Найти

Результаты поиска

• МОДЕЛИРОВАНИЕ БЕСПРОВОДНОЙ MESH-СЕТЬ НА ОСНОВЕ СПЕЦИФИКАЦИИ ZigBee

  И.В. Родыгина , В. А. Новак

  2021-12-24

  Аннотация ▼

  В настоящее время наиболее распространенной технологией беспроводного доступа,
  которая повсеместно применяется для передачи большого количества трафика различного
  вида, является стандарт беспроводных локальных сетей IEEE 802.11. Одним из самых пер-
  спективных направлений развития технологии стали MESH-сети. MESH-сети предоставля-
  ют наиболее интересные решения, интегрирующие различные технологии беспроводного
  доступа. Возможность организации с помощью MESH-топологии локальных (LAN) и город-
  ских (MAN) сетей, легко интегрируемых в глобальные сети (WAN), является положительным
  фактором для применения на судне. В морской практике все чаще используют системы, ос-
  нованные на оцифровке и автоматизации, объединенные в сети. В данной статье рассмат-
  ривается моделирование взаимодействия устройств в MESH-сети на основе спецификации
  ZigBee, принцип работы канального уровня, который используется в этой сети, а также
  вариант метода предотвращения повышенного потребления энергии, используемой сети.
  Одним из преимуществ сети ZigBee является способность отслеживания участников сети и
  самой топологии в режиме их частых подключений, отключений и переподключений. В этом
  случае необходимо произвести анализ скорости сети, надежности, пропускной способности.
  Для данной цели проведены оценка среднего времени ожидания на подключение узла, вероят-
  ность успешного подключения узла к сети, вероятность нахождения канала занятым при
  первом и втором зондировании несущей и тест пропускной способности рассматриваемой
  сети. Полученные результаты анализа свидетельствуют о работоспособности сети в раз-
  личных ситуациях: как при обычных условиях, так и в сложной помеховой обстановке.

• МУЛЬТИМОДАЛЬНЫЙ МЕТОД ИЗВЛЕЧЕНИЯ ПРИЗНАКОВ ДАННЫХ ДЛЯ КЛАССИФИКАЦИИ СЕТЕВЫХ АТАК

  А.В. Балыбердин

  6-16

  2025-07-24

  Аннотация ▼

  Система обнаружения вторжений (СОВ) является важным компонентом защиты корпоративной сети передачи данных (КСПД). СОВ анализирует сетевой трафик и выявляет сетевые атаки. В зависимости от методов детектирования, СОВ можно классифицировать на следующие виды систем: система сигнатурного анализа, система обнаружения аномалий (СОА) и гибридная система, объединяющая ранее рассмотренные системы. В последнее время активно развиваются системы обнаружения аномалий (СОВ). Для систем обнаружения аномалий сетевые атаки представляют собой аномальное поведение сетевого трафика, состоящего из набора признаков или атрибутов событий. Современные СОВ опираются на методы машинного и глубокого обучения, в связи с чем обнаружение сетевых атак и аномалий формулируется как задача классификации и кластеризации. Для решения данных задач необходимы методы оптимизации признакового пространства сетевого трафика. Целью работы является разработка метода извлечения признаков на основе мультимодального подхода представления данных сетевого трафика для классификации сетевых атак. В работе рассмотрен анализ релевантных исследований по методам извлечения признаков из различных областей. Задача исследования – повысить эффективность классификации с помощью метода мультимодального представления признаков сетевого трафика. Результатом работы является метод извлечения признаков данных на основе двух модальностей: спектрального представления признаков сетевого трафика и матрицы признаков изображений. Новизна представленного метода заключается в применении метода оконного преобразования Фурье для событий сетевого трафика, с последующим вычислением спектральных признаков для дискретных сигналов, а также преобразованием признаков данных в матрицу изображений и её расширением для оптимизации пространства признаков с помощью сверточной нейронной сети (convolutional neural network, CNN). Оценка мультимодального метода показала, что данный метод повысил точность классификации для несбалансированных классов сетевых атак.

• КОНЦЕПЦИЯ ПОСТРОЕНИЯ И АРХИТЕКТУРА КРИТИЧЕСКИ ВАЖНЫХ ИНФОРМАЦИОННЫХ СЕГМЕНТОВ РЕГИОНАЛЬНОЙ ИНФОКОММУНИКАЦИОННОЙ СЕТИ

  И.В. Родыгина , И. И. Бузенков , Ю. В. Каханец

  2021-11-14

  Аннотация ▼

  На сегодняшний день, в абсолютном измерении, ни одна отрасль государства не обхо-
  дится без современных высокотехнологичных средств связи, соединяющих вычислительные
  системы и удалённые базы данных. Использование новых информационных и коммуникационных
  технологий в качестве средства разрешения противоречий, а также средства неявного воздей-
  ствия, на мировой арене становится нарастающей угрозой для безопасности сообщества.
  В представленной работе рассматриваются не только этапы развития, но и основные тен-
  денции, подходы к построению цифровых информационных систем, а также характерныеугрозы информационной безопасности для них. Также в статье показано актуальное место
  критически важных информационных сегментов в общем контексте системы связи Россий-
  ской Федерации. В первой части работы раскрывается концепция трёхкомпонентного по-
  строения региональных критически важных информационных сегментов. В основной части
  акцент сделан на различии технологий, применяемых для построения критически важных ин-
  формационных сегментов. Основная часть статьи нацелена на выявление уязвимостей слож-
  ных информационных структур и систем, в которых используются архитектуры мультисер-
  висных систем связи. Проведённый авторами анализ позволяет классифицировать основные
  угрозы информационной безопасности как для систем связи, построенных по классическим
  схемам коммутации каналов, так и для систем связи основанных на новых технологических
  принципах, в основе своей – коммутации пакетов. В целом авторы говорят нам, что идея стан-
  дартной и чётко определённой структуры трафика и процедур взаимодействия пользователей
  независимо от их типа, географической удалённости или области её применения совместно с
  цифровыми методами передачи и коммутации оказывает революционную роль в развитии сис-
  тем связи. Особого внимания заслуживает представленная авторами классификация протоко-
  лов, которая признакам позволяет выявить наиболее слабые места в современных информаци-
  онных системах, на которые нужно обратить внимание в первую очередь: протоколы, обеспе-
  чивающие функционирование беспроводных сетей, почтовые протоколы, протоколы файлового
  обмена и другие.

