Для авторов
Найти
Результаты поиска
Найдено результатов: 9.
-
СТОХАСТИЧЕСКАЯ МОДЕЛЬ КОГНИТИВНОГО РИСКА ТРЕЙДЕРОВ В УСЛОВИЯХ ВОЛАТИЛЬНОСТИ ДЕЦЕНТРАЛИЗОВАННЫХ РЫНКОВ
Д. Г. Веселова , Н. Е. Сергеев189-1992025-12-30Аннотация ▼Настоящее исследование посвящено разработке стохастической модели когнитивного риска трейдеров как ключевого компонента интеллектуальной системы поддержки принятия решений (СППР) для децентрализованных криптовалютных рынков. Актуальность работы обусловлена спецификой DeFi-среды, характеризующейся высокой и нестационарной волатильностью, отсутствием централизованных механизмов стабилизации, асимметрией информации и значительным влиянием поведенческих факторов на принятие торговых решений. В данных условиях традиционные детерминированные и статические СППР демонстрируют ограниченную эффективность, поскольку не учитывают динамическое восприятие риска участниками рынка и связанные с ним когнитивные искажения. Целью исследования является формализация когнитивного риска трейдеров в виде стохастического процесса с эффектом памяти и интеграция соответствующей модели в архитектуру СППР, ориентированной на адаптивное управление риском. Для достижения поставленной цели разработано стохастическое дифференциальное уравнение, описывающее динамику когнитивного риска в зависимости от рыночной волатильности и текущих режимов рынка, а также вероятностное ядро переходов между рыночными состояниями, связывающее объективные рыночные характеристики с субъективным восприятием риска. Для оценки параметров модели предложен идентификационный каркас, основанный на алгоритме Expectation–Maximization в сочетании с фильтром частиц, что обеспечивает возможность работы с нелинейными и скрытыми состояниями системы. Методика исследования включает численное моделирование на синтетических данных, оценку параметров модели на реальных временных рядах криптоактивов, а также валидацию результатов с использованием схем walk-forward и purged
K-fold. Качество вероятностных прогнозов оценивалось с применением метрик отрицательного логарифмического правдоподобия (NLL), Brier Score и ожидаемой ошибки калибровки (ECE). Экспериментальные результаты показали, что включение когнитивного стохастического слоя позволяет улучшить качество вероятностных прогнозов в среднем на 10–15%, снизить NLL на 8%, Brier Score на 11% и ECE на 35%, а также повысить точность предсказания ключевых переходов между рыночными режимами на 5–7 процентных пунктов. Полученные результаты подтверждают эффективность предложенной стохастической модели когнитивного риска и демонстрируют её применимость для построения адаптивных СППР в DeFi-сегменте. Разработанный подход может служить основой для дальнейшего развития предиктивных моделей поведения трейдеров и интеллектуальных систем управления риском в децентрализованных финансовых экосистемах. -
РАЗРАБОТКА И ИССЛЕДОВАНИЕ КВАНТОВОЙ ГРАФОВОЙ МОДЕЛИ ДЛЯ СЖАТИЯ И РЕКОНСТРУКЦИИ ИЗОБРАЖЕНИЙ
А.Н. Самойлов , С.М. Гушанский , Н.Е. Сергеев , В.С. Потапов2024-11-10Аннотация ▼Подробно рассматриваются методы и подходы к применению квантовых алгоритмов для
решения задач оптимизации и обработки изображений. Особое внимание уделено квантовой при-
ближённой оптимизации (КПО) и применению квантовых сетей для задач сжатия и реконструк-
ции данных. КПО представляет собой гибридный алгоритм, который объединяет квантовые и
классические вычислительные процессы, позволяя эффективно решать сложные комбинаторные
задачи. Основой КПО являются параметризованные унитарные операции, которые подвергаются
оптимизации в ходе итераций. Этот подход даёт возможность учитывать уникальные особен-
ности квантовой природы информации, что в ряде случаев позволяет достичь более высокой про-
изводительности, чем при использовании исключительно классических методов. В процессе реали-
