Search

The article reflects the main stages of the Russian Federation’s preparation for the invasion into Georgia in 2008, describes the information component of this preparation, its features, and the Russian Federation’s struggle to control the in- formation space for obtaining its geopolitical dividends. Before the start of the August military operation, the Russian Federation became the organizer of active multi-faceted anti-Georgian information “throw-in”, using diplomatic resources and media controlled by the leadership of the Russian Federation and pro-Russian media in Abkhazia and South Ossetia. The article analyzes facts from Russian and Western sources about the causes and prerequisites for the outbreak of the conflict exactly in August 2008, which Russia has planned and carefully prepared. The purpose of the article is to analyze the information component of the preparation of the Russian invasion into Georgia in August 2008. Determination of its main stages, conducted by the Russian Federation in the pre-war period, the causes and prerequisites for outbreak of the conflict.The Russian Federation has historically used separatism and post-colonial claims in neighboring countries to blackmail and, if necessary, dismember them. This be- came evident in Russia’s approach to using the “concept of a strong state” in foreign policy towards Moldova, Georgia and Ukraine. In the case of Georgia, the historical fact is that regular military units of the Russian armed forces that did not have the status of peacekeepers invaded the territory of another state before August 7, 2008 without the permission or notification from the Georgian leadership. Thus, was car- ried out an act of aggression in accordance with international law., У статті висвітлено основні етапи підготовки Російської Федерації до втор- гнення у Грузію у 2008 році, описано інформаційну складову цієї підготовки, її осо- бливості та боротьбу РФ за контроль в інформаційному просторі для отримання геополітичних дивідендів. Перед початком серпневої воєнної операції РФ стала організатором проведення активних багатопланових антигрузинських інформа- ційних «вкидів», використовуючи дипломатичні ресурси і підконтрольні керівни- цтву РФ ЗМІ та проросійські медіа у Абхазії та Південній Осетії. Основна увага акцентувалася на можливих загрозах початку війни зі сторони Грузії, при цьому часто використовувалися викривлені та недостовірні історичні факти про роль Грузії у конфліктах початку 90-х рр. У публікації здійснений аналіз фактології з російських та західних джерел про причини та передумови розв’язання конфлікту на початку серпня 2008 року, який РФ спланувала та ретельно підготувала.

In the article, the object is mobile users’ multiple detection processes based on the particle swarm optimization in the cognitive radio network. The aim of the research lies in the field of the algorithms of the mobile users’ detection of the cognitive radio system. In addition, it lies in the area of development of the generalized algorithm PSO-NN and improvement the method of multiple detection by using the particle swarm method and convolutional neural network and its realization. The tasks are to develop the multiple detection architecture, the generalized algorithm PSO-NN, to realize the multiple detection algorithm and to model PSO-NN as the algorithm of the multiple detection effectiveness for 50 mobile devices. The methods used are mathematical models based on the principles of the organization and operations of biological neural networks, mathematical learn models, and NP-hard algorithm theory methods. The following results were received. The multiple detection architecture was developed, which differs from the known ones since each location is divided into the subzones. In the different subzones, a mobile user can receive different measuring results in the same channel. Such a division can be used for more flexible data using. Developed generalized algorithm PSO-NN differs from the known ones as it is configured more correctly for the real conditions that inherent in the architecture of the cognitive systems. This algorithm uses particle swarm optimization controlled by the convolutional neural network. Therefore, strict access to spectrum analysis based on mobile users’ energy component is provided. Due to the use of the micro particle architecture and convolutional neural networks, detection effectiveness function and global particle location are detected in a more accurate way. Further implementation of the multiple detection algorithm differs from the known ones since after uniting the detected channel users’ matrices, only one user is assigned to a specific channel. Such an implementation assumes more realistic search area and speed of the users’ detection with found channels. Modeling PSO-NN as the multiple detection effectiveness algorithm for 50 mobile users has several convolutional layers that were generalised with each other. Such architecture can be a confirmation of the fact that the neural network chosen in a practical way completely satisfies the tasks. The modeling result showed that at 20 locations the detection effectiveness with using the algorithm PSO-NN increased by 10% in 20 locations, by 20% in 25 locations, by 20% in 30 locations, by 20% in 35 locations, while the results did not change in 40 locations., Объектом изучения в статье