• МЕТОДИКА ИДЕНТИФИКАЦИИ ОБЪЕКТА ДЛЯ ИНТЕГРАЦИИ С РОБОТИЗИРОВАННЫМИ СИСТЕМАМИ

  Н.М. Чернышов , И. К. Романова-Большакова

  2025-04-27

  Аннотация ▼

  Целью исследования является разработка методики идентификации и определения место-
  положения объектов в условиях низкой видимости и возможного изменения их формы, с акцентом
  на извлечение деталей, созданных методом селективного лазерного спекания (SLS), из порошковой
  среды. В работе рассматриваются два принципиально разных подхода к формированию алгорит-
  мов управления роботизированным манипулятором. Первый подход, доверительный, основан на
  предположении о минимальном смещении объекта в процессе манипуляций. Манипулятор дви-
  жется по траектории, рассчитанной на основе предварительной трехмерной модели, без коррек-
  ции до момента захвата. Этот метод отличается высокой скоростью выполнения операции и
  минимальными вычислительными затратами. Однако он сопряжен с рисками: деформация объ-
  екта из-за сопротивления среды, смещение детали при контакте с инструментом, а также не-
  возможность захвата при значительных отклонениях от номинального положения. Второй под-
  ход, осторожный, предполагает поэтапное удаление слоев порошка для визуализации объекта и
  корректировки траектории до захвата. Этот метод включает несколько этапов: удаление верх-
  него слоя среды до частичного обнажения детали, анализ данных для уточнения положения объ-
  екта, а также построение адаптивной траектории с учетом возможного смещения. Отдельное
  внимание в статье уделено генерации данных для обучения нейронных сетей, которые использу-
  ются для идентификации объектов в условиях зашумленности. Рассмотрены два метода искус-
  ственного моделирования порошковых покрытий. Примитивный метод заключается в расшире-
  нии вершин трехмерной модели вдоль нормалей с добавлением случайного шума. Усовершенство-
  ванный метод предполагает дифференцированное распределение порошка с учетом локальной
  кривизны поверхности. Последующие экспериментальные результаты показали, что обучение
  нейронной сети с использованием реальных данных имеет низкую эффективность. Точность рас-
  познавания составила 60–75%, что связано с малым объемом выборки и влиянием внешних факто-
  ров, таких как освещение и помехи. В то же время использование синтетических данных, подго-
  товленных по представленной в исследовании методике, позволило повысить точность распозна-
  вания до 92%. Практическая значимость работы заключается в разработке методики поиска,
  обнаружения и определения детали, погруженной в порошок, что может быть использовано для
  автоматизации процессов постобработки на производствах, использующих селективное лазерное
  спекание. Разработанные решения адаптированы для интеграции в роботизированные системы работающие в условиях ограниченной видимости. Предложенные методы могут быть масшта-
  бированы на широкий спектр задач в аддитивном производстве и робототехнике, что делает их
  перспективными для внедрения в промышленные процессы.

• ИССЛЕДОВАНИЕ ИНТЕЛЛЕКТУАЛЬНОГО АДАПТИВНОГО АЛГОРИТМА УПРАВЛЕНИЯ НА БАЗЕ МЕТОДА ОБУЧЕНИЯ С ПОДКРЕПЛЕНИЕМ

  А. Н. Карапеев , Е.Ю. Косенко , М. Ю. Медведев , В. Х. Пшихопов

  2025-04-27

  Аннотация ▼

  Предложен и исследован алгоритм адаптивного управления двигателем постоянного тока,
  базирующийся на применении технологии машинного обучения с подкреплением. Дан обзор и крат-
  кий анализ состояния дел в области интеллектуальных систем управления приводами. Представ-
  лено математическое описание двигателя, приведена структурная схема обучения интеллекту-
  ального агента. Предложена интеллектуальная система адаптивного управления скоростью
  вращения двигателя, при построении которой двигатель представляется в виде черного ящика с
  заданными ограничениями на вход и выход. Система управления строится на базе алгоритма
  Q-обучения нулевого порядка. Предполагается, что выходом интеллектуального агента является
  управление, подаваемое на вход двигателя. Экспериментальным путем подобрано множество
  таких управлений, позволяющих реализовать заданную точность поддержания частоты враще-
  ния. В интеллектуальной системе используются приближенные табличные оценки ценности каж-
  дого из управлений в зависимости от желаемой и текущей частоты вращения двигателя. В на-
  стоящей статье проведено исследование влияния дискретности представления значений состоя-
  ния, используемого множества управляющих воздействий, применяемых вознаграждений, а так-
  же параметров алгоритма обучения на ошибку управления. Исследована чувствительность ин-
  теллектуальной системы управления к изменению параметров моделируемого двигателя и не из-
  меряемому моменту сопротивления на валу двигателя. По результатам проведенного исследова-
  ния сделан вывод о необходимости использования модифицированного алгоритма, в котором
  предполагается измерение или оценка тока статорной обмотки двигателя и использование непре-
  рывного упарвления. В данной постановке задачи алгоритм управления обеспечивает робастность
  к переменным параметрам и внешнему возмущению. Также обсуждаются вопросы аппроксимации
  функции ценности управления с помощью полиномов и с применением нейронной сети. Показана
  возможность высокой точности аппроксимации с помощью нейронной сети простой структуры

• РАЗРАБОТКА МОДЕЛИ СЕМАНТИЧЕСКОЙ СЕГМЕНТАЦИИ RTC-SAM ДЛЯ ОПРЕДЕЛЕНИЯ ПРЕПЯТСТВИЙ НА ПУТИ МОБИЛЬНОГО РОБОТА

  В.Д. Матвеев , А. Е. Архипов , И. С. Фомин

  2025-04-27

  Аннотация ▼

  Задача определения препятствий перед мобильным роботом успешно и давно решена с примене-
  нием лазерных и ультразвуковых датчиков. Однако, препятствия, не обнаруживаемые такими видами
  датчиков, могут угрожать безопасности робота. Для их обнаружения в работе предлагается исполь-
  зовать систему технического зрения (СТЗ), информацию с которой обрабатывает нейронная сеть
  семантической сегментации, возвращающая маску препятствия на кадре и его класс. Основой для та-
  кой сети стала сеть универсальной сегментации SAM, требующая доработки для применения к задаче
  семантической сегментации. Особенность данной сети состоит в ее универсальной применимости, то
  есть возможности выделения любых объектов в произвольных условиях съемки. При этом SAM не
  предсказывает семантику объекта. В данной работе предложен дополнительный модуль, позволяю-
  щий реализовать семантическую сегментацию за счет классификации признаков выделяемых объек-
  тов. Обоснована возможность использования такого модуля для решения задачи дополнения выхода
  сети новой информацией. Результат классификации далее поступает в тот же алгоритм фильтра-
  ции, что и маски, чтобы гарантировать соответствие между полученным результатом универсаль-
  ной сети и дополняющего модуля. После интеграции модуля с моделью получена новая модель семанти-
  ческой сегментации, названная в работе RTC-SAM. С ее помощью проведена семантическая сегмента-
  ция общедоступного набора данных с изображениями открытой местности. Полученный результат в
  45 % по метрике IoU превосходит результат существующих методов на 13 %. Показанные в работе
  изображения результатов применения новой сети позволяют убедиться в ее работоспособности.
  Также описано тестирование разработанного решения с проведением исследования быстродействия
  разработанной модели на ПК и мобильном вычислителе. Алгоритм на мобильном вычислителе показы-
  вает недостаточную скорость для выхода в режим реального времени – больше 3,5 секунд на обра-
  ботку одного кадра. В связи с этим, одно из направлений дальнейших исследований в области повыше-
  ния быстродействия системы.