зации КПО одним из главных препятствий остаётся проблема шума, который может возникать,
например, при использовании CNOT-гейтов. В статье обсуждаются различные стратегии сни-
жения уровня шума, что является важной задачей для обеспечения стабильности и повышения
точности работы квантовых алгоритмов. Например, рассматриваются методы изоляции от-
дельных операций и коррекции ошибок, что позволяет минимизировать влияние шума на резуль-
таты вычислений и улучшить точность квантовой оптимизации. Авторы также предлагают
графовую интерпретацию квантовых моделей, которая основана на применении тензорных се-
тей. Такой подход позволяет эффективно упрощать вычислительные графы, за счёт чего удаётся
оптимизировать ресурсы, требуемые для выполнения сложных квантовых операций. Этот метод
также демонстрирует высокую эффективность в задачах сжатия и восстановления изображе-
ний, что открывает новые перспективы для применения квантовых сетей в области обработки
данных. В статье описывается структура квантовых сетей, включающая многослойные кванто-
вые гейты, которые позволяют более глубоко и детализированно обрабатывать изображения,
обеспечивая как эффективное сжатие, так и качественное восстановление данных. Также был
проведён анализ различных типов квантовых гейтов, таких как Адамар, Паули-X, Паули-Y и
T-гейты. Эти гейты играют ключевую роль в эффективности квантовых алгоритмов, так как
каждый из них вносит свой вклад в квантовую динамику и в способ манипуляции квантовыми со-
стояниями. -
ПРОГНОЗИРОВАНИЕ ПОТРЕБЛЕНИЯ ЭЛЕКТРОЭНЕРГИИ ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЙ (ОБЗОР)
И.В. Еманов , Н.Е. Сергеев2024-10-08Аннотация ▼Крупные потребители электроэнергии в основном производят покупку электроэнергии на
оптовом рынке электроэнергии и мощности, например промышленные предприятия черной ме-
таллургии. Для производства продукции крупные промышленные предприятия ежедневно заказы-
вают почасовые объёмы потребления электроэнергии на двое суток вперёд, при необходимости за
сутки, предшествующие дню потребления, предприятия имеют право направлять скорректиро-
ванные значения. При этом за отклонения от плановых почасовых объёмов предприятия несут
дополнительные затраты, которые входят в тариф на электроэнергию. Одними из важнейших
факторов, которые влияют на прогнозирование почасового потребления электроэнергии, являют-
ся: многообразие видов основного и вспомогательного оборудования, мощностей потребителей
электроэнергии, осуществляющих технологические процессы предприятия; интенсивность за-
грузки производства и режимы работы в зависимости от производства сортамента; частое
использования часов максимальной электрической мощности в течение суток; энергоемкое произ-
водство продукции. Для построения прогнозных данных временных рядов строится модель про-
гнозирования почасового потребления электроэнергии промышленным предприятием и имеет
большое количество входных данных, которые имеют вероятностную составляющую. Рассмот-
рение различных методов прогнозирования временных рядов потребления электроэнергии про-
мышленных предприятий представляется актуальной научно-технической задачей. Это обуслов-
лено, требованиями минимизации, во-первых, скачков и сбоев в работе генерирующих мощностей
энергосистемы региона, в котором расположено предприятие (т.к. нагрузка, например, предпри-
ятий черной металлургии может достигает до 10% от общего потребления региона), а во-
вторых, дополнительных затрат, связанные с куплей/продажей объемов электроэнергии потреб-
ленной сверх заявки/невыбранной при неточном планировании почасовых объемов потребляемой
электроэнергии, которые входят в тариф на электроэнергию. -
ПРЕДИКТИВНАЯ АНАЛИТИКА ДЛЯ ПРИНЯТИЯ РЕШЕНИЙ В ДЕЦЕНТРАЛИЗОВАННЫХ СИСТЕМАХ
Н.Е. Сергеев , Д.Г. Веселова2024-05-28Аннотация ▼В настоящее время актуальность использования криптоактивов стремительно растет.
