Розглянуто окремі аспекти використання методів оптимізації в телекомунікаційних мережах. Особливо актуальне використання оптимізаційних методів засобами машинного навчання з метою уникнення різних позаштатних ситуацій в мережах. Доцільно застосування методів машинного навчання під час отримання інформації про якість сигналу, трафіку тощо. Водночас можна робити прогнози різного роду несправностей, маршрутизації, контролю безпеки. Визначено, що в процесі моделювання неоднорідних мереж ефективне використання моделі марковського випадкового поля. Такий підхід дає можливість моделювати експоненціальний розподіл вузлів у гетерогенних мережах. Наведено модифікацію алгоритму проксимального градієнта - метод змінного метричного проксимального градієнта. Забезпечення швидкої збіжності досягається засобами діагонального розміру кроку, який є ефективнішим, ніж скалярний. Розкрито адаптивне правило вибору метрики, тобто діагонального кроку, що грунтується на методі Барзілая-Борвейна. У поданому алгоритмі поєднуються два підходи: стандартний метод проксимального градієнта та проксимальний метод Ньютона. Реалізовано встановлення чітких правил вибору діагонального розміру кроку для алгоритмів опуклої оптимізації.

• Жебка Вікторія Вікторівна (технічні науки)
• Жебка Валентин Володимирович (економічні науки)
• Корецька Вікторія Олександрівна (педагогічні науки)

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"