Все выпуски

Несмотря на многочисленные достижения современной науки, до сих пор остается нераскрытой проблема зарождения молниевого разряда в безэлектродном грозовом облаке, максимальная напряженность электрического поля в котором примерно на порядок меньше диэлектрической прочности воздуха. Хотя не вызывает сомнений тот факт, что развитие разряда начинается с появления в облаке положительных стримеров, развитие которых становится возможным при примерно вдвое меньших значениях электрического поля по сравнению с отрицательными, на настоящий момент остается неизученным вопрос о том, каким образом холодные слабопроводящие стримерные системы объединяются в горячий хорошо проводящий лидерный канал, способный к самостоятельному распространению за счет эффективной поляризации в относительно слабом внешнем поле. В данной работе представлена самоорганизующаяся транспортная модель, реализованная на примере формирования фрактального древа электрического разряда в грозовом облаке и направленная на численное моделирование процесса начальной стадии развития молниевого разряда. Среди инновационных особенностей нашего подхода, отсутствующих в других численных моделях развития молнии, можно выделитьот сутствие привязки элементов проводящей структуры графа к узлам пространственной решетки, высокое пространственно-временное разрешение и учет временной эволюции электрических параметров транспортных каналов. Кроме того, модельучи тывает известную из многочисленных экспериментов асимметрию полей развития положительных и отрицательных стримеров. В рамках используемого подхода результирующий хорошо проводящий лидерный канал формируется за счет коллективного эффекта объединения токов десятков тысяч взаимодействующих между собой стримеров, каждый из которых изначально обладает пренебрежимо малой проводимостью и температурой, не отличающейся от температуры окружающей среды. Модельное биполярное древо представляет собой направленный граф (имеет положительную и отрицательную части) и имеет морфологические и электро-динамические характеристики, промежуточные между лабораторной длинной искрой и развитой молнией. Модель имеет универсальный характер, что при необходимости позволяет использовать ее в рамках других задач, связанных с исследованием транспортных (в широком смысле слова) сетей.

Despite numerous achievements of modern science the problem of lightning initiation in an electrodeless thundercloud, the maximum electric field strength inside which is approximately an order of magnitude lower than the dielectric strength of air, remains unsolved. Although there is no doubt that discharge activity begins with the appearance of positive streamers, which can develop under approximately half the threshold electric field as compared to negative ones, it remains unexplored how cold weakly conducting streamer systems unite in a joint hot well-conducting leader channel capable of self-propagation due to effective polarization in a relatively small external field. In this study, we present a self-organizing transport model which is applied to the case of electric discharge tree formation in a thundercloud. So, the model is aimed at numerical simulation of the initial stage of lightning discharge development. Among the innovative features of the model are the absence of grid spacing, high spatiotemporal resolution, and consideration of temporal evolution of electrical parameters of transport channels. The model takes into account the widely known asymmetry between threshold fields needed for positive and negative streamers development. In our model, the resulting well-conducting leader channel forms due to collective effect of combining the currents of tens of thousands of interacting streamer channels each of which initially has negligible conductivity and temperature that does not differ from the ambient one. The model bipolar tree is a directed graph (it has both positive and negative parts). It has morphological and electrodynamic characteristics which are intermediate between laboratory long spark and developed lightning. The model has universal character which allows to use it in other tasks related to the study of transport (in the broad sense of the word) networks.

