Текущий выпуск Номер 1, 2026 Том 18

Все выпуски

Результаты поиска по 'агентный подход':
Найдено статей: 18
  1. От редакции
    Компьютерные исследования и моделирование, 2018, т. 10, № 6, с. 733-735
    Просмотров за год: 20.
  2. От редакции
    Компьютерные исследования и моделирование, 2019, т. 11, № 5, с. 773-776
  3. От редакции
    Компьютерные исследования и моделирование, 2020, т. 12, № 3, с. 471-473
  4. От редакции
    Компьютерные исследования и моделирование, 2022, т. 14, № 5, с. 999-1002
  5. От редакции
    Компьютерные исследования и моделирование, 2023, т. 15, № 5, с. 1099-1101
  6. От редакции
    Компьютерные исследования и моделирование, 2024, т. 16, № 3, с. 581-584
  7. От редакции
    Компьютерные исследования и моделирование, 2024, т. 16, № 6, с. 1341-1343
  8. От редакции
    Компьютерные исследования и моделирование, 2026, т. 18, № 1, с. 5-8
  9. Топаж А.Г., Абрамова А.В., Толстопятов С.Е.
    Дискретные модели популяционной динамики: достоинства, проблемы и обоснование
    Компьютерные исследования и моделирование, 2016, т. 8, № 2, с. 267-284

    Работа посвящена анализу достоинств, недостатков и обоснований применимости дискретных моделей в динамике популяций. Под дискретизацией в общем смысле понимается замена непрерывных величин их дискретными аналогами, то есть сведение задачи от непрерывных к перечислимым множествам. Рассмотрены прецеденты использования временной, пространственной и структурной дискретизации в типичных задачах математической экологии и совершена попытка оценить степень адекватности и границы применимости соответствующих моделей.

    Ключевые слова: дискретные модели, дискретизация, уравнение Ферхюльста, динамика популяций, математическая экология, агентный подход.
    Просмотров за год: 6. Цитирований: 6 (РИНЦ).
  10. Кондратьев М.А.
    Методы прогнозирования и модели распространения заболеваний
    Компьютерные исследования и моделирование, 2013, т. 5, № 5, с. 863-882

    Число работ, посвященных прогнозированию инфекционной заболеваемости, стремительно растет по мере появления статистики, позволяющей провести анализ. В настоящей статье представлен обзор основных решений, доступных сегодня для формирования как краткосрочных, так и долгосрочных проекций заболеваемости; указаны их ограничения и возможности практического применения. Рассмотрены традиционные методы анализа временных рядов — регрессионные и авторегрессионные модели; подходы, опирающиеся на машинное обучение — байесовские сети и искусственные нейронные сети; рассуждения на основе прецедентов; техники, базирующиеся на решении задачи фильтрации. Перечислены важнейшие направления разработки математических моделей распространения заболевания: классические аналитические модели, детерминированные и стохастические, а также современные имитационные модели, сетевые и агентные.

    Ключевые слова: прогнозирование заболеваемости, поточечные оценки, регрессионные модели, АРПСС, скрытые марковские модели, метод аналогий, экспоненциальное сглаживание, SIR, модель Барояна–Рвачева, клеточные автоматы, популяционные модели, агентные модели.
    Просмотров за год: 71. Цитирований: 19 (РИНЦ).
Страницы: следующая

Журнал индексируется в Scopus

Полнотекстовая версия журнала доступна также на сайте научной электронной библиотеки eLIBRARY.RU

Журнал входит в систему  Российского индекса научного цитирования.

Журнал включен в базу данных Russian Science Citation Index (RSCI) на платформе Web of Science

Международная Междисциплинарная Конференция "Математика. Компьютер. Образование"

Международная Междисциплинарная Конференция МАТЕМАТИКА. КОМПЬЮТЕР. ОБРАЗОВАНИЕ.

Website Copyright © 2009–2026 Институт компьютерных исследований