Пошук академічних текстів

Інформація × Реєстраційний номер 0122U000668, Науково-дослідна робота Назва роботи Розробити кількісні та якісні методи прийняття рішень у стохастичних та мінливих середовищах на основі аналізу нелінійних систем та задач оптимізації з особливостями Керівник роботи Згуровський Михайло Захарович, Доктор технічних наук Дата реєстрації 28-01-2022 Організація виконавець Навчально-науковий комплекс "Інститут прикладного системного аналізу" Національного технічного університету України "Київський політехнічний інститут імені Ігоря Сікорського" Опис роботи Розробити уніфікований теоретичний інструментарій для якісного та конструктивного аналізу нелінійних систем та задач оптимізації з особливостями, які характеризуються великими масивами неузгоджених даних різної природи, за допомогою методів машинного навчання, що включає в себе такі завдання: (а) розв’язання багатокритеріальних задач ідентифікації допустимо нелінійних частково спостережуваних систем з допустимо некомпактними множинами допустимих рішень та необмеженими функціоналами однокрокової вартості, зокрема, в робастних постановках; (б) конструктивні результати існування і теореми регулярності для всіх слабких (узагальнених) розв’язків класів нелінійних систем, які, за відповідного вибору фазових та розширених фазових просторів, зводяться до нових математичних об’єктів – диференціально-операторних включень та еволюційних варіаційних нерівностей з допустимо немонотонними, негладкими потенціалами; (в) результати щодо збіжності розв’язків і їх наближень в найсильніших топологіях природних фазових і розширених фазових просторів; (г) рівномірну глобальну поведінку розв’язків еволюційних нелінійних систем у часі (розробити, зокрема, методологію глобальних та траєкторних притягуючих множин розв’язків без неприродних припущень щодо періодичності, квазіперіодичності та трансляційної компактності неавтономних складових за часовою змінною); (д) розробці алгоритмів для реалізації методів наближеного розв’язання за допомогою програмних бібліотек для машинного навчання TensorFlow та Keras; з численними застосуваннями, включаючи нелінійні прикладні задачі фізики, хімії, біології, економіки тощо. Додано в НРАТ 2024-12-09 Закрити