Изменения численности y образующихся популяций могут развиваться по нескольким динамическим сценариям. Для стремительных биологических инвазий оказывается важным фактор времени выработки реакции противодействия со стороны биотического окружения. Известны два классических эксперимента с разным завершением противоборства биологических видов. В опытах Гаузе с инфузориями вселенный хищник после кратких осцилляций полностью уничтожал свой ресурс, так его $r$-параметр для созданных условий стал избыточен. Собственная репродуктивная активность не регулировалась дополнительными факторами и в результате становилась критичной для вселенца. В экспериментах Утиды с жуками и выпущенными паразитическими осами виды сосуществовали. В ситуации, когда популяцию с высоким репродуктивным потенциалом регулируют несколько естественных врагов, могут возникать интересные динамические эффекты, наблюдавшиеся у фитофагов в вечнозеленом лесу Австралии. Паразитические перепончатокрылые, конкурируя между собой, создают для быстро размножающихся вредителей псиллид систему регуляции с запаздыванием, когда допускается быстрое увеличение локальной популяции, но не превышающее порогового значения численности вредителя. В работе предложена модель на основе дифференциального уравнения с запаздыванием, описывающая сценарий адаптационной регуляции для популяции с большим репродуктивным потенциалом при активном, но запаздывающем противодействии с пороговой регуляцией данного вновь возникшего воздействия. За кратким максимумом следует быстрое сокращение численности, но минимизация не становится критической для популяции. Показано, что усложнение функции регуляции биотического противодействия приводит к стабилизации динамики после прохождения минимума численности быстро размножающимся видом. Для гибкой системы переходные режимы «рост/кризис» ведут к поиску нового равновесия в эволюционном противостоянии.

Changes in abundance for emerging populations can develop according to several dynamic scenarios. After rapid biological invasions, the time factor for the development of a reaction from the biotic environment will become important. There are two classic experiments known in history with different endings of the confrontation of biological species. In Gause’s experiments with ciliates, the infused predator, after brief oscillations, completely destroyed its resource, so its $r$-parameter became excessive for new conditions. Its own reproductive activity was not regulated by additional factors and, as a result, became critical for the invader. In the experiments of the entomologist Uchida with parasitic wasps and their prey beetles, all species coexisted. In a situation where a population with a high reproductive potential is regulated by several natural enemies, interesting dynamic effects can occur that have been observed in phytophages in an evergreen forest in Australia. The competing parasitic hymenoptera create a delayed regulation system for rapidly multiplying psyllid pests, where a rapid increase in the psyllid population is allowed until the pest reaches its maximum number. A short maximum is followed by a rapid decline in numbers, but minimization does not become critical for the population. The paper proposes a phenomenological model based on a differential equation with a delay, which describes a scenario of adaptive regulation for a population with a high reproductive potential with an active, but with a delayed reaction with a threshold regulation of exposure. It is shown that the complication of the regulation function of biotic resistance in the model leads to the stabilization of the dynamics after the passage of the minimum number by the rapidly breeding species. For a flexible system, transitional regimes of growth and crisis lead to the search for a new equilibrium in the evolutionary confrontation.

Eco-epidemiological models provide insights into factors influencing disease transmission and host population stability. This study developed two eco-epidemiological models to investigate the impacts of prey refuge availability and an Allee effect on dynamics. Model A incorporated these mechanisms, while model B did not. Both models featured predator – prey and disease transmission and were analyzed mathematically and via simulation. Model equilibrium states were examined locally and globally under differing parameter combinations representative of environmental scenarios. Model A and B demonstrated globally stable conditions within certain parameter ranges, signalling refuge and Allee effect terms promote robustness. Moreover, model A showed a higher potential toward extinction of the species as a result of incorporating the Allee effect. Bifurcation analyses revealed qualitative shifts in behavior triggered by modifications like altered predation mortality. Model A manifested a transcritical bifurcation indicating critical population thresholds. Additional bifurcation types were noticed when refuge and Allee stabilizing impacts were absent in model B. Findings showed disease crowding effect and that host persistence is positively associated with refuge habitat, reducing predator – prey encounters. The Allee effect also calibrated stability via heightened sensitivity to small groups. Simulations aligned with mathematical predictions. Model A underwent bifurcations at critical predator death rates impacting prey outcomes. This work provides a valuable framework to minimize transmission given resource availability or demographic alterations, generating testable hypotheses.

