====== План 2023г ======

1. Разработка и реализация программ на основе разработанных на первом этапе методов и алгоритмов для целей учета априорных знаний при генерации событий нейросетями, включая:
  * методы и алгоритмы учета детерминистских ограничений;
  * методы и алгоритмы учета статистических ограничений;

Основным методом учета таких ограничений является использование условных нейросетевых моделей (conditionak
generative neural network), а также нейросетевых моделей с ограничениями (constrained generative neural network).

//Регистрация ПО//

2. Проведение вычислительных экспериментов с целью исследования разработанных генераторов событий для гамма-
астрономии. В том числе:
  * проверка соответствия критериям их эффективного функционирования, выработанным на первом этапе;
  * сравнительный анализ МС генераторов и генераторов основанных на машинном обучении;

Основными критериями, которые будут использованы для оценки качества построенный генеративных моделей будут
время генерации событий, а также качество воспроизведения энергетического спектра событий.

3. Оптимизация программной реализации генераторов, основанных на машинном обучении по результатам
экспериментальных исследований;

4. Анализ, полученных результатов, в том числе:
  * обобщение результатов исследований;
  * сопоставление анализа научно-информационных источников и результатов теоретических и экспериментальных исследований;
  * оценка эффективности полученных результатов в сравнении с современным научно-техническим уровнем.

5. Подготовка докладов на международных и всероссийских конференциях, публикация результатов исследований в
журналах, входящих в список RSCI.

6. Подготовка подготовка итогового отчета.

**Вторая основная задача на 2023г.**

Довести часть разработанных методов до практического применения в TAIGA.

**Третья задача на 2023г**

Начать работу по реализации идей, заложенных в заявку на грант РНФ, не дожидаясь результата конкурса.


====== План 2022г. ======

==== Аналитический обзор ====
А.Д, А.К. --> 21/04/2022 --> 28/04/2022--> 12/05/2022 --> **26/05/2022** :-(

    * А.К.: Добавить иллюстративный материал.
    * А.К.: сети с условиями. 
      * поиск минимума на поверхностях, определяемых условиями ограничений  (априоными знаниями) — так называемый жесткий вариант учета ограничений (hard constraints);
      * мягкий вариант (soft constraints) — путем добавления ограничений в функцию потерь генеративной сети. \\ Последний способ предполагается рассмотреть в двух вариантах:
      * множитель перед членом с ограничениями в функции потерь рассматривается как один из гиперпараметров и подбирается экспериментально;
      * использование формализма множителей Лагранжа, так что значение множителя перед членом определяется экстремумом (седловой точкой) такой гибридной функции потерь.

==== Список критериев ====
А.К., А.Д. --> 07/-4/2022 --> 14/04/2022 --> 21/04/2022 --> 28/04/2022--> 12/05/2022 --> **26/05/2022** :-(

    * Физические критерии, например, качество генерации событий, распределение по энергии.
    * Программные критерии, например, устойчивость к переобучению, скрорость генерации.

==== Функции ошибок ====
//например, Wasserstein//  \\ А.Д., А.К.

    * Провести тесты по использованию "мягких связей". Например, генерация событий с определенной энергией.
    * Включение дополнительных членов в функцию ошибок (lambda*C)