являются процессы множественного обнаружения мобильных пользователей на основе оптимизации роя частиц в когнитивной радиосети. Цель исследований лежит в области алгоритмов обнаружения мобильных пользователей когнитивной радиосистемы, в разработке обобщенного алгоритма PSO-NN и улучшении метода множественного обнаружения путем использования метода роя частиц и сверточной нейронной сети, а также его реализации. Задача: разработка архитектуры множественного обнаружения; разработка обобщенного алгоритма PSO-NN, дальнейшая реализация алгоритма множественного обнаружения; реализация моделирования PSO-NN, как алгоритма эффективности множественного обнаружения для 50 мобильных пользователей. Используемыми методами являются: математические модели, построенные по принципу организации и функционирования биологических нейронных сетей, математические модели обучения, методы теории алгоритмов NP-hard. Получены следующие результаты. В ходе исследований была разработана архитектура множественного обнаружения, которая отличается от известных тем, что каждая локация разделена на подзоны. В результате, мобильные пользователи могут в различных подзонах получать различные результаты измерений в одном и том же канале. Такое распределение может использоваться для более гибкого использования данных. Разработан обобщенный алгоритм PSO-NN , который отличается от известных тем, что он более корректно настраивается на реальные условия, присущие архитектуре когнитивных систем. Этот алгоритм использует оптимизацию роя частиц под управлением сверточной нейронной сети. Благодаря этому, обеспечивается строгий доступ к анализу спектра на основе энергетической составляющей мобильных пользователей. За счет использования микрочастичной архитектуры и сверточных нейронных слоев, функция эффективности определения и глобальное расположения частиц определяются более точно. Дальнейшая реализация алгоритма множественного определения отличается от известных тем, что после объединения матриц пользователей выявленных каналов, только один пользователь закрепляется за определенным каналом. Также, такая реализация предполагает более реалистичное пространство поиска и скорость обнаружения пользователей с найденными каналами. Моделирование PSO-NN, как алгоритм эффективности множественного обнаружения для 50 мобильных пользователей, имеет несколько сверточных слоев, обобщенных друг с другом. Такая архитектура может быть подтверждением того, что выбранная практическим путем нейронная сеть в большей степени удовлетворяет поставленным задачам. Результаты моделирования показали, что при 20 локациях, эффективность обнаружения с использованием алгоритма PSO-NN выросла на 10%, при 25 локациях - на 20%, при 30 локациях - на 20%, при 35 - на 20%, при 40 не изменилась., Об’єктом вивчення в статті є процеси множинного виявлення мобільних користувачів на основі оптимізації рою частинок в когнітивній радіосистемі. Мета досліджень лежить в області алгоритмів виявлення мобільних користувачів когнітивної радіосистеми, в розробці узагальненого алгоритму PSO-NN і поліпшенні методу множинного виявлення шляхом використання методу рою частинок і згорткової нейронної мережі, а також його реалізації. Завдання: розробка архітектури множинного виявлення; розробка узагальненого алгоритму PSO-NN; виконання подальшої реалізації алгоритму множинного виявлення; реалізація моделювання PSO-NN, як алгоритму ефективності множинного виявлення для 50 мобільних користувачів. Використовуваними методами є: математичні моделі, побудовані за принципом організації та функціонування біологічних нейронних мереж, математичні моделі навчання, методи теорії алгоритмів NP-hard. Отримані наступні результати. В ході досліджень було розроблено архітектуру множинного виявлення, яка відрізняється від відомих тим, що кожна локація розділена на підзони. В результаті, мобільні користувачі можуть в різних підзонах отримувати різні результати вимірювань в одному і тому ж каналі. Такий розподіл може використовуватися для більш гнучкого використання даних. Розроблений узагальнений алгоритм PSO-NN відрізняється від відомих тим, що він більш коректно налаштовується на реальні умови, властиві архітектурі когнітивних систем. Цей алгоритм використовує оптимізацію рою частинок під керуванням згорткової нейронної мережі. Завдяки цьому забезпечується суворий доступ до аналізу спектру на основі енергетичної складової мобільних користувачів. За рахунок використання мікрочасткової архітектури та згорткових нейронних шарів, функція ефективності виявлення і глобальне розташування частинок визначаються більш точно. Подальша реалізація алгоритму множинного виявлення відрізняється від відомих тим, що після об'єднання матриць користувачів виявлених каналів, тільки один користувач закріплюється за певним каналом. Також, така реалізація передбачає більш реалістичний простір пошуку і швидкість виявлення користувачів зі знайденими каналами. Моделювання PSO-NN, як алгоритм ефективності множинного виявлення для 50 мобільних користувачів, має кілька згорткових шарів, які узагальнено один з одним. Така архітектура може бути підтвердженням того, що обрана практичним шляхом нейронна мережа більшою мірою задовольняє поставленим завданням. Результати моделювання показали, що при 20 локаціях, ефективність виявлення з використанням алгоритму PSO-NN зросла на 10 %, при 25 локаціях - на 20%, при 30 локаціях - на 20%, при 35 - на 20%, при 40 не змінилась.