Eco-epidemiological models provide insights into factors influencing disease transmission and host population stability. This study developed two eco-epidemiological models to investigate the impacts of prey refuge availability and an Allee effect on dynamics. Model A incorporated these mechanisms, while model B did not. Both models featured predator – prey and disease transmission and were analyzed mathematically and via simulation. Model equilibrium states were examined locally and globally under differing parameter combinations representative of environmental scenarios. Model A and B demonstrated globally stable conditions within certain parameter ranges, signalling refuge and Allee effect terms promote robustness. Moreover, model A showed a higher potential toward extinction of the species as a result of incorporating the Allee effect. Bifurcation analyses revealed qualitative shifts in behavior triggered by modifications like altered predation mortality. Model A manifested a transcritical bifurcation indicating critical population thresholds. Additional bifurcation types were noticed when refuge and Allee stabilizing impacts were absent in model B. Findings showed disease crowding effect and that host persistence is positively associated with refuge habitat, reducing predator – prey encounters. The Allee effect also calibrated stability via heightened sensitivity to small groups. Simulations aligned with mathematical predictions. Model A underwent bifurcations at critical predator death rates impacting prey outcomes. This work provides a valuable framework to minimize transmission given resource availability or demographic alterations, generating testable hypotheses.

В статье рассматривается процесс создания эффективного алгоритма для определения количества излученных квантов с рентгеновской трубки в исследованиях компьютерной томографии. Анализ отечественной и зарубежной литературы показал, что большинство работ в области радиометрии и радиографии принимают во внимание табличные значения показателей поглощения рентгеновского излучения, а индивидуальные показатели дозы не учитывают вовсе, т. к. во многих исследованиях отсутствует радиометрический отчет (Dose Report) и для облегчения расчетов статистики применяется средний показатель. В связи с этим было принято решение разработать средства выявления данных об ионизирующей нагрузке путем анализа шума компьютерной томографии (КТ). В качестве основы алгоритма принята математическая модель распределения шума собственной разработки на основе распределения Пуассона и Гаусса от логарифмической величины. Результирующая математическая модель проверялась на данных КТ калибровочного фантома, состоящего из трех пластиковых цилиндров, заполненных водой, коэффициент поглощения рентгеновского излучения которых известен из табличных значений. Данные были получены с нескольких КТ приборов различных производителей (Siemens, Toshiba, GE, Phillips). Разработанный алгоритм позволил рассчитать количество излученных квантов рентгеновского излучения за единицу времени. Эти данные, с учетом уровня шума и радиусов цилиндров, были преобразованы в величины поглощения рентгеновского излучения, после чего проводилось сравнение с табличными значениями. В результате работы алгоритма с данными КТ различных конфигураций были получены экспериментальные данные, согласующиеся с теоретической частью и математической моделью. Результаты показали хорошую точность алгоритма и математического аппарата, что может говорить о достоверности полученных данных. Данная математическая модель уже применяется в программе шумоподавления КТ собственной разработки, где она участвует в качестве средства создания динамического порога шумоподавления. В данный момент алгоритм проходит процедуру доработки для работы с реальными данными компьютерной томографии пациентов.

The article deals with the process of creating an effective algorithm for determining the amount of emitted quanta from an X-ray tube in computer tomography (CT) studies. An analysis of domestic and foreign literature showed that most of the work in the field of radiometry and radiography takes the tabulated values of X-ray absorption coefficients into account, while individual dose factors are not taken into account at all since many studies are lacking the Dose Report. Instead, an average value is used to simplify the calculation of statistics. In this regard, it was decided to develop a method to detect the amount of ionizing quanta by analyzing the noise of CT data. As the basis of the algorithm, we used Poisson and Gauss distribution mathematical model of owns’ design of logarithmic value. The resulting mathematical model was tested on the CT data of a calibration phantom consisting of three plastic cylinders filled with water, the X-ray absorption coefficient of which is known from the table values. The data were obtained from several CT devices from different manufacturers (Siemens, Toshiba, GE, Phillips). The developed algorithm made it possible to calculate the number of emitted X-ray quanta per unit time. These data, taking into account the noise level and the radiuses of the cylinders, were converted to X-ray absorption values, after which a comparison was made with tabulated values. As a result of this operation, the algorithm used with CT data of various configurations, experimental data were obtained, consistent with the theoretical part and the mathematical model. The results showed good accuracy of the algorithm and mathematical apparatus, which shows reliability of the obtained data. This mathematical model is already used in the noise reduction program of the CT of own design, where it participates as a method of creating a dynamic threshold of noise reduction. At the moment, the algorithm is being processed to work with real data from computer tomography of patients.