В последние годы торговля криптовалютой стала одной из наиболее обсуждаемых тем в мире
финансов и инвестиций. Криптовалюты, такие как Биткоин, Эфириум, привлекают внимание
миллионов людей благодаря своей инновационности, потенциалу высокой прибыли и возможности
децентрализации. Технология блокчейн, на которой основаны криптовалюты, является одной из
самых инновационных и перспективных технологий на рынке. Изучение торговли криптовалюта-
ми позволяет понять, как частные инвесторы и компании могут использовать блокчейн-
технологии для инвестирования и развития своих бизнесов. Одной из главных причин популярности
торговли криптовалютой является ее высокий уровень волатильности. Курс криптовалют мо-
жет быстро меняться, что предоставляет возможности для получения прибыли. Данная статья
направлена на исследование использования предиктивной аналитики для принятия решений в де-
централизованных системах на примере торговли криптовалютами на централизованных и де-
централизованных биржах. В настоящей работе проводится исследование децентрализованных и
централизованных систем с целью дальнейшего создания систем поддержки принятия решений.
Приведено общее описание и схемы работы децентрализованных и централизованных динамиче-
ских систем на примере исследования криптобирж. Данная научная статья исследует типовую
структуру централизованной и децентрализованной криптобиржи, анализируя основные компо-
ненты и принципы ее функционирования. В статье рассматривается внутренняя организация
биржи, включая систему хранения цифровых активов, механизмы выполнения сделок, обеспечение
безопасности и управление рисками. Также обсуждается взаимодействие биржи с участниками
рынка, а также регулирующими органами. Помимо этого, данная научная статья исследует пра-
вила и принципы работы трейдеров и маркет мейкеров на централизованных и децентрализован-
ных криптобиржах. Рассматриваются основные стратегии и тактики, которые используют
участники рынка для обеспечения ликвидности и оптимизации операций торговли. В статье про-
водится сравнение подходов к торговле на различных типах криптобирж с учетом их особенно-
стей и влияния на ценовую динамику криптовалют. Представленные результаты могут способ-
ствовать более глубокому пониманию процессов в торговле криптовалютами и оптимизации
стратегий принятия решений для инвесторов и торговцев на рынке криптоактивов. -
РАСШИРЕНИЕ ПРИЗНАКОВОГО ПРОСТРАНСТВА В ЗАДАЧЕ ПОИСКА И РАСПОЗНАВАНИЯ МАЛОРАЗМЕРНЫХ ОБЪЕКТОВ НА ИЗОБРАЖЕНИЯХ
В. В. Ковалев , Н.E. Сергеев2024-04-16Аннотация ▼Одним из актуальных направлений при создании систем раннего обнаружения объектов
является разработка алгоритмов поиска и распознавания малоразмерных объектов на изобра-
жениях. В задаче раннего обнаружения приходится распознавать объекты на дальних рас-
стояниях от места их фиксации камерой. Образ на изображении таких объектов представлен
малой компактной группой пикселей, которая претерпевает пространственные и яркостные
изменения от кадра к кадру. Для успешного решения этой задачи целевые объекты реального
мира должны иметь большие физические размеры. Кроме физических размеров объекта на
образ объекта на изображении влияют большое количество факторов: разрешение матрицы
камеры, фокусное расстояние объектива, светочувствительность матрицы и др. Вектор ре-
шения такой задачи направлен в сторону сверточных нейронных сетей. Однако, даже у передо-
вых архитектур сверточных нейронных сетей поиск и распознавание малоразмерных объектов
на изображениях вызывает трудности. Эта проблема напрямую связана с эффектом переобу-
чения модели нейронной сети. Переобучение модели нейронной сети можно оценить на основе
анализа кривых обучения. Для снижения вероятности переобучения применяют специальные
методы, которые объединяет термин регуляризация. Однако, в распознавании малоразмерных
объектов существующих методов регуляризации бывает недостаточно. В работе произведено
исследование разработанного алгоритма предварительной обработки последовательности
видеокадров, увеличивающего исходное пространство признаков новым независимым признаком