• ПОСТРОЕНИЕ МОДЕЛИ И ОЦЕНКА ЕЕ РОБАСТНОСТИ В ЗАДАЧЕ ПРОГНОЗИРОВАНИЯ ДЛЯ ПОТРЕБИТЕЛЕЙ С АДДИТИВНЫМИ ПРОФИЛЯМИ ПОТРЕБЛЕНИЯ ЭЛЕКТРОЭНЕРГИИ

  Н.К. Полуянович , О. В. Качелаев , М. Н. Дубяго

  2025-01-30

  Аннотация ▼

  Рассматривается построение робастностой модели, оценка ее точности в задачах прогнози-
  рования электрической нагрузки с аддитивными профилями потребления. Проведено исследование
  влияния параметров нейросети (размер пакета данных; количество слоев нейросети; функции акти-
  вации нейронов; оптимизаторы) на погрешность прогнозирования электропотребления. Приведены
  графики сравнения профилей фактического и прогнозного потребления и отклонения прогноза для
  потребления электроэнергии выше среднего значения за рассматриваемый период. Подобраны оп-
  тимальные параметры прогностической нейросетевой модели в ручном режиме. Результат иссле-
  дования разновидностей генетических алгоритмов выявил оптимальный гибридный алгоритм обуче-
  ния нейросетевой модели основании на быстрой сходимости решения. Проведено тестирование
  созданного на языке “Python” алгоритма подбора гиперпараметров сети на данных об электропо-
  треблении с различными характерами потребления электроэнергии. Проведенное обучение и тести-
  рование генетического алгоритма подтвердило возможность получения прогнозов большей точно-
  сти и возможность автоматизации подбора оптимальных гиперпараметров. В задачах прогнозиро-
  вания электропотребления с использованием нейросетевой модели, независимо от способа создания
  структуры, подобрана оптимальная метрика. Выявлено, что для потребителей с аддитивными
  профилями потребления электроэнергии целесообразно использовать робастную функцию потерь
  Хьюбера, в то же время, для потребителей с цикличным или имеющим закономерности профиле
  потребления электроэнергии применение скользящего окна увеличивает ошибку, в отличии от адди-
  тивных потребителей. Показано, что применение генетического алгоритма значительно увеличива-
  ет точность прогнозирования благодаря индивидуальному подбору оптимальных параметров для
  конкретного потребителя. Разработана структурная схема интеллектуального устройства про-
  гнозирования режимов энергопотребления. Введена система помощи принятия решений, позволяю-
  щая реализовать планово-упреждающее управление, основываясь на данных, снимаемых со счетчика
  электроэнергии и полученных в результате работы нейросетевой модели прогнозирования. Система
  помощи принятия решений производит расчет отклонения прогнозных величин потребленной мощ-
  ности от фактических и как результат – выдает рекомендации диспетчеру распределительных
  энергосетей. На основании данных от системы помощи принятия решений оператор распредели-
  тельных энергосетей может принимать решение о заказе необходимого объема электроэнергии,
  получает возможность контролировать возможные всплески и снижения потребления электро-
  энергии у потребителя, ненормированную работу оборудования, а также дополнительно контроли-
  ровать адекватность работы нейросетевой модели

• АЛГОРИТМ ПОДГОТОВКИ ДАННЫХ ОБУЧЕНИЯ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ РАСПОЗНАВАНИЯ БУКВ И СИМВОЛОВ

  Д.А. Безуглов , М.С. Мищенко , С.Е. Мищенко

  134-144

  2025-07-24

  Аннотация ▼

  Точность распознавания текстовых изображений на практике остается ограниченной. Это связано с тем, что в алфавит символов могут входить строчные и прописные буквы со схожим начертанием, а также составные символы, образованные из нескольких более простых символов. Для решения этой проблемы систему распознавания символов дополняют системами семантического или структурного анализа, что существенно усложняет информационную систему для распознавания текста. В настоящее время для распознавания одиночных символов широко применяют сверточные нейронные сети, для обучения которых используют базу данных с изображениями распознаваемых символов. В работе предложен алгоритм, отличающийся тем, что в изображение одиночного символа для обучающей выборки включают фрагменты символов, которые могут быть расположены в строке в непосредственной близости от распознаваемого символа. Формирование изображений для обучающей выборки имитирует процесс сегментации символа по яркости, который обычно используют при выделении символа для дальнейшего распознавания. При этом оценивают размеры символа, дополняют его изображениями соседних символов, а затем оценивают размеры области, изображения, которое будет помещено в обучающую выборку. Полученное изображение масштабируют и обрезают таким образом, чтобы на вход нейронной сети поступали изображения заданного размера. В работе для распознавания алфавита символов, включающего прописные и строчные символы русского и английского алфавитов, цифры, символы и знаки препинания предложено использовать множество сверточных нейронных сетей, каждая из которых обучена распознавать один символ. Выбор символа осуществляется путем сравнения откликов всех нейронных сетей и выбора максимального отклика. Проведено сравнение предложенного алгоритма подготовки данных для обучения с известным алгоритмом, основанным на использовании изображений одиночных символов. Установлено, что предложенный алгоритм подготовки данных для обучения обеспечивает повышение точности распознавания алфавита из 138 символов более, чем в два раза.

• КЛАССИФИКАЦИЯ РАДИОЛОКАЦИОННЫХ ИЗОБРАЖЕНИЙ БЕСПИЛОТНЫХ ЛЕТАТЕЛЬНЫХ АППАРАТОВ МУЛЬТИРОТОРНОГО ТИПА С ПРИМЕНЕНИЕМ АЛГОРИТМА YOLO11

  В.А. Деркачев

  171-180

  2025-07-24

  Аннотация ▼

  Рассматривается классификатор радиолокационных изображений беспилотных летательных аппаратов, основанный на нейронной сети, построенной на алгоритме YOLO 11 версии. Решение задачи обнаружения и классификации беспилотных летательных аппаратов стало одной из приоритетных задач в настоящее время. Увеличение числа модификаций беспилотных летательных аппаратов сильно усложняет применение статистических методов классификации, что требует применения новых подходов в решении задачи классификации. Развитие нейросетевых методов, одновременно с увеличением производительности вычислителей для обучения, с одной стороны, и встраиваемых решений, с другой, позволяет осуществлять классификацию летательных аппаратов с применением радиолокационных изображений в реальном масштабе времени. Применение алгоритма YOLO11 позволяет, помимо определения класса цели, осуществить оценку дальности до наблюдаемого объекта. Использование радиолокационных изображений оправданно в связи с тем, что визуальное наблюдение не всегда является возможным, из-за сложных погодных условий и темного времени суток. Для обучения нейронной сети предполагается использовать набор радиолокационных изображений, полученный с применением авторской модели генерации данных с произвольной конфигурацией беспилотных летательных аппаратов. Проведено обучение нейронной сети класса Detection YOLO11s (9,4 млн. параметров) на выборке радиолокационных изображений двух классов общим числом 8192. В результате обучения получена точность 0,99 для классификации на 2 классах объектов (на тестовых модельных данных). Были проведены тесты с применением натурных данных, снятых с применением радиолокационной системы миллиметрового диапазона TI IWR1642, в результате которых достигнута безошибочная классификация объектов на малой выборке.