В данной работе изучаются механизмы рабочей памяти в импульсных нейронных сетях, состоящих из нейронов – интеграторов с утечкой и адаптивным порогом при включенной синаптической пластичности. Исследовались относительно небольшие сети, включающие тысячи нейронов. Рабочая память трактовалась как способность нейронной сети удерживать в своем состоянии информацию о предъявленных ей в недавнем прошлом стимулах, так что по этой информации можно было бы определить, какой стимул был предъявлен. Под состоянием сети в данном исследовании понимаются только характеристики активности сети, не включая внутреннего состояния ее нейронов. Для выявления нейронных структур, которые могли бы выполнять функцию носителей рабочей памяти, была проведена оптимизация параметров и структуры импульсной нейронной сети с помощью генетического алгоритма. Были обнаружены два типа таких нейронных структур: пары нейронов, соединенных связями с большими весами, и длинные древовидные нейронные цепи. Было показано, что качественная рабочая память может быть реализована только с помощью сильно связанных нейронных пар. В работе исследованы свойства таких ячеек памяти и образуемых ими структур. Показано, что характеристики изучаемых двухнейронных ячеек памяти легко задаются параметрами входящих в них нейронов и межнейронных связей. Выявлен интересный эффект повышения селективности пары нейронов за счет несовпадения наборов их афферентных связей и взаимной активации. Продемонстрировано также, что ансамбли таких структур могут быть использованы для реализации обучения без учителя распознаванию паттернов во входном сигнале.

Working memory mechanisms in spiking neural networks consisting of leaky integrate-and-fire neurons with adaptive threshold and synaptic plasticity are studied in this work. Moderate size networks including thousands of neurons were explored. Working memory is a network ability to keep in its state the information about recent stimuli presented to the network such that this information is sufficient to determine which stimulus has been presented. In this study, network state is defined as the current characteristics of network activity only — without internal state of its neurons. In order to discover the neuronal structures serving as a possible substrate of the memory mechanism, optimization of the network parameters and structure using genetic algorithm was carried out. Two kinds of neuronal structures with the desired properties were found. These are neuron pairs mutually connected by strong synaptic links and long tree-like neuronal ensembles. It was shown that only the neuron pairs are suitable for efficient and reliable implementation of working memory. Properties of such memory units and structures formed by them are explored in the present study. It is shown that characteristics of the studied two-neuron memory units can be set easily by the respective choice of the parameters of its neurons and synaptic connections. Besides that, this work demonstrates that ensembles of these structures can provide the network with capability of unsupervised learning to recognize patterns in the input signal.

Изучается динамика общественного внимания к эпидемии COVID-19 в ряде стран. При этом в качестве индикатора общественного внимания взято количество поисковых запросов в Google, сделанных в течение суток пользователями изданной страны. В эмпирической части работы рассмотрены данные относительно количества запросов и количества новых заболевших для ряда стран. Показано, что во всех рассмотренных странах максимум общественного внимания наступил ранее максимума количества новых зараженных за день. Тем самым обнаружено, что в течение некоторого периода времени рост эпидемии происходит параллельно со спадом общественного внимания к ней. Также показано, что спад количества запросов описывается экспоненциальной функцией времени. Для того чтобы описать выявленную эмпирическую зависимость, предложена математическая модель, представляющая собой модификацию модели спада внимания после одноразового политического события. Модель развивает подход, рассматривающий принятие решения индивидом как членом социума, в котором происходит информационный процесс. В рамках этого подхода предполагается, что решение индивида о том, делать ли в данный день поисковый запрос на тему COVID, формируется на основании двух факторов. Один изн их — это установка, отражающая долгосрочную заинтересованность индивида в данной теме и аккумулирующая предыдущий опыт индивида, его культурные предпочтения, социальное и экономическое положение. Второй — динамический фактор общественного внимания к данному процессу — изменяется в течение рассматриваемого процесса под влиянием информационных стимулов. Применительно к рассматриваемой тематике информационные стимулы связны с эпидемической динамикой. Пове- денческая гипотеза состоит в том, что если в некоторый день сумма установки и динамического фактора превышает некоторую пороговую величину, то в этот день индивид делает поисковый запрос на тему COVID. Общая логика состоит в том, что чем выше скорость роста числа заболевших, тем выше информационный стимул, тем медленнее убывает общественное внимание к пандемии. Таким образом, построенная модель позволила соотнести скорость экспоненциального убывания количества запросов со скоростью роста количества заболевших. Обнаруженная с помощью модели закономерность проверена на эмпирических данных. Получено, что статистика Стьюдента равна 4,56, что позволяет отклонить гипотезу об отсутствии корреляционной связи с уровнем значимости 0,01.

