Development and research of a method for building precedents libraries

Cover Page
  • Authors: Abrosimov V.K.1, Keloglyan A.K.1, Mikhaylova E.S.1
  • Affiliations:
    1. ФГКУ «Главный научно-исследовательский испытательный межвидовой центр перспективного вооружения»
  • Issue: Vol 4, No 139 (2025): Известия российской академии ракетных и артиллерийских наук
  • Pages: 134-143
  • Section: Articles
  • URL: https://medbiosci.ru/2075-3608/article/view/362666
  • ID: 362666

Cite item

Full Text

Abstract

In complex military-technical tasks in actively opposing environments, it is advisable to use the precedent method — the search for solutions in the vicinity of known ones. The precedent library of group control developed and realized in an object-relational database with a logical-linguistic model. Algorithms have developed to find the closest precedents in terms of completeness, importance, and essence.

About the authors

V. K. Abrosimov

ФГКУ «Главный научно-исследовательский испытательный межвидовой центр перспективного вооружения»

Author for correspondence.
Email: avk787@yandex.ru

доктор технических наук, старший научный сотрудник, ведущий научный сотрудник

Russian Federation

A. K. Keloglyan

ФГКУ «Главный научно-исследовательский испытательный межвидовой центр перспективного вооружения»

Email: artyom.keloglyan@mail.ru

младший научный сотрудник

Russian Federation

E. S. Mikhaylova

ФГКУ «Главный научно-исследовательский испытательный межвидовой центр перспективного вооружения»

Email: ekaterinaolimp99@mail.ru

младший научный сотрудник

Russian Federation

References

  1. Крылов А.В. Проблема извлечения знаний с использованием рассуждений на основе прецедентов // Изв. вузов. Приборостроение. 2018. Т. 61, № 11. С. 956–962.
  2. Пшихопов В.Х., Медведев М.Ю. Групповое управление движением мобильных роботов в неопределенной среде с использованием неустойчивых режимов // Труды СПИИРАН. 2018. 5 (60). С. 39–63.
  3. Чжу Ю. Формирование управления полетом группы беспилотных летательных аппаратов на основе алгоритма многоагентной модели роения // Информатика, телекоммуникации и управление. 2022. № 4. С. 22–36.
  4. Безденежных С.И. Оценка сходства технологий с применением техники синтакси­ческих m-грамм // Вооружение и экономика. 2021. № 2 (56). С. 81–95.
  5. Крюков К.В., Панкова Л.А., Пронина В.А., Суховеров В.С. и др.Меры семантической близости в онтологии // Проблемы управления. 2010. № 5. С. 2–14.
  6. Еремеев А.П., Варшавский П.Р., Поляков С.А. Программная реализация модуля анализа данных на основе прецедентов для распределенных интеллектуальных систем // Программные продукты и системы. 2021. № 3.
  7. С. 381–389.
  8. Кочкин Г.А., Кочкина В.Р., Голубкин И.А. Проблемы рассуждений по прецедентам, детализации, интеграции и оценки схожести прецедентов // Инженерный вестник Дона. 2013. № 4 (27). 10 с.
  9. Юрин А.Ю. Методы группового выбора для адаптации решений, полученных в результате рассуждений на основе прецедентов // Искусственный интеллект и принятие решений. 2013. № 3. С. 78–85.
  10. Варшавский П.Р., Еремеев А.П. Методы поиска решений в интеллектуальных системах поддержки принятия решений на основе прецедентов // Искусственный интеллект и принятие решений. 2009. № 1. С. 385–392.
  11. Ар К.М. Исследование и разработка методов и программных средств интеллектуального анализа данных на основе прецедентов / диссер. канд. техн. наук. М.: 2017. 188 с.
  12. Абросимов В.К., Михайлова Е.С. Классификация прецедентов группового управления // Информационно-управляющие системы. 2025. № 2 (135). С. 27–36.
  13. Жданов А.А., Устюжанин А.Е. Возможности использования технологии детерминированного хаоса в системах автономного адаптивного управления // Труды ИСП РАН. 2001. № 2. С. 141–180.
  14. Глухих И.Н., Никифоров Д.В. Принятие решений на основе вывода по прецедентам // Вестник Тюменского государственного университета. Физико-математическое моделирование. Нефть, газ, энергетика. 2019. Т. 5, № 3.
  15. С. 147–163.
  16. Михайлова Е.С. Логико-лингвистическая модель группового прецедента // Труды семнадцатой международной конференции: «Управление развитием крупномасштабных систем» (MLSD’2024). 2025. С. 1124–1131.
  17. Абросимов В.К., Лапин С.М. Об использовании теории сходства для оценки динамики скоплений объектов интереса на местности // Известия ЮФУ. Технические науки. 2024. №. 1. С. 29–43.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».