• МЕТОД АВТОМАТИЧЕСКОЙ ОПТИМИЗАЦИИ БАЗЫ НЕЧЕТКИХ ПРАВИЛ ИНТЕЛЛЕКТУАЛЬНЫХ РЕГУЛЯТОРОВ НА ОСНОВЕ СУБТРАКТИВНОЙ КЛАСТЕРИЗАЦИИ

  А.С. Игнатьева , В.В. Шадрина , В. В. Игнатьев , А.В. Максимов

  181-197

  2025-07-24

  Аннотация ▼

  Целью работы является разработка метода оптимизации базы нечетких правил интеллектуального регулятора для управления техническим объектом с использованием субтрактивной кластеризации. В статье приведен обзор и краткий анализ состояния дел в области оптимизации работы интеллектуальных систем управления. Для достижения цели исследования разработана гибридная модель, в которой управление техническим объектом реализуется с помощью классического ПИ-регулятора и нечеткого ПИ-регулятора с сгенерированной структурой системы нечеткого вывода типа Cyгено и разработанной моделью адаптивной системы нейро-нечеткого вывода. Данная конфигурация модели позволяет формировать базу нечетких правил, которая не зависит от знаний эксперта в предметной области. В статье предложен новый метод оптимизации базы правил нечеткого регулятора на основе методов кластеризации, в частности субтрактивной кластеризации, позволяющий уменьшать количество правил нечеткого логического вывода и увеличить быстродействие системы управления техническим объектом. Сначала проведено моделирование гибридной модели, синтезированной на основе значений нечеткого и классического регуляторов до применения субтрактивной кластеризации. Применение субтрактивной кластеризации по разработанному в исследовании способу для значений классического регулятора и нечеткого, позволило добиться их количественного сокращения в 1,7 и 5,25 раз соответственно. Затем проведено моделирование гибридной модели, синтезированной на основе значений нечеткого и классического регуляторов после применения субтрактивной кластеризации. Результаты, полученные в процессе моделирования показали высокую эффективность предложенного метода оптимизации базы правил нечеткого регулятора. За счет применения субтрактивной кластеризации в гибридной модели для интеллектуального регулятора удалось значительно уменьшить количество функций принадлежности, требуемых для описания входных лингвистических переменных (с пяти до четырех) и уменьшить количество правил нечеткого логического вывода (с двадцати пяти до шестнадцати). Анализ полученных графиков переходных процессов, полученных для гибридных моделей до и после применения субтрактивной кластеризации, показал, что основные показатели качества процесса управления остаются неизменными при существенном сокращении проводимых вычислений.

• НЕЙРОСЕТЕВАЯ МЕТОДИКА ИДЕНТИФИКАЦИИ ЛИЧНОСТИ ПО РИСУНКУ ВЕН ЛАДОНИ

  В.А. Частикова , С.А. Жерлицын

  2022-11-01

  Аннотация ▼

  Описывается работа по созданию нейросетевой методики идентификации лично-
  сти, основанной на механизме сканирования и анализа рисунка вен ладони, как биометриче-
  ского параметра. В рамках проведенного исследования описаны предпосылки, цели и причи-
  ны, по которым разработка надежной системы биометрической идентификации является
  важным и актуальным направлением деятельности. Сформулирован ряд проблем, прису-
  щих существующим методам решения поставленной задачи: графовому методу и методу,
  основанному на вычислении расстояния, выраженного в различных интервальных метри-
  ках. Приведено описание принципов их работы. Сформулированы задачи, решаемые систе-
  мами идентификации личности: сопоставление субъекта идентификации с его идентифи-
  катором, однозначно идентифицирующим этого субъекта в информационной системе.
  Описан механизм считывания рисунка вен с ладони, разработанный для анализа изобра-
  жения, полученного с восприимчивой к излучению инфракрасного диапазона цифровой ка-
  меры. При нахождении в кадре ладони, подсвечиваемой светом ближнего ИК-диапазона, на
  изображении, полученном с камеры, становится заметен рисунок пролегающих под кож-
  ным покровом вен, сосудов и капилляров. В зависимости от организации, система иденти-
  фикации может на основе предоставленного идентификатора определять соответс т-
  вующий субъект доступа или проверять принадлежность того же идентификатора
  предполагаемому субъекту. Приведены 3 метода дальнейшего анализа биометрических
  данных и идентификации личности: подходы, основанные на категориальной классифи-
  кации и бинарной классификации, а также комбинированный подход, при котором сн а-
  чала используется идентификация по первому способу, а затем, по второму, но уже для
  известного идентификатора доступа, определённого на первом этапе. Приведена р е-
  зультирующая архитектура нейросети для категориальной классификации рисунка вен,
  описан способ вычисления количества параметров модели в зависимости от числа заре-
  гистрированных субъектов. Представлены основные выводы и экспериментальные зам е-
  ры точности работы системы при реализации различных методов, а также диаграммы
  изменения точности моделей во время обучения. Выявлены основные преимущества и не-
  достатки приведённых методов.

• МОДЕЛИ МАШИННОГО ОБУЧЕНИЯ И ГЛУБОКОГО ОБУЧЕНИЯ ДЛЯ ЭЛЕКТРОННОЙ ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ В МОБИЛЬНЫХ СЕТЯХ

  Ауси Рим Мохаммед Худхейр, Е. В. Заргарян , Ю. А. Заргарян

  2022-08-09

  Аннотация ▼

  Недавние достижения в технологиях беспроводной связи привели к созданию огром-
  ного количества данных, которые передаются повсеместно. Большая часть такой инфор-
  мации является частью обширной и общедоступной сети, которая соединяет различные
  стационарные и мобильные устройства по всему миру. Возможности электронных уст-
  ройств также увеличиваются день ото дня, что приводит к большему объему генерации
  данных и обмена информацией через сети. Аналогичным образом, с ростом разнообразия и
  сложности структур мобильных сетей увеличилась частота возникновения нарушений
  безопасности в ней. Это препятствует внедрению интеллектуальных мобильных прило-
  жений и услуг, о чем свидетельствует большое разнообразие платформ, которые предос-
  тавляют услуги хранения данных, вычислений с данными и приложений конечным пользо-
  вателям. В таких сценариях становится необходимым защитить данные и проверить их
  использование в сети и приложениях, а также проверить их некорректное использование с
  целью защиты частной информации. Согласно данному исследованию, модель безопасно-
  сти на основе искусственного интеллекта должна обеспечивать конфиденциальность,
  целостность и надежность системы, ее оборудования и протоколов, управляющих сетью,
  независимо от ее создания, чтобы управлять такой сложной сетью, как мобильная. От-
  крытые трудности, с которыми все еще сталкиваются мобильные сети, такие как не-
  санкционированное сканирование сети, мошеннические ссылки и т.д., были тщательно
  изучены в данной статье. Также в данном материале обсуждаются несколько технологий
  машинного и глубокого обучения, которые можно использовать для создания безопасной
  среды, а также многие угрозы кибербезопасности. Необходимо обратиться к необходимо-
  сти разработки новых подходов для обеспечения высокого уровня безопасности электрон-
  ных данных в мобильных сетях, поскольку возможности повышения безопасности мобиль-
  ных сетей безграничны.

