В статье представлена разработка объединенного алфавита древнетюркских диалектов для решения задач автоматизированного распознавания орхоно-енисейских рунических надписей. Актуальность исследования обусловлена разрозненностью существующих классификаций рун и отсутствием единой системы их сопоставления, что затрудняет формирование совместимых наборов данных и снижает эффективность моделей компьютерного зрения.

Цель исследования заключается в создании унифицированного алфавита, обеспечивающего корректную аннотацию изображений и возможность обучения многоалфавитных нейросетевых моделей для распознавания и сравнительного анализа рунических символов.

Методология исследования базируется на комплексном анализе визуальных, фонетических и историко-филологических характеристик рун четырех источников: памятника Кюль-Тегину, рукописи Ирк Битиг, орхонских и енисейских надписей. В ходе работы выделены структурно устойчивые символы, стилевые вариации и уникальные маркеры диалектов, на основе чего сформирован консолидированный набор классов рун.

Полученные результаты создают основу для стандартизации разметки изображений, повышения устойчивости распознавания и дальнейшего развития многоалфавитных систем компьютерного зрения в исследованиях древнетюркской письменности.

Статья посвящена анализу современных тенденций и практик применения искусственного интеллекта (ИИ) в сельском хозяйстве на основе рецензируемых научных источников 2022–2026 гг. Целью работы выступает комплексное исследование проблематики и ключевых трендов развития ИИ в аграрном секторе, а также систематизация количественных данных, подтверждающих эффективность внедряемых технологий. В статье рассматриваются основные направления использования ИИ: прогнозирование урожайности на базе нейросетевых алгоритмов (LSTM, CNN), мониторинг здоровья растений и точное внесение ресурсов с применением компьютерного зрения (ResNet, YOLO), роботизация производственных процессов, а также внедрение интеллектуальных систем в экономику и управление агропромышленным комплексом. На основе анализа эмпирических исследований систематизированы показатели эффективности: точность диагностики заболеваний растений достигает 99,2%, снижение использования пестицидов — до 90%, экономия водных ресурсов — до 46%, рост доходов хозяйств — на 15–20%. Особое внимание уделено сравнительному анализу барьеров внедрения ИИ в различных группах стран. В развитых государствах преобладают проблемы технологической фрагментации и дефицита квалифицированных кадров. Для стран БРИКС характерны инфраструктурные ограничения и разрыв между наукой и производством. В развивающихся странах ключевыми препятствиями выступают отсутствие базовой инфраструктуры, низкая платежеспособность мелких хозяйств и недостаточный уровень цифровой грамотности. В заключительной части определены слабоизученные аспекты, требующие дальнейших исследований: социально-психологические барьеры восприятия технологий, экологический след самих ИИ-решений, вопросы суверенитета и монетизации данных, экономическая эффективность для мелких хозяйств, кибербезопасность и этические дилеммы в селекции.

В статье рассматривается актуальная проблема обезличивания персональных данных в кредитно-финансовых организациях (КФО) в контексте ужесточения регуляторных требований, в частности Приказа Роскомнадзора № 140. Проведен анализ классических и современных методов обезличивания (маскирование, псевдонимизация, генерация синтетических данных и др.) с точки зрения их применимости в банковской среде, где критически важны сохранение формата данных, референциальная целостность и высокая производительность. Дана сравнительная оценка трех современных отечественных решений: DataMask, «Гарда Data Masking» и N1 AI. Выявлены их системные ограничения, включая потенциальное несоответствие новым нормативным актам, недостаточную гибкость для уникальных банковских сущностей и высокую стоимость владения. На основе проведенного анализа обосновывается стратегическая целесообразность разработки специализированного внутрикорпоративного инструмента обезличивания, который гарантирует полное соответствие регулированию, максимальную адаптивность к бизнес-процессам банка и долгосрочную экономическую эффективность. Для кредитно-финансовой организации характерна обработка обширного массива структурированных персональных данных (ПДн), совмещающих признаки общих, иных данных и сведений, составляющих банковскую тайну. Данные сведения, как правило, хранятся в реляционных базах данных в формализованном виде (отдельные поля для номера паспорта, телефона, счета и т.д.), что, с одной стороны, упрощает их автоматизированный поиск, а с другой — требует применения строгих мер защиты, к которым относится и безопасное обезличивание для использования в непроизводственных средах. Это определяет ключевые требования к рассматриваемой системе: необходимость точного обнаружения полей различных категорий финансово-идентифицирующей информации и применение алгоритмов маскировки, обеспечивающих необратимость преобразования при сохранении структурной целостности и формата данных для корректной работы тестовых систем.

