Розроблено та досліджено новий клас математичних і фізичних моделей відображення та перетворення двомірної інформації в системах штучного інтелекту. Розглянуто механізми генерації хаотичних процесів у вигляді множин праобразів вихідної інформації, що мають лічильне число розривів регулярності. Для моделювання хаотичних процесів запропоновано механізми комбінаторно-топологічного перетворення інформації. Розвиток хаотичного процесу в часі розглянуто у вигляді послідовності перехідних процесів, що розвиваються на дискретній фазовій площині. Визначено основні топологічні інваріанти дискретних множин та їх безперервних перетворень. Досліджено процеси взаємодії інтелектуальних систем зі стохастичними впливами. Розглянуто питання забезпечення оптимальності систем за рахунок забезпечення стійкості системи психофізичних станів особи, що приймає рішення.

Составлена матрица вероятностей правильных решений и ошибок радиолокационного распознавания и показано, что сочетание пространственного и амплитудного признаков обеспечивает высокую достоверность распознавания и в условиях пересекающихся гипотез о классах объектов.

Сформульовано типові нештатні ситуації, які виникають внаслідок некерованого руху зенітних керованих ракет із-за можливих відмов в бортовий або в наземної апаратурі при стрільбах ЗРК С-300П, та що необхідні при розрахунках зон небезпеки. Наведено формули для розрахунку ризиків (ймовірностей) виникнення нештатних ситуацій.

Розглянуто розробку пропозицій щодо вимірювання кутових координат групової цілі, що не розділяється за дальністю та швидкістю амплітудним радіопеленгатором з сумарно різницевою обробкою сигналів і обгрунтування структури вимірювача.

На основі аналізу сигналів в приймальних каналах моноімпульсного пеленгатора РЛС супроводження запропоновано метод вимірювання кутових розмірів групової цілі в горизонтальній та вертикальній площинах, та перетворення їх у геометричні розмірі, що надає змогу відрізняти групову ціль від одиночної та тим самим забезпечувати бойову обслугу ЗРК достовірною інформацією про складність цілі, що підлягає обстрілу.

Значною актуальністю в області інформаційних технологій користуються моделі та методи, які дозволяють проводити інтелектуальну обробку та систематизацію даних. Серед таких моделей можна виділити моделі, які працюють на основі біологічних принципів організації обчислень, такі як штучні нейронні мережі, генетичні алгоритми та штучні імунні системи. На сьогоднішній день існує декілька видів моделей штучних імунних систем, які використовують специфічні імунні оператори, що впливають на швидкість роботи моделі та якість вирішення практичних задач. Мета роботи - дослідження впливу організації роботи найбільш поширених імунних операторів на швидкість роботи імунних алгоритмів та точність прийняття рішення щодо класифікації об'єктів з контрольованим навчанням. Об'єктом дослідження є імунні оператори клонування, мутації та супресії, а також оцінка швидкості процесу формування імунної відповіді мережі антитіл на популяцію антигенів. Предметом дослідження є модель штучно імунної мережі та алгоритм aiNET, імунні оператори та їх вплив на процес формування імунної відповіді для класифікації об'єктів з контрольованим навчанням. Запропоновано оптимальне налаштування імунних операторів для забезпечення високої швидкості формування імунної відповіді алгоритмом aiNET під час вирішення задачі класифікації. Окрім того запропоновано використання цільових імунних об'єктів для пришвидшення класифікації антитіл, що не набули стану специфічності до антигенів навчальної вибірки. Висновок: модифікований метод aiNET класифікації з контрольованим навчанням планується використовувати у подальшому для керування поведінкою персонажів в ігрових додатках типу action.