Моделирование радиоэлектронных средств с учетом внешних тепловых, механических и других воздействий с помощью системы АСОНИКА

А. С. Шалумов; Ивашко В. М.; Малютин Н. В.; Ю. Н. Кофанов; Тихонова Е. Ю.

Публикации

?

Моделирование радиоэлектронных средств с учетом внешних тепловых, механических и других воздействий с помощью системы АСОНИКА

Мн. : ВА РБ, 2014.

Шалумов А. С., Ивашко В. М., Малютин Н. В., Кофанов Ю. Н., Тихонова Е. Ю.

Научный редактор: Кофанов Ю. Н., Шалумов А. С.

В монографии представлены совместные мсследования Научной школы «Автоматизированная система обеспечения надёжности и качества аппаратуры АСОНИКА» (руководитель: профессор Кофанов Ю.Н. Национального исследовательского университета «Высшая школа экономики» Российской Федерации), и ученых Учреждения образования «Военная академия Республики Беларусь». Рассмотрен комплекс вопросов, связанных с созданием автоматизированной системы АСОНИКА, обеспечением виртуализации испытаний и стойкости к воздействию дестабилизирующих факторов при эксплуатации радиоэлектронных средств на базе автоматизированной системы АСОНИКА. Издание предназначено для инженерно-технических и научных работников, занимающихся вопросами обеспечения надежности и качества радиоэлектронных средств, а также для магистров и аспирантов НИУ ВШЭ РФ и ВА РБ.

Научное направление: Электроника и электротехника Компьютерные науки

Приоритетные направления: компьютерно-математическое инженерные науки

Язык: русский

Полный текст

Ключевые слова: моделирование механическое воздействие радиоэлектроника АСОНИКА тепловое воздействие

Моделирование радиоэлектронных средств с учетом внешних тепловых, механических и других воздействий с помощью системы АСОНИКА

Parallel Computational Technologies. PCT 2025

Springer, 2025.

Добавлено: 18 мая 2026 г.

KMHCR: A Key-Controlled Signal-Domain Transformation for 5G IoT Security

Ronglin Z., Wei L., Jiahong C. и др., Journal of Signal Processing Systems 2026 Vol. 98 P. 1–15

Добавлено: 16 мая 2026 г.

DPN Verifier: Инструментарий для ускоренной верификации и исправления дефектных моделей процессов с данными

Суворов Н. М., Proceedings of the Institute for System Programming of the RAS 2026 Vol. 38 No. 3(2) P. 49–66

Сети Петри с данными (DPN) являются расширением классических сетей Петри, позволяющим моделировать процессы, где данные влияют на поток управления, обеспечивая комплексное представление о поведении системы и возможность обнаружения точек отказа, которые в противном случае были бы скрыты. Одним из критериев корректности для моделей процессов является бездефектность. Модель процесса называется бездефектной, если она всегда корректно завершается ...

Добавлено: 16 мая 2026 г.

Perovskite nanoparticles Cs4PbBr6 and CsPbBr3: synthesis, analysis and peculiar optical properties

Гущина В. А., / Series chemrxiv-2023-vpzhz-v2 "ChemRxiv". 2023.

Наночастицы полностью неорганических перовскитов CsPbBr3 и Cs4PbBr6 интенсивно изучаются благодаря их уникальным свойствам и широкому спектру применений; однако природа их оптических свойств до сих пор полностью не изучена из-за сложности синтеза однофазных наночастиц. В данной статье мы описываем особенности синтеза однофазных частиц и результаты их химического и фазового анализа. Используя данные о концентрациях наночастиц, мы ...

Добавлено: 14 мая 2026 г.

