В статье рассматриваются перспективы и вызовы интеграции облачных, туманных и граничных вычислений в условиях цифровой трансформации. Проведённый анализ показывает, что сочетание этих технологий позволяет оптимизировать обработку больших объёмов данных, повысить адаптивность систем и обеспечить информационную безопасность. Особое внимание уделено гибридным архитектурам, объединяющим преимущества централизованных и децентрализованных подходов. Рассматриваются практические аспекты, такие как использование симулятора ENIGMA для моделирования масштабируемых инфраструктур и архитектуры EC-CC для интеллектуальных энергосетей и IoT. Отдельно подчёркивается роль специализированных фреймворков в оптимизации маршрутизации и повышении надёжности инфраструктуры. Интеграция технологий способствует развитию ключевых отраслей, включая энергетику, медицину и Интернет вещей, несмотря на вызовы, связанные с обеспечением безопасности данных.

Ключевые слова: облачные вычисления, туманные вычисления, граничные вычисления, гибридные архитектуры, Интернет вещей, цифровая трансформация, большие данные, децентрализованные системы, интеграция вычислений, распределённые вычисления, безопасность данных

2.3.1 - Системный анализ, управление и обработка информации

Данная статья исследует различные архитектуры нейронный сетей, с целью создания моделей в сфере сельского хозяйства, с акцентом на их использование в животноводческих хозяйствах. В работе приведено описание архитектуры сетей Колмогорова-Арнольда, рассмотрены этапы сбора и предварительной подготовки данных, процесс обучения нейронных сетей, а также их внедрения. В результате были разработаны модели с применением сетей Колмогорова-Арнольда и многослойного персептрона. В ходе исследования проведено сравнение эффективности предложенных архитектур. Эксперимент демонстрирует, что сети Колмогорова-Арнольда обладают более высокой точностью в предсказаниях, что делает их перспективным инструментом для прогнозирования. Разработанная модель была интегрирована в разрабатываемую информационную систему животноводческого хозяйства для прогнозирования роста, здоровья и других показателей животных, позволяя более точно управлять процессом выращивания.

Ключевые слова: точное животноводство, сеть Колмогорова-Арнольда, моделирование, нейронная сеть, мониторинг, выращивание, моделирование данных, прогнозирование

2.3.1 - Системный анализ, управление и обработка информации , 4.2.4 - Частная зоотехния, кормление, технологии приготовления кормов и производства продукции животноводства