Внедрение цифрового рубля формирует перед кредитно-финансовыми организациями (КФО) вызовы, обусловленные необходимостью интеграции внешней инфраструктуры доверия во внутренние автоматизированные банковские системы (АБС). Проблема заключается в отсутствии типовых решений, регламентирующих безопасное сопряжение двух разнородных доменов безопасности. Новизна работы состоит в разработке целостного подхода, синтезирующего технологические меры защиты и организационные процедуры в единый механизм, реализуемый на стороне КФО. Целью статьи является формирование указанного механизма, обеспечивающего минимизацию рисков несанкционированного доступа, утечки информации и нарушения непрерывности бизнес-процессов. Методологическую основу составляют системный анализ архитектурных решений, синтез методов моделирования угроз и риск-ориентированный подход. В результате обоснован двухконтурный механизм защиты, включающий технологическое ядро (аппаратная криптография, однонаправленный шлюз) и организационный каркас (политика нулевого доверия, встроенный комплаенс). Доказано, что предложенный механизм снижает совокупную критичность векторов атак на этапе интеграции на 35–40% по шкале CVSS и формирует основу для тиражируемого типового решения.

Применение машинного обучения в решении прямых задач прогнозирования становится альтернативой применению ресурсоемкого конечно-элементного моделирования. Однако применение машинного обучения для решения обратной задачи в литературе практически не рассматривается. Традиционные подходы основаны на итерационных расчетах, которые требуют многократных прогонов моделей и не работают в реальном времени, что ограничивает создание цифровых двойников.

Цель исследования — решение обратной задачи путем разработки и верификации модели гауссовской регрессии (GPR) для определения параметров K и m по геометрии готового изделия на основе конечно элементных данных ANSYS. В качестве источника данных использовались результаты конечно-элементного моделирования процесса сверхпластической формовки в CAE-пакете ANSYS. Было выполнено 120 конечно-элементных симуляций, по 40 для каждого из трех режимов давления. Общий объем данных, полученных из решений ANSYS, составил 7571 строку. Были разработаны две GPR-модели. Одна для определения K с ядром Matern, вторая для m с ядром RBF. Масштабирование данных выполнялось методом RobustScaler. Показано, что замена RBF-ядра на ядро Matern (ν = 2,5) снижает медианную относительную неопределенность прогноза для параметра K с 50 до 16%. На тестовой выборке получены следующие метрики качества: R2 = 0,91 для K и R2 = 0,92 для m, относительная среднеквадратичная ошибка составляет 20% для K и 7% для m. Выполненный корреляционный анализ выявил наиболее значимое влияние давления формовки на параметр K (r = –0,32).

Разработанная модель может быть использована для неразрушающего контроля качества, встраивания в цифровые двойники и оптимизации режимов сверхпластической формовки.

В статье исследуется дискретное уравнение в натуральных числах вида x = count (d, x) + n, где: n — натуральное число; count (d, x) — количество вхождений цифры d ∈{0, 1, …, 9} в десятичную запись числа x.

Цель работы — получить априорные оценки решений уравнения и проанализировать зависимость числа решений от параметров d и n.