• ПРОЕКТИРОВАНИЕ СИСТЕМЫ УПРАВЛЕНИЯ И ОБЕСПЕЧЕНИЕ АВТОНОМНОСТИ ДЛЯ МОБИЛЬНОГО ДВУХКОЛЕСНОГО РОБОТА

  А. А. Ткаченко , Д.Д. Девяткин

  2022-04-21

  Аннотация ▼

  Управление с прогнозированием (Model Predictive Control) – это усовершенствован-
  ный метод управления процессами, который используется при соблюдении набора ограни-
  чений. С инженерной точки зрения MPC-метод проектирования систем управления явля-
  ется привлекательным, т.к. является сравнительно простым при проектировании, в том
  числе для решения сложных производственных задач. Данный метод схож с классическим
  синтезом системы управления на основе линейно-квадратичного регулятора (LQR). Ключе-
  вое различие между MPC и LQR заключается в том, что управление с прогнозированием
  решает задачу оптимизации в пределах скользящего временного горизонта, в то время как
  линейно-квадратичный метод используется для решения той же задачи фиксированное
  временное окно. В работе рассматривается способ построения системы управления для
  двухколесного мобильного робота с использованием Model Predictive Control. Приведен про-
  цесс построения математической модели механической системы робота, а также выпол-
  нена линеаризация полученной модели. Представлены основные принципы построения сис-
  темы управления на основе MPC для линейных систем без внешних возмущений, а также с
  использованием наблюдателя для оценки состояний модели при влиянии аддитивных белых
  гауссовских шумов. Рассмотрен вариант синтеза системы управления с накладываемыми
  ограничениями на входной сигнал. Также представлен способ определения положения двух-
  колесного робота в пространстве с помощью системы технического зрения, которая ос-
  нована на использовании искусственной нейронной сети. Приведена архитектура модели,
  использующаяся совместно со стереокамерой, с помощью которой реализуется построе-
  ние карты глубины изображения. В качестве архитектуры нейронной сети используется,зарекомендовавшая себя модель YOLOv3. В работе описываются модели, которые неспо-
  собны проводить обработку данных в режиме реального времени. Помимо вышеперечис-
  ленного в работе подробно описывается принцип работы модели глубокого обучения –
  YOLOv3, которая основана на нескольких блоках обработки входных данных. Представле-
  но подробное описание реализации стереокамеры в связке с моделью искусственной ней-
  ронной сети с помощью языка программирования Python и библиотек для работы с видео-
  данными и стереокамерой.

• ПРИМЕНЕНИЕ НЕЙРОСЕТЕВОГО ПОДХОДА ДЛЯ ДИАГНОСТИКА ДВИГАТЕЛЯ ВНУТРЕННЕГО СГОРАНИЯ ТРАНСПОРТНЫХ СРЕДСТВ

  А. В. Логунов , А. Л. Береснев

  2022-04-21

  Аннотация ▼

  Работа посвящена проблеме диагностирования двигателя внутреннего сгорания
  транспортных средств эта проблема сейчас наиболее актуально из-за постоянного роста
  автопарка и ужесточения требований к безопасной эксплуатации. Своевременный и точ-
  ный контроль состояния двигателя внутреннего сгорания способен предотвратить выход из строя целых узлов транспортного средства, а также избежать таких серьезных по-
  следствий как дорожно-транспортное происшествие. С появлением современных техноло-
  гий давно известный метод оценки состояния двигателя по звуку может стать самым
  передовым, поскольку исключается человеческий фактор, для обработки сигнала применя-
  ется вычислительная техника анализ звукового спектра в которой осуществляется с по-
  мощью искусственных нейронных сетей. Применение искусственных нейронных сетей для
  анализа звукового спектра нашло применение в распознавание речи и для диагностики забо-
  леваний дыхательной системы. В статье рассмотрена неисправность одного из основных
  узлов двигателя внутреннего сгорания – подшипника. Представлены все возможные виды
  неисправностей подшипников и причины, по которым они возникают. Перечислены узлы и
  механизмы двигателя внутреннего сгорания в которых применяются подшипники. Описан
  алгоритм экспериментальной части. Выполнен эксперимент, включающий в себя преобра-
  зование полученных звуковых сигналов в спектрограммы и извлечение признаков с помощью
  которых выполняется классификация. Выполненная экспериментальная часть доказала
  возможность диагностирования двигателя внутреннего сгорания с применением искусст-
  венных нейронных сетей. Научная новизна состоит в том, что процесс диагностики ста-
  новится автоматизированным, все звуки, снятые датчиками, обрабатывается в ЭВМ или
  в перспективе в специальном сканере, на дисплей выводится информация о состоянии тех
  или иных узлов, в отличие от традиционных методов где диагностика осуществляется
  визуально или на слух. Таким образом повышается точность диагностики и снижается
  общая трудоемкость за счет исключения частичной или полной разборки двигателя.

• АЛГОРИТМЫ УПРАВЛЕНИЯ ЭЛЕКТРИЧЕСКОЙ СЕТЬЮ ГИБРИДНОЙ СИСТЕМЫ ЭНЕРГООБЕСПЕЧЕНИЯ АНПА

  Н. К. Киселев , Л.А. Мартынова

  2022-03-02

  Аннотация ▼

  Целью исследований явилось управление электрической сетью гибридной системы
  энергообеспечения автономного необитаемого подводного аппарата, предназначенного для
  перемещения на сверхдальние расстояния свыше десятка тысяч километров. Для преодо-
  ления сверхдальних расстояний остро стоит задача минимизации удельного потребления
  электроэнергии при условии обеспечения всех потребителей электроэнергией. Актуаль-
  ность работы определяется новизной использования в автономных необитаемых подвод-
  ных аппаратах гибридной системы энергообеспечения, состоящей из разнородных источ-
  ников электроэнергии, работающих на различных физических принципах. Ввиду отсутст-
  вия на сегодняшний день исследований, связанных с управлением гибридной системой энер-
  гообеспечения, согласованным с режимами движения аппарата в широком диапазоне ско-
  ростей, возникла задача разработки алгоритмов управления гибридной системой энерго-
  обеспечения. Для решения задачи проанализированы причины изменения токопотребления
  при движении аппарата, сформированы необходимые условия подключения потребителей
  к токопроводам, включающие в себя обеспечение всех потребителей электроэнергией в
  полном объеме, исключение превышения номинальных токов каждого токопровода токами
  потребления, минимизация потерь электроэнергии при прохождении по токопроводу и
  через оборудование. В связи с этим были проанализированы возможные конфигурации по-
  строения электросети с использованием токопроводов и оборудования, проведены оценки
  потерь на токопроводах и на используемом оборудовании. По результатам исследований
  был сформирован граф подключений потребителей к токопроводам, и для определения
  пути подключения каждого потребителя к источнику энергии посредством электросети
  был определен путь подключения, обеспечивающий минимизацию потерь. Задача была
  формализована как поиск кратчайшего пути в графе, и для ее решения в качестве основы
  был использован алгоритм Дейкстры. По результатам исследований был сформирован
  алгоритм формирования путей подключения потребителей к источникам электроэнергии
  посредством электросети и алгоритм управления переключениями ключей в электросети
  при изменении токов потребления. Разработанные алгоритмы были программно реализо-
  ваны, и с использованием имитационной модели проведен численный эксперимент. Резуль-
  таты эксперимента показали правильность разработанных алгоритмов, и могут быть в
  дальнейшем использованы для реализации в разрабатываемых аппаратах для перемещения
  на сверхдальние расстояния.