Анализ погрешности измерений показателя преломления инфракрасных материалов методом наименьшего отклонения

Вишняков Г. Н., Юрин А. И., Минаев В. Л. и др., Измерительная техника 2026 Т. 75 № 2 С. 46–57

Рассмотрены проблемы метрологического обеспечения средств измерений показателя преломления твёрдых оптических материалов (кремния, германия и т. п.), применяемых в инфракрасном диапазоне спектра (инфракрасных материалов). Показатель преломления оптических материалов в инфракрасном диапазоне длин волн необходимо знать с высокой точностью при разработке оптики для тепловизоров, приборов ночного видения и т. п. В настоящее время актуальны задачи разработки отечественных ...

Добавлено: 14 мая 2026 г.

QGKM: A Quantum Fidelity-Based Graph Clustering Framework for Robust Data Pattern Recognition in Education Social Networks QGKM: A Quantum Fidelity-Based Graph Clustering Framework for Robust Data Pattern Recognition in Education Social Networks

Neal N. X., Weiqing L., Dacheng H. и др., Algorithms 2026 Vol. 19 No. 5 P. 1–22

Добавлено: 13 мая 2026 г.

Proceedings of the 9th Student Research Workshop associated with the International Conference Recent Advances in Natural Language Processing

Velichkov B., Nikolova-Koleva I., Slavcheva M., Shumen: INCOMA Ltd, 2025.

Добавлено: 12 мая 2026 г.

Методика оценки функциональной безопасности маршрутизаторов на основе вероятностно-физической модели

Полесский С. Н., Тумковский С. Р., Цветков В. Э. и др., Информационно-управляющие системы 2026 № 2 С. 49–60

Функциональная безопасность сетевых маршрутизаторов, используемых в критической информационной инфраструктуре, требует количественной оценки на основе надежностных данных. Существующие методики оценки показателей безопасности не отражают влияние физических механизмов деградации в реальных условиях эксплуатации, что снижает достоверность результатов и затрудняет принятие обоснованных технических решений. Цель: повысить точность количественной оценки функциональной безопасности маршрутизаторов путем разработки методики, учитывающей деградационные процессы и ...

Добавлено: 12 мая 2026 г.

Интегрированная среда моделирования для верификации и валидации программ управления подключенными и высокоавтоматизированными транспортными средствами

Степанянц В. Г., Долгов И. М., Хорошилов Г. С. и др., Труды Института системного программирования РАН 2026 Т. 38 № 3 С. 95–110

На рынок постепенно выходят высокоавтоматизированные и подключенные транспортные средства (ТС). В настоящее время предлагаются решения, позволяющие использовать эти технологии для совместного управления дорожным движением, что может значительно повысить его безопасность. В статье анализируются требования к интегрированной среде моделирования подключенных и высокоавтоматизированных ТС и совместной автоматизации управления дорожным движением с высокодетализированным учетом влияния окружающих объектов. Проанализированы ...

Добавлено: 12 мая 2026 г.

Connected and Automated Vehicle Scenario Manager Graphical User Interface

Тихонов Р. А., Efendiev M. T., Fedotenkov A. A., 2026 International Russian Smart Industry Conference (SmartIndustryCon) 2026 P. 542–547

Добавлено: 11 мая 2026 г.

Proceedings 2026 IEEE 11th International Conference on Smart Cloud SmartCloud 2026 8-10 May 2026

Los Alamitos: IEEE Computer Society, 2026.

Добавлено: 10 мая 2026 г.

От неизвестности к прозрачности: обзор технологий объяснимого ИИ (XAI)

Авдошин С. М., Песоцкая Е. Ю., Информационные технологии 2026 Т. 32 № 4 С. 185–194

С развитием ИИ, и в особенности глубокого обучения, появились модели, способные давать крайне точные прогнозы. Однако их внутренняя логика остается трудной для понимания — и это серьезная проблема, особенно в сферах, где от корректности алгоритма зависят критиче ски важные решения. Одним из перспективных путей ее решения считается направление Explainable Artificial Intelligence (XAI) — разработка подходов, позволяющих прояснять ...

Добавлено: 8 мая 2026 г.

Explainable AI for Industry 5.0: Shedding light on the black box

Авдошин С. М., Песоцкая Е. Ю., Business Informatics 2026 Vol. 20 No. 1 P. 7–28

Добавлено: 8 мая 2026 г.

