Представлены разработанные математические модели и вариационный метод расчета пространственных стержневых конструкций, усиленных в нагруженном состоянии. Эти модели и метод расчета имеют более широкие возможности по сравнению с существующими. Их использование позволяет выполнять расчеты стержневых систем, усиливаемых способами наращивания поперечных сечений стержней, изменения расчетной схемы и деформированного состояния. Рассмотрены сложные стержневые конструкции с различными формами поперечного сечения. В основе расчетов лежат гипотезы теории стержней Тимошенко. Для тонкостенных стержней дополнительно использованы положения теории тонкостенных стержней с учетом сдвиговых деформаций. Предполагается, что материал стержневого элемента следует диаграмме линейно упрочняющегося материала. Расчет напряжено-деформированного состояния (НДС) усиленной конструкции выполняется поэтапно. На начальной стадии вычисляются перемещения и напряжения в элементах конструкции под действием исходных нагрузок. На втором этапе определяются величины монтажных сил и напряжений, возникающих при присоединении усиливающих элементов к основным элементам конструкции. На последнем этапе выполняется расчет усиленной конструкции от воздействий дополнительных нагрузок, прикладываемых к конструкции после усиления. Рассмотрены примеры расчета эксплуатируемых конструкций, усиленных различными способами, с использованием предложенных моделей и метода расчета.

Сердечно-сосудистые заболевания являются одной из основных причин смертности. Автоматический анализ электрокардиограмм (ЭКГ) может существенно облегчить работу врачей, но его эффективность ограничена нехваткой и несбалансированностью данных. Создание синтетических ЭКГ помогает частично решить эти проблемы. Хотя чаще всего для этого применяются генеративно-состязательные сети (GAN), но последние исследования показали, что вариационные автокодировщики (VAE) могут обеспечивать сопоставимое качество.

В работе представлена модель cNVAE-ECG — модификация Nouveau VAE (NVAE), способная генерировать 12 отведений 10-секундных ЭКГ с различными патологиями. Используя компактную схему работы с каналами и встроенные представления классов для условной генерации, cNVAE-ECG улучшает результаты в задачах бинарной и multi-label классификации, обеспечивая прирост метрики AUROC до 2% по сравнению с моделями на основе GAN. Модель представлена в открытом доступе: https://github.com/univanxx/cNVAE_ECG.