The dynamics of public attention to COVID-19 epidemic is studied. The level of public attention is described by the daily number of search requests in Google made by users from a given country. In the empirical part of the work, data on the number of requests and the number of infected cases for a number of countries are considered. It is shown that in all cases the maximum of public attention occurs earlier than the maximum daily number of newly infected individuals. Thus, for a certain period of time, the growth of the epidemics occurs in parallel with the decline in public attention to it. It is also shown that the decline in the number of requests is described by an exponential function of time. In order to describe the revealed empirical pattern, a mathematical model is proposed, which is a modification of the model of the decline in attention after a one-time political event. The model develops the approach that considers decision-making by an individual as a member of the society in which the information process takes place. This approach assumes that an individual’s decision about whether or not to make a request on a given day about COVID is based on two factors. One of them is an attitude that reflects the individual’s long-term interest in a given topic and accumulates the individual’s previous experience, cultural preferences, social and economic status. The second is the dynamic factor of public attention to the epidemic, which changes during the process under consideration under the influence of informational stimuli. With regard to the subject under consideration, information stimuli are related to epidemic dynamics. The behavioral hypothesis is that if on some day the sum of the attitude and the dynamic factor exceeds a certain threshold value, then on that day the individual in question makes a search request on the topic of COVID. The general logic is that the higher the rate of infection growth, the higher the information stimulus, the slower decreases public attention to the pandemic. Thus, the constructed model made it possible to correlate the rate of exponential decrease in the number of requests with the rate of growth in the number of cases. The regularity found with the help of the model was tested on empirical data. It was found that the Student’s statistic is 4.56, which allows us to reject the hypothesis of the absence of a correlation with a significance level of 0.01.

Эпидемии серьезно дестабилизируют экономику, снижая производительность, ослабляя потребительскую активность и перегружая общественные ресурсы, что часто приводит к экономическим кризисам. Пандемия COVID-19 продемонстрировала ключевую роль нематериальных мер, таких как карантин, в сдерживании распространения инфекционных заболеваний. Данное исследование изучает, как развитие эпидемии и введение карантинных мер влияют на экономическое благополучие населения. С помощью компартментальных моделей на основе обыкновенных дифференциальных уравнений (ОДУ) анализируется взаимосвязь между динамикой заболевания и экономическими последствиями, особенно фокусируясь на том, как различные строгости карантина воздействуют как на распространение болезни, так и на благосостояние населения. Результаты показывают, что эпидемии наносят значительный экономический ущерб, однако своевременные и строгие карантинные меры могут снизить нагрузку на систему здравоохранения, резко уменьшая пик заражений и замедляя развитие эпидемии. Тем не менее, стратегически продуманное ослабление карантина не менее важно для предотвращения повторных вспышек. Исследование выявляет ключевые эпидемиологические пороговые значения, такие как скорость передачи, уровень выздоровления и базовое репродуктивное число $(\mathfrak{R}_0)$, которые определяют эффективность карантина. Аналитически определяется оптимальная доля изолированных лиц, необходимая для минимизации общего числа заражений в условиях постоянного иммунитета. С экономической точки зрения, влияние карантина оценивается через динамику благосостояния населения: показано, что экономические последствия зависят от доли изолированных, но сохраняющих экономическую активность граждан. Чем выше эта доля, тем лучше сохраняется благосостояние даже при фиксированных эпидемиологических параметрах. Эти выводы предоставляют властям практические рекомендации для разработки сбалансированных карантинных стратегий, способных сдерживать распространение болезней и одновременно защищать экономическую стабильность в будущих кризисах.