движения в кадре. Алгоритм предварительной обработки основан на пространственно-
временной фильтрации последовательности видеокадров, применение которого распространя-
ется на широкий спектр архитектур сверточных нейронных сетей. Для исследования характе-
ристик точности и распознавания сверточных нейронных сетей сформированы датасеты
изображений в градациях серого и изображений с признаком движения на основе среды разра-
ботки 3D графики Unreal Engine 5. В работе приведен критерий малоразмерности объектов на
изображениях. Произведено обучение и оценка характеристик точности тестовой модели
сверточной нейронной сети и анализ динамики кривых обучения тестовой модели. Показано
положительное влияние предложенного алгоритма предварительной обработки последова-
тельности видеокадров на интегральную точность обнаружения малоразмерных объектов -
УСКОРЕНИЕ ПРЯМОГО ПРОХОДА ПРИ РЕАЛИЗАЦИИ СНС НА ОГРАНИЧЕННОМ ВЫЧИСЛИТЕЛЬНОМ РЕСУРСЕ
А.Е. Щелкунов , В.В. Ковалев , И. В. Сидько , Н. Е. Сергеев2022-04-21Аннотация ▼Работа посвящена оптимизации архитектуры нейронной сети для ее запуска на ограни-
ченном вычислительном ресурсе. Рассмотрено несколько подходов оптимизации, приведены
оценки сложности и времени выполнения прямого прохода нейронной сети. Приведены сравни-
тельные оценки сложности сети при применении разных подходов оптимизации. В работе
представлен анализ выбранной архитектуры сети, получены оценки вычислительной сложно-
сти отдельных составных частей (модулей) архитектуры. Произведен анализ возможных ме-
тодов оптимизации каждого модуля. Описаны параметры рассмотренных модулей, размеры
входных и выходных тензоров. Для оптимизации модуля выделения признаков протестировано
несколько архитектур, ResNet 50, ResNet 18, MobileNet v3 small, MobileNet v3 large. Представлен
сравнительный анализ вычислительной сложности и времени выполнения прямого прохода для
каждой архитектуры. Замеры времени выполнения прямого прохода осуществлялись на
встраиваемом вычислительном устройстве Jetson AGX Xaver от компании Nvidia. Представле-
ны оценки времени выполнения прямого прохода для каждого модуля рассматриваемых нейрон-
ных сетей. В работе приведены результаты сравнения оценок точности нейронной сети до и
после оптимизации архитектуры. Набор данных для тестирования состоит из 100 видео запи-
сей. В тестовых видеозаписях участвует 5 различных типовых объектов, для каждого класса
объекта записано 10 различных сценариев. Для каждой из разработанных архитектур получе-
ны оценки точности, произведен сравнительный анализ. В работе намечены пути для после-
дующей оптимизации архитектуры сети. -
РЕАЛИЗАЦИЯ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ НА ВСТРАИВАЕМЫХ УСТРОЙСТВАХ С ОГРАНИЧЕННЫМ ВЫЧИСЛИТЕЛЬНЫМ РЕСУРСОМ
В. В. Ковалев , Н.Е. Сергеев2022-01-31Аннотация ▼Большие объемы видеоданных, фиксируемые сенсорными датчиками в различных спек-
тральных диапазонах, существенные размеры архитектур сверточных нейронных сетей
создают проблемы с реализацией нейросетевых алгоритмов на периферийных устройствах
из-за значительных ограничений вычислительных ресурсов на встраиваемых вычислительных
устройствах. В статье рассмотрено применение алгоритмов автоматического поиска и
распознавания образов на основе методов машинного обучения, реализованных на встраивае-
мых устройствах с вычислительным ресурсом Graphics Processing Unit. В качестве алгорит-
ма поиска и распознавания образов используются детекционные сверточные нейронные сети
«You Only Look Once V3» и «You Only Look Once V3-Tiny», которые реализованы на встраи-
ваемых вычислительных устройствах линейки NVIDIA Jetson, находящиеся в разном ценовом
диапазоне и с различным вычислительным ресурсом. Также в работе экспериментальным
путем вычислены оценки алгоритмов на встраиваемых устройствах по таким показателям,
как потребляемая мощность, время прямого прохода сверточнной нейронной сети и точ-
ность обнаружения. На основе решений реализованных, как на аппаратном уровне, так и на
программном, представляющихся компанией NVIDIA становится возможным применение
глубоких нейросетевых алгоритмов на основе операции свертка в режиме реального времени.