Основной результат исследования — установлена двусторонняя априорная оценка для решений уравнения: n ≤ x ≤ n + ⌊lgn⌋ + 2. Из нее следует: при фиксированных d и n число натуральных решений ограничено; уравнение разрешимо не для всех значений n. Для цифр d ∈{9, 8, …, 2} и любого натурального n доказано, что число решений не превышает 2. Для d = 1 и любого натурального n показано, что число решений не превышает 3. Для d = 0 конструктивно обосновано, что с ростом n число натуральных решений, каждое из которых может быть представлено в десятичной записи с использованием всего четырех цифр, может неограниченно возрастать.

Теоретическая и практическая значимость. Результаты имеют теоретико‑математический характер и могут быть применены: при исследовании аналогичных дискретных уравнений в натуральных числах; в анализе математических игр‑головоломок, описываемых подобными уравнениями; как дополнение к известным результатам в области диофантовых уравнений.

Cтатья посвящена анализу интеллектуальных систем контроля энергопотребления как инструмента повышения энергоэффективности при реализации энергосервисных проектов. Цель исследования заключается в выявлении роли и возможностей таких систем, а также обосновании необходимости адаптации существующих решений для создания единого цифрового контура управления. Методологическую основу исследования составляют принципы системного анализа, методы классификации информационных систем, анализ нормативно-правовой базы энергосервисной деятельности. Эмпирическую базу составили данные Государственного доклада о состоянии энергосбережения в РФ за 2023 г. и аналитические обзоры рынка АСКУЭ. В результате исследования выявлено, что ни один из существующих классов систем в отдельности не обладает полным функционалом, необходимым для сквозного управления энергосервисным проектом. Доля интеллектуальных приборов учета в России достигает 72%. Проанализированы итоги реализации энергосервисных контрактов в 2023 г. Выводы исследования указывают на то, что ключевым направлением развития является адаптация и интеграция существующих систем для формирования единого цифрового контура управления энергосервисными проектами. Технологическая база для цифровизации уже сформирована, однако существующие решения требуют адаптации под комплексные задачи бизнеса.

Цифровая трансформация во всех сферах жизни значительно ускорилась после COVID-19. Во всем мире и в России, в частности, в последние пять лет наблюдается существенный прогресс в области профессиональных навыков в цифровых технологиях. Это одновременно вызов и возможности, когда вопросы интеграции и роста пересекаются. В нашей стране цифровизация в сфере государственных услуг населению развивается опережающими темпами. России необходимы образовательные системы, соответствующие цифровому веку, а также дополнительные программы для обучения и переподготовки той части взрослого населения, которая давно прекратила учебу. Это двусторонняя задача, касающаяся как базовых цифровых навыков, так и современного понимания грамотности. Цель развития цифровых образовательных услуг населению — формирование доступной и эффективной системы обучения для всех категорий граждан. Задача исследования — выявить объективными методами математического анализа данных (без какого-либо использования субъективных оценок) наличие или отсутствие взаимосвязи между социально экономическими параметрами развития региона Российской Федерации и платными образовательными услугами населению. В работе использованы методы кластеризации и классификации однородных объектов по широкому набору социально-экономических и финансовых показателей, важных для исследования развития цифровизации в сфере услуг для населения. Получено четкое разделение регионов на две большие, практически равные группы по этому набору показателей. Представлен сравнительный анализ методов иерархической кластеризации и классической кластеризации с использованием метода K-средних. Отдано предпочтение в пользу иерархической кластеризации. Получены непротиворечивые результаты с использованием обоих методов. Сделан вывод о важности географического фактора и однородности в экономическом развитии регионов, сгруппированных в кластеры. Москва выделяется по уровню развития цифровизации по сравнению с другими регионами, что подтверждают оба метода кластеризации. Использование методов машинного обучения позволило сделать вывод о большей значимости абсолютных показателей по сравнению с относительными для классификации регионов по уровню развития цифровых образовательных услуг населению.