Epidemics severely destabilize economies by reducing productivity, weakening consumer spending, and overwhelming public infrastructure, often culminating in economic recessions. The COVID-19 pandemic underscored the critical role of nonpharmaceutical interventions, such as lockdowns, in containing infectious disease transmission. This study investigates how the progression of epidemics and the implementation of lockdown policies shape the economic well-being of populations. By integrating compartmental ordinary differential equation (ODE) models, the research analyzes the interplay between epidemic dynamics and economic outcomes, particularly focusing on how varying lockdown intensities influence both disease spread and population wealth. Findings reveal that epidemics inflict significant economic damage, but timely and stringent lockdowns can mitigate healthcare system overload by sharply reducing infection peaks and delaying the epidemic’s trajectory. However, carefully timed lockdown relaxation is equally vital to prevent resurgent outbreaks. The study identifies key epidemiological thresholds—such as transmission rates, recovery rates, and the basic reproduction number $(\mathfrak{R}0)$ — that determine the effectiveness of lockdowns. Analytically, it pinpoints the optimal proportion of isolated individuals required to minimize total infections in scenarios where permanent immunity is assumed. Economically, the analysis quantifies lockdown impacts by tracking population wealth, demonstrating that economic outcomes depend heavily on the fraction of isolated individuals who remain economically productive. Higher proportions of productive individuals during lockdowns correlate with better wealth retention, even under fixed epidemic conditions. These insights equip policymakers with actionable frameworks to design balanced lockdown strategies that curb disease spread while safeguarding economic stability during future health crises.

Посты в социальных сетях являются важным индикатором, отображающим положение активов на финансовом рынке. В статье описывается жесткое решение задачи классификации для определения влияния активности в социальных сетях на движение финансового рынка. Отбираются аккаунты авторитетных в сообществе крипто-трейдеров-инфлюенсеров. В качестве данных используются специальные пакеты сообщений, которые состоят из текстовых постов, взятых из Twitter. Приведены способы предобработки текста, заключающиеся в лемматизации Stanza и применении регулярных выражений, для очищения зашумленных текстов, особенностью которых является многочисленное употребление сленговых слов и сокращений. Решается задача бинарной классификации, где слово рассматривается как элемент вектора единицы данных. Для более точного описания криптовалютной активности ищутся наилучшие параметры разметки для обработки свечей Binance. Методы выявления признаков, необходимых для точного описания текстовых данных и последующего процесса установления зависимости, представлены в виде машинного обучения и статистического анализа. В качестве первого используется отбор признаков на основе критерия информативности, который применяется при разбиении решающего дерева на поддеревья. Такой подход реализован в модели случайного леса и актуален для задачи выбора значимых для «стрижки деревьев» признаков. Второй же основан на жестком составлении бинарного вектора в ходе грубой проверки наличия либо отсутствия слова в пакете и подсчете суммы элементов этого вектора. Затем принимается решение в зависимости от преодоления этой суммой порогового значения, базирующегося на уровне, предварительно подобранном с помощью анализа частотного распределения упоминаний слова. Алгоритм, используемый для решения проблемы, был назван бенчмарком и проанализирован в качестве инструмента. Подобные алгоритмы часто используются в автоматизированных торговых стратегиях. В процессе исследования также описаны наблюдения влияния часто встречающихся в тексте слов, которые используются в качестве базиса размерностью 2 и 3 при векторизации.

