https://libeldoc.bsuir.by/handle/123456789/64513| Title: | Виды искусственного интеллекта для решения задач управления в системе противовоздушной обороны |
| Authors: | Симончик, В. В. Шарак, Д. С. Свиридо, Д. В. |
| Keywords: | материалы конференций;виды искусственного интеллекта;автоматизированные системы управления;методы машинного обучения |
| Issue Date: | 2026 |
| Publisher: | БГУИР |
| Citation: | Симончик, В. В. Виды искусственного интеллекта для решения задач управления в системе противовоздушной обороны / В. В. Симончик, Д. С. Шарак, Д. В. Свиридо // Информационные радиосистемы и радиотехнологии : сборник материалов научно-технической конференции, Минск, 9–10 июня 2026 г. / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. А. Богуш [и др.]. – Минск, 2026. – С. 224–226. |
| Abstract: | В работе представлена классификация видов искусственного интеллекта (далее – ИИ), пригодных для использования автоматизированных системах управления (далее – АСУ). Военно-воздушных Сил и войск противовоздушной обороны (далее – ВВС и войск ПВО) [1, 2]. Рассмотрены шесть категорий ИИ: компьютерное зрение, обработка естественного языка, экспертные системы, планировщики, машинное обучение и робототехника [3]. Для каждой категории указаны примеры применения в ВВС и войсках ПВО и оценена их значимость для повышения живучести информационного обмена с огневыми подразделениями. Наиболее перспективными признаны методы машинного обучения (LSTM, Random Forest, обучение с подкреплением), которые могут быть реализованы на шлюзовых серверах КСА семейства БОР. Результаты могут быть использованы при модернизации АСУ ВВС и войск ПВО Республики Беларусь. |
| Alternative abstract: | The paper presents a classification of types of artificial intelligence suitable for use in automated control systems of the Air Force and Air Defense. Six categories of AI are considered: computer vision, natural language processing, expert systems, planners, machine learning, and robotics. For each category, examples of applications in the AF and AD are provided, and their significance for enhancing the survivability of information exchange with combat units is assessed. The most promising methods are recognized as machine learning techniques (LSTM, Random Forest, reinforcement learning), which can be implemented on the gateway servers of the ACS (BOR). The results can be used in the modernization of ACS of the AF and AD of the Republic of Belarus. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/64513 |
| Appears in Collections: | Информационные радиосистемы и радиотехнологии (2026) |
| File | Description | Size | Format | |
|---|---|---|---|---|
| Simonchik_Vidy.pdf | 401.41 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.