Методы статистического анализа больших информационных системНИР

Methods of statistical analysis of large information systems

Соисполнители НИР

МГУ имени М.В. Ломоносова Координатор

Источник финансирования НИР

госбюджет, раздел 0110 (для тем по госзаданию)

Этапы НИР

# Сроки Название
1 1 января 2016 г.-31 декабря 2016 г. Методы статистического анализа больших информационных систем
Результаты этапа: Изучена одноканальная система массового обслуживания с неограниченным числом мест для ожидания, в которую поступают два потока требований: первый поток — пуассоновский, а второй — неординарный пуассоновский (т. е. пуассоновский поток групп требований). Требования из первого потока имеют относительный приоритет перед требованиями второго потока. Особенностью системы является авторегрессионная зависимость размеров групп требований второго потока: размер n-й поступившей в систему группы требований либо с некоторой фиксированной вероятностью равен размеру (n − 1)-й поступившей в систему группы требований, либо с дополнительной вероятностью является независимой от него случайной величиной. Найдена производящая функция совместного распределения числа требований каждого потока в системе в произвольный момент времени.
2 1 января 2017 г.-31 декабря 2017 г. Методы статистического анализа больших информационных систем
Результаты этапа: Получены характеристики одноканальной системы массового обслуживания с эрланговским входящим потоком и случайными интервалами недоступности прибора при освобождении системы Получен ряд неравенств, связывающих математические ожидания порядковых статистик, либо функций от порядковых статистик, в случае, когда выборка производится из распределения, имеющего монотонную функцию интенсивности отказов. Неравенства могут применяться в теории надежности.
3 1 января 2018 г.-31 декабря 2018 г. Методы статистического анализа больших информационных систем
Результаты этапа: Получены оценки точности восстановления информации в сетях при наличии шума. Найдены достаточные условия эргодичности систем массового обслуживания с двумя классами приоритетов, в которых поток требований высшего приоритета является пуассоновским, а низшего произвольным рекуррентным. Получены новые моментные характеризации экспоненциального распределения, играющего особую роль в различных информационных системах. Исследован класс систем массового обслуживания с приоритетными дисциплинами без прерывания обслуживания и пуассоновским входящим потоком со случайной интенсивностью.
4 1 января 2019 г.-31 декабря 2019 г. Методы статистического анализа больших информационных систем
Результаты этапа: В задаче детектированию объектов дорожной сети на основе свёрточных нейронных сетей предложен метод облегчения архитектуры Deformable Convolutional Network с базовой сетью ResNet, дающий трехкратное увеличение скорости прямого прохода. Разработан метод оценки индекса волатильности в экспоненциальных моделях Леви. Для случая популярной гамма-дисперсионной модели формула для вычисления индекса была получена в явном виде.
5 1 января 2020 г.-31 декабря 2020 г. Методы статистического анализа больших информационных систем
Результаты этапа: Найдены достаточные условия эргодичности систем массового обслуживания с двумя классами приоритетов, в которых поток требований высшего приоритета является гиперэкспоненциальным, а низшего - рекуррентным. Изучены системы с различными разновидностями абсолютного приоритета. Для получения искомых условий эргодичности найдены соотношения, связывающие последовательные значения времен ожидания требований каждого приоритета. Получены границы ошибок моментного типа для расстояния Канторовича для экспоненциального приближения случайных сумм возможно зависимых случайных величин с положительные конечные математическими ожидания, в частности, для геометрических случайных сумм, обобщая предыдущие результаты на чередующиеся и зависимые случайные слагаемые. Это дает математический аппарат для исследования информационных сетей со сложными входящими потоками в условиях большой загрузки.

Прикрепленные к НИР результаты

Для прикрепления результата сначала выберете тип результата (статьи, книги, ...). После чего введите несколько символов в поле поиска прикрепляемого результата, затем выберете один из предложенных и нажмите кнопку "Добавить".