• ПОЛУМАРКОВСКАЯ МОДЕЛЬ ТЕЛЕКОММУНИКАЦИОННОЙ СЕТИ С ДИНАМИЧЕСКИМ УПРАВЛЕНИЕМ

  Д. А. Мищенко , А.А. Львов , А. А. Никифоров , Алалван Амин Раад Джихад, М.С. Светлов

  2021-12-24

  Аннотация ▼

  Предложена полумарковская модель телекоммуникационной сети. Рассмотрен вари-
  ант динамического управления трафиком системы массового обслуживания как частного
  случая телекоммуникационной сети. Основная цель управления – минимизация средних за-
  трат в единицу времени на обслуживание входящего потока информации (пакетов). При
  этом учтены различная пропускная способность каналов, скорость обработки информа-
  ции в канале и информационная емкость буферов. Предложен подход к организации дина-
  мического управления с учетом помехоустойчивости (информационной надежности) и
  помехозащищенности (защиты информации). Рассмотрена задача динамического управле-
  ния телекоммуникационной сетью на примере простой одноканальной структуры типа
  «точка-точка», которая моделируется как линейная однонаправленная Марковская цепь.
  Были введены параметры тарифа обслуживания, стоимости штрафа за отказ от обслу-
  живания. Анализ позволяет сделать следующие замечания, что распределение входного
  информационного потока пакетов – пуассоновское, закон распределения длины пакетов и
  скорости их поступления имеет экспоненциальный характер, что в совокупности харак-
  теризует Марковский процесс. Однако одновременно имеют место задержки в обслужи-
  вании по отношению к моментам времени поступления запросов на обслуживание, включая
  задержки, связанные с переполнением буфера. Предложенная полумарковская модель телекоммуникационной сети может быть использована и для более сложных сетевыхструктур. В частности, для телекоммуникационных сетей, состоящих не только из одной одноканальной системы передачи информации (одноканальной системы массового обслу-
  живания), а представляющих собой совокупность нескольких систем, то есть для много-
  канальных телекоммуникационных сетей.

• УПРАВЛЕНИЕ МОБИЛЬНЫМ РОБОТОМ С ПРИМЕНЕНИЕМ НЕЙРОННОЙ СЕТИ ДЛЯ ПЛАНИРОВАНИЯ ДВИЖЕНИЯ В НЕКАРТОГРАФИРОВАННОЙ СРЕДЕ С ПРЕПЯТСТВИЯМИ

  А. К. Фархуд

  99-114

  2022-01-31

  Аннотация ▼

  В данной работе применяется нейронная сеть глубокого обучения специальной
  структуры, которая позволяет мобильному роботу перемещаться без столкновения с
  препятствиями в неизвестной среде. Основными проблемами, на решение которых направ-
  лены усилия исследователей в области нейросетевых планировщиков движения, являются
  повышение производительности нейронных сетей, оптимизация их структуры и автома-
  тизация процессов обучения. Основным результатом данной статьи является новый ите-
  рационный алгоритм разработки обучающего набора. На первой итерации разрабатыва-
  ется стартовый обучающий набор и производится начальное обучение нейронной сети.
  В следующих итерациях обученная на предыдущем этапе нейронная сеть используется в
  качестве фильтра для следующих обучающих наборов. Фильтр выбирает траектории с
  коллизиями, обусловленными ошибками нейронной сети. В процессе обучения количество
  сверточных и полностью связанных слоев итеративно увеличивается. Таким образом,
  предложенный алгоритм позволяет разработать как обучающий набор, так и архитекту-
  ру нейронной сети. Выполняется сравнение результатов обучения для отфильтрованных и
  нефильтрованных наборов. Подтверждена высокая эффективность фильтрации, в ре-
  зультате которой изменяется распределение примеров в обучающей выборке. Алгоритм
  может быть использован для разработки блока планирования системы управления мобильными наземными роботами. В статье приводится пример обучения нейронной сети в
  среде моделирования Matlab. В примере проведено пять итераций обучения, в ходе которых
  достигнута точность более 90 %. Данная точность получена с использованием набранной
  статистики по движению мобильного робота в случайно генерируемой среде. Плотность
  заполнения среды препятствиями составляла до 40 %, что соответствует городским
  условиям. Проведено сравнение нейросетевых планировщиков, обученных с помощью пред-
  ложенной итерационной процедуры и при обычном обучении. Сравнение показало, что
  применение итерационной процедуры повышает точность планирования до 12 – 15 %. При
  этом исходный объем обучающей выборки уменьшается в несколько раз за счет применяе-
  мой фильтрации.

• УПРАВЛЕНИЕ В АВТОНОМНЫХ ТЕЛЕКОММУНИКАЦИОННЫХ СИСТЕМАХ С ПОМОЩЬЮ ОНТОЛОГИИ НАМЕРЕНИЙ

  Н.А. Жукова , И. А. Куликов

  2025-01-30

  Аннотация ▼

  Статья посвящена описанию возможностей управления в автономных телекоммуникацион-
  ных системах при помощи онтологий намерений. В современных телекоммуникационных сетях
  наметились тенденции к децентрализации систем и наделению их компонентов возможностью
  автономной работы, при этом на уровне системы определяется бизнес-логика их работы, кото-
  рая во многих случаях требует взаимодействия между несколькими или многими компонентами
  систем, выступающими в роли поставщиков или потребителей услуг. В статье рассматривают-
  ся автономные сети, управляемые с использованием модели TMN (от англ. Telecommunication
  Management Network – телекоммуникационная сеть управления), которая является многоуровне-
  вой моделью, включающей уровни управления бизнесом, услугами, телекоммуникационной сетью и
  ее компонентами. Для управления сетями в парадигме поставщиков и потребителей услуг между-
  народной ассоциацией, объединяющей поставщиков сервисов и их потребителей в сфере телеком-
  муникаций TMForum разработана концепция, основанная на использовании онтологий намерений
  (Intent in Autonomous Networks), позволяющих формулировать задачи управления в автономных
  сетях за счет определения критериев управления сетями и их элементами с точки зрения намере-
  ний участников взаимодействия по получению и предоставлению сервисов. Ввиду того, что онто-
  логия намерений описана в формате OWL, представляющим ее как семантическую сеть связанных
  между собой классов, в статье предложено для управления телекоммуникационными сетями ис-
  пользовать модель телекоммуникационной сети в форме графа знаний, который связан как с до-
  менной онтологией телекоммуникационных сетей, так и с онтологией намерений, что позволяет
  обеспечить автономность компонентов сети за счет управление при помощи намерений, а ис-
  пользование доменной онтологии в области телекоммуникационных сетей облегчает интеграцию
  со сторонними поставщиками и потребителями сервисов оператора. Предложенный подход со-
  вместного использования онтологии намерений, политик и модели сети в форме графа знаний для
  управления телекоммуникационными сетями на бизнес-уровне является новым и его примени-
  мость показана в статье на примере реализации процесса регистрации и выполнения заявки на
  подключение телекоммуникационного сервиса. Рассмотренный пример показывает возможность
  совместного использования модели телекоммуникационной сети в форме графа знаний, построен-
  ной на основе доменной онтологии и онтологии намерений при выполнении верхнеуровневых биз-
  нес-процессов управления автономной телекоммуникационной сетью.