Social media is a crucial indicator of the position of assets in the financial market. The paper describes the rigid solution for the classification problem to determine the influence of social media activity on financial market movements. Reputable crypto traders influencers are selected. Twitter posts packages are used as data. The methods of text, which are characterized by the numerous use of slang words and abbreviations, and preprocessing consist in lemmatization of Stanza and the use of regular expressions. A word is considered as an element of a vector of a data unit in the course of solving the problem of binary classification. The best markup parameters for processing Binance candles are searched for. Methods of feature selection, which is necessary for a precise description of text data and the subsequent process of establishing dependence, are represented by machine learning and statistical analysis. First, the feature selection is used based on the information criterion. This approach is implemented in a random forest model and is relevant for the task of feature selection for splitting nodes in a decision tree. The second one is based on the rigid compilation of a binary vector during a rough check of the presence or absence of a word in the package and counting the sum of the elements of this vector. Then a decision is made depending on the superiority of this sum over the threshold value that is predetermined previously by analyzing the frequency distribution of mentions of the word. The algorithm used to solve the problem was named benchmark and analyzed as a tool. Similar algorithms are often used in automated trading strategies. In the course of the study, observations of the influence of frequently occurring words, which are used as a basis of dimension 2 and 3 in vectorization, are described as well.

Оптимизация промысла остается важной задачей математической биологии. Концепция максимального равновесного изъятия MSY, популярная в теории оптимальной эксплуатации, предполагает поддержание численности популяции на уровне максимального воспроизводства, что в теории позволяет балансировать между экономической выгодой и сохранением биоресурсов. Однако этот подход имеет ограничения, обусловленные сложной структурой популяций и нелинейностью динамических процессов. Особую проблему представляют эволюционные последствия: селективный промысел изменяет условия отбора, что ведет к трансформации поведенческих характеристик, ухудшению качества потомства и изменению генофонда. Влияние неселективного промысла на генетический состав изучено меньше.

В работе исследуется влияние неселективного промысла с постоянной долей изъятия на эволюцию генетически неоднородной популяции. Предполагается, что генетическое разнообразие контролируется одним локусом с двумя аллелями. При высокой и низкой численности преимущество получают разные генотипы: одни более плодовиты (r-стратегия), другие более устойчивы к ограничению по ресурсам (K-стратегия). Рассматривается классическая эколого-генетическая модель с дискретным временем в предположении, что приспособленность каждого из генотипов линейно зависит от популяционной численности. Включение в модель коэффициента промыслового изъятия позволяет связать задачу оптимизации промысла с задачей прогноза отбора генотипов.

Аналитически показано, что при промысле, обеспечивающем максимальный устойчивый улов (MSY), равновесный генетический состав не меняется, а численность снижается вдвое, при этом тип генетического равновесия может измениться. Это связано с тем, что оптимальная доля изъятия для одного генетического равновесия не является оптимальной для других. В отсутствие промысла доминируют K-стратеги, но изъятие особей может сместить баланс в пользу r-стратегов, чья высокая плодовитость компенсирует потери. Определены критические уровни изъятия, при которых происходит смена доминирующей стратегии.

Результаты объясняют, почему промысловые популяции медленно восстанавливаются после прекращения эксплуатации: промысел закрепляет адаптации, выгодные при изъятии, но снижающие устойчивость в естественных условиях. Например, у песцов в неволе закрепляются высокопродуктивные генотипы, тогда как в природе преобладают особи с меньшей плодовитостью, но большей выживаемостью. Это указывает на необходимость учета генетической динамики при разработке стратегий устойчивого промысла.

The problem of harvest optimization remains a central challenge in mathematical biology. The concept of Maximum Sustainable Yield (MSY), widely used in optimal exploitation theory, proposes maintaining target populations at levels ensuring maximum reproduction, theoretically balancing economic benefits with resource conservation. While MSYbased management promotes population stability and system resilience, it faces significant limitations due to complex intrapopulation structures and nonlinear dynamics in exploited species. Of particular concern are the evolutionary consequences of harvesting, as artificial selection may drive changes divergent from natural selection pressures. Empirical evidence confirms that selective harvesting alters behavioral traits, reduces offspring quality, and modifies population gene pools. In contrast, the genetic impacts of non-selective harvesting remain poorly understood and require further investigation.

