Рассмотрен вопрос перехода от моделей методологии агентно-ориентированного анализа Gaia к концептам инструментария Zeus при создании многоагентной системы процесса производства промышленных смесей.

Рассмотрено применение программно-аппаратных средств современной графической платы с параллельной архитектурой для построения на ней нейросетевого распознавателя фонем русской речи. Предложена декомпозиция нейросетевых алгоритмов на фрагменты для отображения их на многопроцессорную вычислительную систему. Проведены экспериментальные исследования, которые показали преимущество распараллеливания нейровычислений на графической плате для решения задачи распознавания речи в реальном масштабе времени.

Рассмотрена задача преобразования абстрактных моделей высокого уровня, полученных на стадии анализа по методологии Gaia, в модели более низкого уровня, упрощающих реализацию МАС с помощью инструментальной среды JACK. На основании оставленной семантики визуальных моделей среды JACK разработана методика трансформации абстрактных моделей Gaia в физические концепты среды JACK, обеспечивающая качественное выполнение всех этапов разработки многоагентной системы.

Решена задача преобразования концептуальных моделей, полученных на стадии анализа по методологии Gaia, в физические модели при реализации многоагентной системы (МАС) в инструментальной среде JACK. На основании составленной семантики визуальных моделей среды JACK разработана методика трансформации абстрактных моделей Gaia в физические концепты среды JACK, обеспечивающая качественное прохождение всех этапов разработки МАС.

Рассмотрен иерархический подход к разработке мультиагентных моделей динамических объектов. Дана качественная оценка эффективности применения агентно-ориентированных моделей для адекватного описания систем с распределённым интеллектом на примере моделирования производства промышленных смесей.

Рассмотрена проблема дикторонезависимого распознавания фонем устной речи, возникающая при создании систем автоматического распознавания слов дискретной и слитной речи на основе фонемно-ориентированного метода. Проведен сравнительный анализ результатов данных экспериментов с результатами, полученными при использовании скрытых марковских моделей.