Comparative Analysis of Students’ Perceptions of Programming Puzzles: Parson’s and Wordle-Like

Варнавский А. Н., IEEE Access 2026 Vol. 14 P. 37487–37508

Добавлено: 7 мая 2026 г.

Towards performance analysis of GPU-aware MPI over Angara interconnect

Ismagilov T., Mukosey A., Смирнов Ф. А. и др., International Journal of High Performance Computing Applications 2026 Vol. 40 No. 2 P. 240–253

Добавлено: 7 мая 2026 г.

Программные инструментальные средства для разработки мероприятий по снижению брака серийного производства

Ясницкий Л. Н., Голдобин М. А., Мезенцев А. С., Прикладная математика и вопросы управления 2025 № 2 С. 99–116

Представлен обзор современных методов и основанных на них программных инструментах, применяемых для математического моделирования серийных производственных процессов с целью снижения брака и повышения качества производимых изделий. Перечисляются группы работ, нацеленных на обнаружение и классификацию дефектов, работ, в которых решаются задачи прогнозирования образования дефектов и определения значимости параметров, работ направленных на поиск оптимального сочетания технологических параметров изготовления изделий, ...

Добавлено: 5 мая 2026 г.

Моделирование и оценка ресурсных затрат алгоритмов маршрутизации в сетях на кристалле с двумерной циркулянтной топологией

Монахова Э. А., Монахов О. Г., Рзаев Э. Р. и др., Прикладная дискретная математика 2026 Т. 71 С. 112–127

В настоящей работе исследовано совместное конструирование топологий семейств оптимальных по диаметру циркулянтных сетей $C(N; \pm 1, \pm s_2)$ и реализуемых для них оптимальных алгоритмов маршрутизации сложности $O(1)$. Предлагаемый алгоритм маршрутизации основан на использовании масштабируемых параметров $L$-образных шаблонов плотной укладки графов на плоскости для семейств оптимальных сетей. Определены аналитические формулы зависимости этих параметров от диаметра графов семейств ...

Добавлено: 4 мая 2026 г.

AlphaDent: A dataset for automated tooth pathology detection

Sosnin E. I., Vasil’ev Y. L., R.A. Solovyev и др., Computer Optics 2025 Vol. 49 No. 6 P. 1129–1137

Добавлено: 4 мая 2026 г.

Мультимодальные модели в медицинской диагностике как универсальный инструмент

Назаренко А. Г., Федоров М. В., Мошкин А. С. и др., Вестник Росздравнадзора 2026 № 1 С. 14–29

Мультимодальные фундаментальные модели и медицинские мультимодальные большие языковые модели формируют новый класс диагностических систем поддержки принятия решений, способных работать с разнородными источниками данных: медицинскими изображениями (рентген, КТ, МРТ, УЗИ, гистология), сигналами (ЭКГ, ЭЭГ), текстом (история болезни, протоколы, выписки), лабораторными показателями, данными молекулярного профилирования и др. В статье систематизированы архитектуры и стратегии обучения, обеспечивающие переносимость между ...

Добавлено: 4 мая 2026 г.

2025 IEEE/CVF International Conference on Computer Vision Workshops (ICCVW)

Honolulu: IEEE, 2025.

Добавлено: 3 мая 2026 г.

MinMAE calibration method for convolutional neural network quantization

Vasilev A., Kapitanov A., Roman Solovyev и др., PeerJ Computer Science 2026 Vol. 12 Article 3724

Добавлено: 3 мая 2026 г.

Natural hazard database from Internet publications: text mining with a large language model

Деркачева А. А., Сакиркина М. А., Краев Г. Н. и др., /. 2026.

Добавлено: 28 апреля 2026 г.

Ising models on the hydrogen peroxide and other lattices

Qin X., Deng Y., Щур Л. Н. и др., / Series arXiv "math". 2026. No. 2603.02962.