This study examines how non-selective harvesting with constant removal rates affects evolution in genetically heterogeneous populations. We model genetic diversity controlled by a single diallelic locus, where different genotypes dominate at high/low densities: r-strategists (high fecundity) versus K-strategists (resource-limited resilience). The classical ecological and genetic model with discrete time is considered. The model assumes that the fitness of each genotype linearly depends on the population size. By including the harvesting withdrawal coefficient, the model allows for linking the problem of optimizing harvest with the that of predicting genotype selection.

Analytical results demonstrate that under MSY harvesting the equilibrium genetic composition remains unchanged while population size halves. The type of genetic equilibrium may shift, as optimal harvest rates differ between equilibria. Natural K-strategist dominance may reverse toward r-strategists, whose high reproduction compensates for harvest losses. Critical harvesting thresholds triggering strategy shifts were identified.

These findings explain why exploited populations show slow recovery after harvesting cessation: exploitation reinforces adaptations beneficial under removal pressure but maladaptive in natural conditions. For instance, captive arctic foxes select for high-productivity genotypes, whereas wild populations favor lower-fecundity/higher-survival phenotypes. This underscores the necessity of incorporating genetic dynamics into sustainable harvesting management strategies, as MSY policies may inadvertently alter evolutionary trajectories through density-dependent selection processes. Recovery periods must account for genetic adaptation timescales in management frameworks.

Segmentation of medical image is one of the most challenging tasks in analysis of medical image. It classifies the organs pixels or lesions from medical images background like MRI or CT scans, that is to provide critical information about the human organ’s volumes and shapes. In scientific imaging field, medical imaging is considered one of the most important topics due to the rapid and continuing progress in computerized medical image visualization, advances in analysis approaches and computer-aided diagnosis. Digital image processing becomes more important in healthcare field due to the growing use of direct digital imaging systems for medical diagnostics. Due to medical imaging techniques, approaches of image processing are now applicable in medicine. Generally, various transformations will be needed to extract image data. Also, a digital image can be considered an approximation of a real situation includes some uncertainty derived from the constraints on the process of vision. Since information on the level of uncertainty will influence an expert’s attitude. To address this challenge, we propose novel framework involving interval concept that consider a good tool for dealing with the uncertainty, In the proposed approach, the medical images are transformed into interval valued representation approach and entropies are defined for an image object and background. Then we determine a threshold for lower-bound image and for upper-bound image, and then calculate the mean value for the final output results. To demonstrate the effectiveness of the proposed framework, we evaluate it by using synthetic image and its ground truth. Experimental results showed how performance of the segmentation-based entropy threshold can be enhanced using proposed approach to overcome ambiguity.

Segmentation of medical image is one of the most challenging tasks in analysis of medical image. It classifies the organs pixels or lesions from medical images background like MRI or CT scans, that is to provide critical information about the human organ’s volumes and shapes. In scientific imaging field, medical imaging is considered one of the most important topics due to the rapid and continuing progress in computerized medical image visualization, advances in analysis approaches and computer-aided diagnosis. Digital image processing becomes more important in healthcare field due to the growing use of direct digital imaging systems for medical diagnostics. Due to medical imaging techniques, approaches of image processing are now applicable in medicine. Generally, various transformations will be needed to extract image data. Also, a digital image can be considered an approximation of a real situation includes some uncertainty derived from the constraints on the process of vision. Since information on the level of uncertainty will influence an expert’s attitude. To address this challenge, we propose novel framework involving interval concept that consider a good tool for dealing with the uncertainty, In the proposed approach, the medical images are transformed into interval valued representation approach and entropies are defined for an image object and background. Then we determine a threshold for lower-bound image and for upper-bound image, and then calculate the mean value for the final output results. To demonstrate the effectiveness of the proposed framework, we evaluate it by using synthetic image and its ground truth. Experimental results showed how performance of the segmentation-based entropy threshold can be enhanced using proposed approach to overcome ambiguity.