Доклады 2026 года Планируемые доклады / Upcoming talks: 20.03.2026 Ле Ван Нгиа. Методы, алгоритмы, программная система обучения и оптимизации нейросетевых моделей видеоаналитики аквакультуры. Докладчик: Ле Ван Нгиа, аспирант ГУАП, соискатель СПБ ФИЦ РАН. Научный руководитель: Ронжин Андрей Леонидович, доктор технических наук, профессор, профессор РАН, директор Федерального государственного бюджетного учреждения науки «Санкт-Петербургский Федеральный исследовательский центр Российской академии наук» (СПБ ФИЦ РАН). Реферат. Доклад посвящен представлению совокупности разработанных методов, алгоритмов, нейросетевых моделей и программных средств интеллектуальной обработки изображений и видеозаписей гидробионтов, которые представляют собой новые научно обоснованные технические и технологические решения, имеющие существенное значение для развития средств видеоаналитики аквакультуры. Разработаны методы и усовершенствованы нейросетевые модели обнаружения, подсчёта и мониторинга состояния рыб в аквакультуре, отличающиеся модифицированной архитектурой с введением дополнительного классификационного сверточного слоя, глобального усредняющего пулинга и трех полносвязных слоев с механизмом Dropout, использованием механизмов пространственного внимания, оптимизированными якорными рамками для объектов различных размеров и адаптированной функцией потерь, обеспечивающие высокую точность обнаружения и классификации рыб в реальном времени в сложных условиях водной среды с изменчивым освещением, мутностью, наличием помех. Разработан комплекс специализированных алгоритмов обучения нейросетевых моделей обнаружения, подсчёта и выявления заболеваний рыб, отличающиеся мультимодальным анализом визуальных характеристик в условиях оптических искажений водной среды и применением расширенного набора обучающих данных с аномальными признаками (язвы, изменение окраски, деформации рыб) при ограниченном числе обучающих примеров патологий, обеспечивающий раннюю диагностику патологий и автоматическое формирование предупреждений о рисках здоровья рыб. 20.03.2026 Бажаев Н.А. Обнаружение сетевых атак на устройства "Интернета-вещей" с использованием методов машинного обучения. Докладчик: Бажаев Нуржан Аманкулулы, старший преподаватель кафедры информационная безопасность Института цифровых наук и искусственного интеллекта Евразийского национального университета имени Л.Н. Гумилева; разработчик в Акционерном обществе «Государственная техническая служба» Республики Казахстан. Реферат. В докладе представлены результаты исследования, посвящённого обнаружению сетевых атак на устройства Интернета вещей (IoT) с использованием методов машинного обучения. Научную новизну доклада составляют: 1. Метод формирования обучающих выборок данных для оценки состояния информационной безопасности IoT-устройств, отличающийся применением сегментного анализа временных рядов трафика на основе управляющих воздействий. Это обеспечивает локализованный анализ поведения сети, повышение точности классификации и снижение ложных срабатываний. 2. Многоуровневая самообучающаяся модель анализа состояния информационной безопасности, отличающаяся адаптивным выбором классификаторов в зависимости от характеристик сегментов трафика и внешних факторов, что обеспечивает устойчивость к «дрейфу концепта» и изменению распределения данных. 3. Метод мониторинга состояния информационной безопасности устройств IoT, отличающийся использованием графа переходов состояний, позволяющий оптимизировать процесс анализа, сократить вычислительную сложность и повысить оперативность обнаружения инцидентов. Цель исследования состоит в повышении точности обнаружении сетевых атак в беспроводных IoT-сетях с применением методов машинного обучения, учитывающих ограничения вычислительных и энергетических ресурсов устройств, а также высокую динамичность сетевой среды. Требуется решить задачу распознавания состояния информационной безопасности IoT-устройств, представленных множеством временных рядов значений параметров сетевого трафика, с построением модели, обеспечивающей определение состояния безопасности объекта по анализу временных рядов при условиях ограничений и внешних воздействий. Состоявшиеся доклады / Completed talks: 13.03.2026 Елина Е. И. Метод синтеза самопроверяемых дискретных устройств на основе логической коррекции сигналов с применением взвешенных кодов с суммированием в кольце вычетов по заданному модулю. Докладчик: Елина Есения Игоревна, аспирант Высшей школы транспорта Федерального государственного автономного