<!DOCTYPE article
PUBLIC "-//NLM//DTD JATS (Z39.96) Journal Publishing DTD v1.4 20190208//EN"
       "JATS-journalpublishing1.dtd">
<article xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" article-type="research-article" dtd-version="1.4" xml:lang="en">
 <front>
  <journal-meta>
   <journal-id journal-id-type="publisher-id">Intellectual Technologies on Transport</journal-id>
   <journal-title-group>
    <journal-title xml:lang="en">Intellectual Technologies on Transport</journal-title>
    <trans-title-group xml:lang="ru">
     <trans-title>Интеллектуальные технологии на транспорте</trans-title>
    </trans-title-group>
   </journal-title-group>
   <issn publication-format="online">2413-2527</issn>
  </journal-meta>
  <article-meta>
   <article-id pub-id-type="publisher-id">93503</article-id>
   <article-categories>
    <subj-group subj-group-type="toc-heading" xml:lang="ru">
     <subject>Статьи</subject>
    </subj-group>
    <subj-group subj-group-type="toc-heading" xml:lang="en">
     <subject>Articles</subject>
    </subj-group>
    <subj-group>
     <subject>Статьи</subject>
    </subj-group>
   </article-categories>
   <title-group>
    <article-title xml:lang="en">Стохастический процессор для определения экстремума функции регрессии</article-title>
    <trans-title-group xml:lang="ru">
     <trans-title>Стохастический процессор для определения экстремума функции регрессии</trans-title>
    </trans-title-group>
   </title-group>
   <contrib-group content-type="authors">
    <contrib contrib-type="author">
     <name-alternatives>
      <name xml:lang="ru">
       <surname>Свистунов</surname>
       <given-names>С Г</given-names>
      </name>
      <name xml:lang="en">
       <surname>Svistunov</surname>
       <given-names>S G</given-names>
      </name>
     </name-alternatives>
     <email>ssg47@mail.ru</email>
     <xref ref-type="aff" rid="aff-1"/>
    </contrib>
   </contrib-group>
   <aff-alternatives id="aff-1">
    <aff>
     <institution xml:lang="ru">Петербургский государственный университет путей сообщения Императора Александра I</institution>
     <country>ru</country>
    </aff>
    <aff>
     <institution xml:lang="en">Петербургский государственный университет путей сообщения Императора Александра I</institution>
     <country>ru</country>
    </aff>
   </aff-alternatives>
   <pub-date publication-format="print" date-type="pub" iso-8601-date="2025-01-11T23:03:04+03:00">
    <day>11</day>
    <month>01</month>
    <year>2025</year>
   </pub-date>
   <pub-date publication-format="electronic" date-type="pub" iso-8601-date="2025-01-11T23:03:04+03:00">
    <day>11</day>
    <month>01</month>
    <year>2025</year>
   </pub-date>
   <issue>1</issue>
   <fpage>5</fpage>
   <lpage>8</lpage>
   <history>
    <date date-type="received" iso-8601-date="2025-01-11T23:00:11+03:00">
     <day>11</day>
     <month>01</month>
     <year>2025</year>
    </date>
   </history>
   <self-uri xlink:href="https://itt-pgups.ru/en/nauka/article/93503/view">https://itt-pgups.ru/en/nauka/article/93503/view</self-uri>
   <abstract xml:lang="ru">
    <p>В измерительной технике, радиолокации, гидроакустике часто требуется решить адаптивную задачу идентификации, т. е. построить модель по имеющимся данным об объекте. Примерами могут служить задачи статистической оценки параметров, регрессии, робастное оценивание, рекуррентное оценивание, анализ данных и т. д. В статье предлагается использовать для решения указанной задачи адаптивный квазиградиентный алгоритм, реализуемый на стохастическом вычислительном устройстве. Предлагаемый подход дает возможность сократить время решения и упростить используемые аппаратные средства. В статье приведен подробный алгоритм функционирования специализированного вычислительного устройства.</p>
   </abstract>
   <trans-abstract xml:lang="en">
    <p>В измерительной технике, радиолокации, гидроакустике часто требуется решить адаптивную задачу идентификации, т. е. построить модель по имеющимся данным об объекте. Примерами могут служить задачи статистической оценки параметров, регрессии, робастное оценивание, рекуррентное оценивание, анализ данных и т. д. В статье предлагается использовать для решения указанной задачи адаптивный квазиградиентный алгоритм, реализуемый на стохастическом вычислительном устройстве. Предлагаемый подход дает возможность сократить время решения и упростить используемые аппаратные средства. В статье приведен подробный алгоритм функционирования специализированного вычислительного устройства.</p>
   </trans-abstract>
   <kwd-group xml:lang="ru">
    <kwd>экстремум функции регрессии</kwd>
    <kwd>адаптивные алгоритмы стохастической оптимизации</kwd>
    <kwd>стохастические вы- числительные устройства</kwd>
    <kwd>преобразователь код-вероятность</kwd>
    <kwd>ПКВ</kwd>
    <kwd>СтВУ</kwd>
   </kwd-group>
  </article-meta>
 </front>
 <body>
  <p></p>
 </body>
 <back>
  <ref-list/>
 </back>
</article>