• БЕСПРОВОДНЫЕ СЕНСОРНЫЕ СЕТИ В ЗАЩИЩАЕМЫХ ЗОНАХ

  Г.П. Виноградов , А.С. Емцев, И. С. Федотов

  2021-04-04

  Аннотация ▼

  В военных целях беспроводные сенсорные сети позволяют «связать автономные
  системы» в комплекс, обладающий свойством самоорганизации, когда объекты «умеют»
  сами находить друг друга и формировать сеть, а случае выхода из строя какого-либо из
  узлов могут устанавливать новые маршруты для передачи сообщений. Достичь желаемой
  эффективности подобных комплексов возможно, главным образом, путем совершенство-
  вания интеллектуальной составляющей их системы управления в целом и отдельным узлом
  в частности. Однако следует отметить, что подавляющее число исследований в этой
  области остается на теоретическом уровне. Цель состоит: 1) в исследовании и разработ-
  ке алгоритмов построения архитектуры сети с мобильными узлами и с возможными их
  отказами вследствие выполнения боевой задачи; 2) в исследовании и разработке использо-
  вания узла сенсорной сети для сбора, анализа, передачи данных об обстановке и принятия
  решения в зоне своей ответственности; 3) предложить в условиях ограничений по энерго-
  потреблению и быстродействию сравнительно простые алгоритмы для придания узлу
  сети свойства интеллектуального поведения. Показано, что требуемые алгоритмы можно
  разработать, если выявить классы типовых ситуаций и успешные способы действия в
  реальных условиях. На этой основе появляется возможность разработки формальных мо-
  делей (паттернов) для реализации в системе управления узлом. Предложена двухуровневая
  структура интеллектуальной системы управления сетью. Верхний уровень, реализуемый
  оператором, соответствует таким свойствам, как выживание, безопасность, выполнение
  обязательств согласно миссии, накопление и корректировка базы знаний в виде эффектив-
  ных паттернов поведения. Объектом управления для нее является сеть, рассматриваемая
  как некоторая функциональная система.

• КОМПЛЕКСНЫЙ ПОДХОД К РАСПОЗНАВАНИЮ НАРУШИТЕЛЯ ПО ВИДЕОИЗОБРАЖЕНИЯМ

  А. Е. Колоденкова , М. О. Бочкарев

  105-113

  2026-07-07

  Аннотация ▼

  Распознавание нарушителей в условиях неконтролируемой среды является важнейшей функцией систем контроля безопасности (СКБ), основанных на биометрии и обеспечивающих защиту на объектах с массовым скоплением людей. Повысить точность подобных систем возможно за счет объединения нескольких различных биометрических признаков, полученных по видеоизображениям. Однако при работе с видеоизображениями возникает ряд проблем, связанных с изменением точки обзора, контрастности, освещения, окклюзией, посторонних объектов на заднем плане, с выбором уровня объединения биометрических признаков. Для решения данной проблемы предложен комплексный подход к распознаванию нарушителя, основанный на предварительной обработке видеоизображений, а также интеграции двух сверточных нейронных сетей (СНС), теории Демпстера-Шефера, метода случайного леса для объединения поведенческих биометрических признаков на уровне оценок соответствия и классификации видеоизображений. В качестве биометрических признаков рассматриваются походка и жестикуляция, поскольку их можно наблюдать без прямого взаимодействия с человеком. Для решения задачи классификации определено три класса видеоизображений: класс 1 – человек не является нарушителем, класс 2 – потенциальный нарушитель, класс 3 – нарушитель. В работе также представлена обобщенная схема комплексного подхода к распознаванию нарушителя с подробным описанием этапов.
  Для оценки эффективности предложенного комплексного подхода были проведены эксперименты с набором данных KTH Dataset, который содержит шесть типов простых действий человека, совершенных разными людьми на различных фонах. Результаты исследований показали, что предложенный подход повышает точность распознавания нарушителя по видеоизображениям в условиях неконтролируемой среды (точность классификации составила 87%).

• СИСТЕМА СОПОСТАВЛЕНИЯ ИЗОБРАЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ ИНТУИЦИОНИСТСКИХ НЕЧЕТКИХ МНОЖЕСТВ

  К.И. Морев

  286-298

  2026-04-29

  Аннотация ▼

  Представлена полностью обучаемая система для решения задачи сопоставления двух изображений. Все основные элементы системы являются обучаемыми, т.е. их финальный вид соответствует целевому набору данных по которому проводилось обучение. Факт обучаемости системы, методы, используемые при обучении, и архитектура системы позволяют использовать систему для решения большого числа разнообразных задач компьютерного зрения. Система состоит из сверточной нейронной сети, служащей одновременно для выделения особых точек и их дескрипторов, а также обучаемого модуля сопоставления выделенных особых точек на основе их описания и взаимного расположения в наблюдаемой сцене. Используемая сверточная нейронная сеть обрабатывает полноразмерные изображения и вычисляет как местоположение точек интереса с пиксельной точностью, так и связанные с ними дескрипторы за один полный цикл вычислений. Сопоставление особых точек – отдельный шаг и выполняется после выполнения полного цикла вычислений нейронной сети, но на основе результатов этих вычислений. В процессе обучения модели вычисления положений особых точек и их дескрипторов используется метод формирования обучающей выборки, называемый гомографическая адаптация – подход, способствующий повышению повторяемости и точности обнаружения особых точек. Процесс обучения модели выделения особых точек заключается в получении новых весов в процессе дообучения базового детектора, представляющего инициализирующие веса модели. Финальная модель выделения особых точек, обученная на универсальном наборе изображений MS-COCO с использованием гомографической адаптации, многократно превосходит исходный базовый детектор по параметрам количества, надежности и повторяемости особых точек, а также превосходит любой другой традиционный детектор уголков основанный на классических подходах

• АЛГОРИТМ УПРАВЛЕНИЯ АВТОНОМНЫМ НЕОБИТАЕМЫМ ПОДВОДНЫМ АППАРАТОМ ПРИ ПОИСКЕ НАЗНАЧЕННОГО ДОННОГО ОБЪЕКТА ПРИ КОМПЛЕКСНОМ ИСПОЛЬЗОВАНИИ РАЗЛИЧНЫХ СРЕДСТВ МОНИТОРИНГА ДНА

  В.С. Быкова , А.И. Машошин

  2026-04-29

  Аннотация ▼

  Поиск назначенных донных объектов является одной из наиболее сложных задач, решаемых АНПА, что обусловлено рядом факторов, основными из которых являются: разнообразие объектов поиска (затонувшие подводные лодки, надводные корабли, самолёты, вертолёты, мины, подводные трубопроводы и кабели связи, различная подводная инфраструктура), необходимостью комплексного использования для поиска различных средств мониторинга дна, отличающихся физическими принципами функционирования, разрешающей способностью и поисковой производительностью. Целью работы, результаты которой приведены в статье, была разработка алгоритма управления АНПА при поиске назначенного донного объекта, удовлетворяющего этим требованиям, и его проверка с использованием цифрового полигона и цифрового двойника АНПА.
  В качестве критерия выбора средства мониторинга дна в каждом конкретном случае была принята вероятность правильного отнесения обнаруженного донного объекта к объекту поиска.
  В результате логика поиска назначенного донного объекта выглядит следующим образом. Осуществляется поиск донных объектов средством с максимальной производительностью поиска. При обнаружении донного объекта определяется вероятность его принадлежности объекту поиска. Если она больше заданного высокого порога, принимается решение об обнаружении назначенного донного объекта. Если же она меньше заданного низкого порога, принимается решение, что обнаружен посторонний объект. В остальных случаях принимается решение о необходимости обследования объекта средством с большей разрешающей способностью. Описана технология классификации донных объектов на основе обучения искусственной нейронной сети с использованием синтезированного обучающего материала. Приведены результаты проверки эффективности разработанного алгоритма с использованием цифрового полигона и цифрового двойника АНПА. Выполненное моделирование разработанного алгоритма показало, что комплексное использование средств мониторинга дна повышает вероятность успешного решения задачи и сокращает время её решения

