challenge of dynamic spectrum management by developing a simulation model of a cognitive radio communication system based on the LTE network architecture. In contrast to existing solutions, the proposed model features a modular structure, allowing for the flexible integration and evaluation of various frequency resource occupancy prediction algorithms. The model is implemented in the MatLab environment and comprises three key modules: an LTE signal generation and processing module, which creates Radio Environment Maps (REM); a predictive neural network model training module; and a frequency resource occupancy prediction module. Particular focus is placed on utilizing the advanced Kolmogorov-Arnold Network (KAN) architecture for predicting unused Scheduling Blocks (SBs) within an LTE frame. Simulation results, encompassing 10,000 frames, demonstrated the high efficiency of the proposed approach. The KAN model achieved a prediction accuracy of 92.23% for identifying free frequency resources in a 10 ms frame. Comparative testing revealed that the KAN architecture outperforms the traditional LSTM network in accuracy by approximately 10% given an equal number of trainable parameters, and also converges faster during training. The practical significance of this work lies in providing a tool for accurate spectrum occupancy assessment and secondary user access planning, leading to a significant increase in the spectral efficiency and reliability of next-generation wireless networks.
The implementation of the smart city concept implies a transition from traditional computer networks with a clear information perimeter to next-generation networks. Distributed subsystems of a smart city are characterized by a reconfigurable network topology, openness, node mobility, and the construction of information protection based on distributed ledgers, which also opens up new opportunities for intruders. The situation is complicated by the fact that the speed of creating new digital infrastructures exceeds the speed of developing security tools that meet current challenges. Given the specific properties of the secured object, the dynamics of security threats, and the limited choice of security mechanisms, it is necessary to continuously evaluate the security efficiency and reconfigure it to maintain a higher level of security. As a result of the analysis of existing solutions for information security evaluation, it was found that they operate in a proactive mode and do not take into account the high dynamics of the "threat-protection" system. This paper presents a constructed model for evaluating the efficiency of information security, based on a nonlinear dynamic model of competition for influence on the functioning of the information infrastructure. To maintain a sustainable state of the smart city system, it is necessary to meet the criterion on the ratio of the speed of detection and development of a computer attack in the infrastructure. The developed experimental model emulated the scenarios of development of computer attacks "exploitation of software vulnerability", "distributed denial of service", "black hole", and "majority attack" using the test sample of the intelligent transport network VANET in the smart city in various configurations of the security system. During the comparative analysis of different configurations of the VANET security system, it was shown that a test case implementing attack detection using a convolutional neural network, dynamic routing based on the ant swarm algorithm, and the Hashgraph protocol with an embedded trust model satisfies the sustainability criterion. The use of the proposed evaluation model allows for reasonable control and dynamic adjustment of the security configuration.
