An appropriate microclimate is one of the most important factors of a healthy and comfortable life. The microclimate of a place is determined by the temperature, humidity and speed of the air. Those factors determine how a person feels thermal comfort and, therefore, they play an essential role in people’s lives. Control of microclimate parameters is a very important topic for buildings, as well as greenhouses, where adequate microclimate is fundamental for best-growing results. Microclimate systems require adequate monitoring and maintenance, for their failure or suboptimal performance can increase energy consumption and have catastrophic results. In recent years, Fault Detection and Diagnosis in microclimate systems have been paid more attention. The main goal of those systems is to effectively detect faults and accurately isolate them to a failing component in the shortest time possible. Sometimes it is even possible to predict and anticipate failures, which allows preventing the failures from happening if appropriate measures are taken in time. The present paper reviews the state of the art in fault detection and diagnosis methods. It shows the growing importance of the topic and highlights important open research questions.

Information security auditing plays key role in providing any organization's good security level. By reason of high expenses of the audit process implementation, the automation of it through the development of the software may lead to a creation of a good alternative that will reduce costs, speed up the process of audit and improve its quality by the bringing it to compliance with international standards in information security. We suggest that fuzzy expert systems techniques can offer significant benefits when applied to this area. This paper presents some issues of the development of methodology and ontology for expert systems application concerning Information Security Audit (Expert System in Information Security Audit - ESISA).

Точная диагностика дефектов межпредсердной и межжелудочковой перегородки (ASD, VSD) на детской эхокардиографии по-прежнему представляет собой клиническую задачу, особенно в условиях ограниченных ресурсов. В данной работе предлагается новая архитектура глубинного обучения, адаптирующая передовые решения из области распознавания лиц — RetinaFace и ArcFace — для задач анализа медицинских изображений. Предложенный метод включает двухэтапную архитектуру: (1) модуль, вдохновлённый RetinaFace, для обнаружения и обрезки области сер-дечной перегородки на кадрах трансторакальной эхокардиограммы, и (2) классификационную сеть на основе ResNet-50, обученную с использованием функции потерь ArcFace для получения дискриминативныхэмбеддингов типов дефектов. Система протестирована на размеченном датасете детской эхокардиографии с тремя классами: норма, ASD и VSD. Модель достигла точности классификации 94.4 % и значения AUC 0.976 в парной задаче верифи-кации, превзойдя традиционные CNN-классификаторы. Полученные результаты демонстрируют, что методы метрического обучения, заимствованные из распоз-навания лиц, могут быть успешно применены в медицинской визуализации для задач тонкой классификации. Данные выводы подтверждают возможность эф-фективной репурпозации моделей распознавания лиц для анализа медицинских изображений, открывая перспективные направления в компьютерной диагностике врождённых сердечных дефектов на эхокардиограммах.