• ИССЛЕДОВАНИЕ АЛГОРИТМОВ МНОГОПУТЕВОЙ МАРШРУТИЗАЦИИ СООБЩЕНИЙ С ИСПОЛЬЗОВАНИЕМ ТРЕХМЕРНЫХ ГРАФОВЫХ МОДЕЛЕЙ СЕТЕЙ АНПА

  Н.В. Колесов , А. М. Грузликов , Ю.М. Скородумов , В.С. Тюльников

  2026-04-29

  Аннотация ▼

  Рассматривается класс телекоммуникационных сетей с подвижными узлами, важным подклассом которых являются так называемые географические сети. Их отличительная особенность состоит в доступности для каждого узла сети информации о географических координатах всех узлов, благодаря чему каждый узел знает полную топологию графа сети, что позволяет оперативно находить нужное число маршрутов передачи информации между любыми двумя узлами. Целью настоящей статьи является исследование алгоритмов многопутевой маршрутизации, для чего предлагается метод автоматического синтеза адекватных тестовых моделей сетей практически неограниченной сложности. В основе предлагаемого решения лежит композиционный подход, при котором сначала формируется относительно простой фрагмент сети, удовлетворяющий заданным ограничениям, после чего итоговая модель выстраивается как композиция копий такого фрагмента. Для исследования эффективности алгоритмов многопутевой маршрутизации предложен композиционный метод случайного синтеза тестовых моделей сложных сетей, удовлетворяющих ограничениям на межвершинные расстояния. Данный метод был применен к исследованию двух алгоритмов маршрутизации, в результате чего был получен большой массив показательных модельных данных. Полученные результаты, представленные в виде графиков, демонстрируют рост выигрыша во времени передачи сообщений по мере увеличения длины очереди в целевом потоке. Установлено, что эффективность многопутевой маршрутизации незначительна в условиях малой загруженности сети, однако ее полезность возрастает с ростом загруженности сети. Аналогичный уровень роста эффективности демонстрируется при переходе от алгоритма, не допускающего пересечения используемых путей, к алгоритму, допускающему такие пересечения

• АЛГОРИТМ РАСПОЗНАВАНИЯ ЯЗЫКА ЖЕСТОВ С ИСПОЛЬЗОВАНИЕМ СВЕРТОЧНОЙ НЕЙРОННОЙ СЕТИ

  В.Е. Бондарева , Т.С. Черноморова , А.В. Кривцун , Абдулкарем Абейр

  2026-02-27

  Аннотация ▼

  Рассматривается задача автоматического распознавания русского жестового языка (РЖЯ) на основе методов компьютерного зрения и глубокого обучения. Актуальность исследования обусловлена устойчивым ростом численности лиц с нарушениями слуха: по данным Всемирной организации здравоохранения, в настоящее время их количество составляет около 70 млн человек, и, согласно прогнозам, может увеличиться до 630 млн к 2035 году. Разработка эффективных алгоритмов распознавания жестов является важным направлением создания систем бесконтактного человеко-машинного взаимодействия, направленных на повышение доступности информационных технологий и улучшение качества жизни людей с ограниченными возможностями слуха. Целью работы является разработка и экспериментальная апробация алгоритма распознавания букв русского жестового языка в видеопотоке в реальном времени с использованием сверточной нейронной сети. В ходе исследования сформирован специализированный датасет, включающий 430 изображений жестов, соответствующих буквам алфавита РЖЯ, представленных с различных ракурсов и при изменяющихся условиях освещения. Для реализации модели использованы библиотеки TensorFlow и Keras, а интеграция с видеопотоком выполнена с применением средств OpenCV и системы отслеживания положения руки на основе маркеров. В результате проведенного обучения и тестирования предложенная модель продемонстрировала точность распознавания на уровне 99 % на тестовой выборке. Проведён сравнительный анализ с классическими методами машинного обучения, показавший преимущество сверточной нейронной сети по точности классификации и устойчивости к внешним помехам. Полученные результаты подтверждают эффективность предложенного подхода и его применимость для создания систем реального времени, предназначенных для коммуникационных, образовательных и реабилитационных приложений, а также для разработки интерфейсов человеко-машинного взаимодействия

• РАСПОЗНАВАНИЕ ЭМОЦИОНАЛЬНЫХ СОСТОЯНИЙ В РУССКОЯЗЫЧНОЙ РЕЧИ С ИСПОЛЬЗОВАНИЕМ MFCC-ПРИЗНАКОВ И BLSTM-МОДЕЛИ ДЛЯ НАБОРА ДАННЫХ «DUSHA»

  П.Г. Букина , А.А. Меринов , С.С. Харченко , Е.Ю. Костюченко

  240-248

  2025-12-30

  Аннотация ▼

  Рассматривается задача автоматического распознавания эмоциональных состояний по речевому сигналу с использованием современных методов глубокого обучения. Актуальность исследования обусловлена растущей потребностью в интеллектуальных системах, способных оценивать эмоциональное состояние человека. Такие технологии могут найти широкое применение в медицине, психологии, информационных системах и управлении персоналом. Основной целью работы является разработка эффективной нейросетевой модели для распознавания эмоций в русскоязычной речи с точностью, превосходящей показатели современных архитектур. В качестве основы для экспериментов использован открытый русскоязычный набор данных «Dusha», содержащий 300000 аудиозаписей, из которых для обучения взято 183055 аудиозаписей подвыборки «Crowd», размеченной по четырём эмоциональным категориям: радость, грусть, злость и нейтральное состояние. Для подачи речевых сигналов в нейронную сеть были получены мел-частотные кепстральные коэффициенты (MFCC), которые демонстрируют высокую эффективность в задачах анализа и классификации речи, – 20 коэффициентов, извлеченные при использовании временного окна 20 мс и перекрытия 10 мс, с последующей нормализацией значений. Базовой архитектурой нейросетевой модели выступила двунаправленная рекуррентная сеть с долгой краткосрочной памятью (BLSTM), способная учитывать как прошлый, так и будущий контекст во временной последовательности. Для борьбы с переобучением и повышения обобщающей способности модель была модифицирована: в неё были добавлены свёрточные слои (CNN), слои MaxPooling для снижения размерности, а также механизмы Dropout и BatchNormalization. В результате предложенная гибридная CNN-BLSTM архитектура продемонстрировала точность 62,9% на тестовой выборке, что на 6,7% выше исходной модели (56,2%). Полученные результаты были сопоставлены с результатами современных архитектур, а именно MobileNetV2, HuBERT и WavLM. Анализ позволил обозначить перспективы дальнейшего повышения качества исследования за счет комплексной работы над структурой и параметрами используемой модели, а также балансировки классов и рассмотрения дополнительных акустических признаков.