Доклады 2026 года Планируемые доклады / Upcoming talks: Состоявшиеся доклады / Completed talks: 10.04.2026 Израилова Э.С. Методы, алгоритмы и программная система разрешения омонимии и синтеза речи для чеченского языка. Докладчик: Израилова Элиса Салаудиновна, 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. В докладе представлены разработанные методы разрешения омонимии в текстах на чеченском языке и созданная программная система синтеза речи на основе комплекса новых методов алгоритмов и баз данных, обеспечивающих обработку малоресурсных языков на примере чеченского языка. Разработаны алгоритмы, реализующие методы разрешения омонимии, отличающиеся использованием исходных текстовых баз данных небольших объемов. Создана база данных транскрипций фонетического алфавита чеченской речи с применением полуавтоматической разметки структурных элементов малоресурсных языков, обеспечивающая более естественное звучание синтезированного речевого сигнала. Предложена модель синтеза речи, отличающаяся использованием глубоких сверточных нейронных сетей с предварительной обработкой обучающих данных путем соответствия фонетических признаков и их связи с лингвистическими параметрами, обеспечивающая повышение точности предсказания акустических параметров. Разработана архитектура программной системы синтеза чеченской речи с модулем распознавания омонимии. 10.04.2026 Хасанов Д.C. Разработка метода интеллектуального планирования перегрузочно-складских операций на морском контейнерном терминале. Докладчик: Хасанов Дмитрий Салимович, младший научный сотрудник Федерального государственного бюджетного учреждения науки «Санкт-Петербургский Федеральный исследовательский центр Российской академии наук» (СПб ФИЦ РАН). Научный руководитель: Искандеров Юрий Марсович, доктор технических наук, профессор, г.н.с. ЛИС/СПИИРАН/СПБ ФИЦ РАН. Реферат. В докладе представлены результаты исследования, заключающиеся в совершенствовании методов и средств моделирования процессов управления информационными ресурсами транспортных систем, реализации разработанных моделей в среде имитационного моделирования и разработке предложений по использованию моделей в системе управления морским контейнерным терминалом, а также различных предприятий транспортного комплекса. Научная новизна доклада состоит в следующем: 1. Разработаны модели интеллектуального планирования, отличающиеся от известных использованием мультиагентного подхода для распределения складируемых ресурсов и эвристических правил смещения сроков начала выполнения работ. 2. Разработана методика системного анализа и оценки уровня автоматизации контейнерных терминалов на основе многокритериального подхода, учитывающего географические, технико-эксплуатационные и организационные факторы. 3. Разработан новый метод интеллектуального планирования задач и гибридный алгоритм оптимизации планирования для контейнерного терминала, отличающийся возможностью упрощения принятия решений по распределению решаемых задач и сочетающий методы генетического алгоритма, линейного назначения и адаптивного поиска, обеспечивающий повышение производительности оборудования и эффективное управление энергопотреблением парка автоматизированных транспортных средств. Решаемая проблема: сокращение времени планирования транспортно-технологических операций на морском терминале за счет разработки и использования релевантных мультиагентных моделей. 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. 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.