образовательного учреждения высшего образования «Санкт-Петербургский политехнический университет Петра Великого» (СПбПУ Петра Великого) третьего года обучения. Реферат. В докладе представлены результаты исследований особенностей применения взвешенных кодов с суммированием в кольце вычетов по заданному модулю при синтезе самопроверяемых дискретных устройств на основе логической коррекции сигналов. Научная новизна доклада состоит в разработке: 1. Принципиально нового подхода к синтезу самопроверяемых дискретных устройств на основе логической коррекции сигналов и взвешенных кодов с суммированием, отличающегося от известных направленным выбором и использованием собственного подмножества множества кодовых слов, включающего слова с определенными диагностическими свойствами. 2. Алгоритма выделения собственного подмножества кодовых слов взвешенных кодов с суммированием с требуемыми диагностическими свойствами. 3. Принципов модификации тестеров взвешенных кодов с суммированием в кольце вычетов по заданному модулю с учетом использования только собственного подмножества множества его кодовых слов. 4. Алгоритма установления сигналов на выходах блока логической коррекции сигналов в схеме встроенного контроля. Решаемая проблема: разработка основ синтеза самопроверяемых дискретных устройств и вычислительных систем с наилучшими показателями сложности технической реализации и эффективности функционирования. 13.03.2026 Ефанов Д.В. Метод синтеза самопроверяемых дискретных устройств с формированием равномерного блокового кода на основе учета свойств структуры исходного объекта диагностирования. Докладчик: Ефанов Дмитрий Викторович, профессор Высшей школы транспорта, Высшей школы управления кибер-физическими системами Федерального государственного автономного образовательного учреждения высшего образования «Санкт-Петербургский политехнический университет Петра Великого» (СПбПУ Петра Великого), д-р техн. наук, профессор. Реферат. В докладе представлены результаты исследований принципиально нового подхода к синтезу самопроверяемых дискретных устройств, основанного на предварительном моделировании работы исходного объекта диагностирования в условиях действия неисправностей из заданных модели и множества при построении равномерного блокового разделимого кода, «наследующего» диагностические свойства его структуры. Научная новизна доклада состоит в разработке: 1. Принципа синтеза самопроверяемых дискретных устройств с построением равномерного блокового кода для организации диагностического обеспечения исходного объекта диагностирования с учетом данных о его структуре, модели и множества неисправностей. 2. Алгоритма построения равномерного блокового разделимого кода, «наследующего» свойства структуры объекта диагностирования. 3. Модифицированного метода определения ошибочных кодовых слов, формирующихся на параллельных выходах объекта диагностирования, в которые переходят допустимые кодовые слова при его неисправностях. Решаемая проблема: разработка основ синтеза самопроверяемых дискретных устройств и вычислительных систем с наилучшими показателями сложности технической реализации и эффективности функционирования. 30.01.2026 Ляхов П.А. Методы высокопроизводительной цифровой обработки сигналов на основе вычислений в системе остаточных классов. Докладчик: Ляхов Павел Алексеевич, кандидат физ.-мат. наук, доцент, зав. кафедрой математического моделирования фак-та математики и компьютерных наук им. профессора Н.И. Червякова Северо-Кавказского федерального университета (СКФУ), зав. отделом модулярных вычислений и искусственного интеллекта математического центра «Северо-Кавказский центр математических исследований» СКФУ. Реферат. Доклад посвящён решению крупной проблемы, заключающейся в необходимости разработки методов параллельной обработки данных в системе остаточных классов для создания технологии высокопроизводительной цифровой обработки сигналов. Цель исследования заключалась в повышении производительности систем цифровой обработки сигналов. В ходе проведения исследования разработаны модели, методы, алгоритмы и архитектуры цифровой обработки сигналов, а также осуществлено множество программно-аппаратных реализаций на основе вычислений в системе остаточных классов. Перспективными направлениями для внедрения предлагаемых разработок являются медицинская диагностика, системы компьютерного зрения, телемедицина, робототехнические комплексы, беспилотный транспорт, спутниковые системы, цифровое сельское хозяйство, многочисленные приложения искусственного интеллекта.