Рассмотрены методы оптимизации вычислений, предлагаемые компанией NVIDIA. Произве-
дены экспериментальное исследования влияния вычислений с пониженной точностью на ско-
рость работы и точность обнаружения объектов на изображениях, исследуемых архитек-
тур сверточных нейронных сетей, которые были предварительно обучены на выборке изо-
бражений состоящей из датасетов PASCAL VOC 2007 и PASCAL VOC 2012 -
АЛГОРИТМ ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ ВИДЕОИЗОБРАЖЕНИЙ ДЛЯ ПОВЫШЕНИЯ ТОЧНОСТИ ОБНАРУЖЕНИЯ МАЛОРАЗМЕРНЫХ ОБРАЗОВ
В. В. Ковалев , Н. Е. Сергеев2021-12-24Аннотация ▼Распознавание определенных образов в видеоизображениях, снятой камерой, осуще-
ствляется с помощью методов обучения на основе сверточных нейронных сетей. Чем
больше количество образов с множеством признаков и разнообразнее обучающая выборка
видеоизображений, тем лучше сверточные нейронные сети извлекают признаки из после-
довательности видеоизображений, которые не были включены в обучающую выборку. Это
является следствием повышения точности обнаружения визуальных образов на видеоизоб-
ражениях, содержащих признаки целевых образов. Однако, существуют ограничения в
улучшении характеристик обнаружения, когда размеры образа, который нужно обнару-
жить, значительно меньше, чем область фона или, когда образ описан малым количеством
информации. Для решения проблем подобного рода авторами статьи разработан алго-
ритм пространственно-временного комплексирования информации о движении динамиче-
ских образов. Алгоритм обрабатывает фиксированное количество видеоизображений в
определенные моменты времени и извлекает новые независимые признаки движения дина-
мических образов на основе пространственно-временной обработки видеоизображений.
Далее объединяет новые локальные признаки движения с исходными признакам видеоизоб-
ражения. Это позволяет добавить признак движения динамических образов с сохранением
исходных признаков изображения, описывающих статичные образы. Области видеоизоб-
ражения, характеризующие признак движения, отображаются «цветным» кластером.
Применение предварительной обработки направлено на повышение точности обнаруже-
ния образов при условии наличия динамических визуальных образов на статичном заднем
фоне. Если камера работает в режиме сканирования, то статичный задний фон можно
обеспечить стабилизатором видеоизображений. Экспериментальным путем получены
оценки интегральных критериев точности детекционных нейросетевых алгоритмов, пока-
зывающие увеличение в точности обнаружения визуальных образов с применением алго-
ритма пространственно-временного комплексирования информации о движении. -
ФОРМАЛИЗАЦИЯ НАБОРА ИНФОРМАТИВНЫХ ПРИЗНАКОВ ДИНАМИКИ МАНИПУЛЯЦИЙ УСТРОЙСТВАМИ УПРАВЛЕНИЯ КУРСОРОМ ПРИ РЕШЕНИИ ЗАДАЧИ ДИАГНОСТИКИ ЭФФЕКТИВНОСТИ ДЕЯТЕЛЬНОСТИ ОПЕРАТОРОВ БТС
А. В. Скринникова , Н. Е. Сергеев2021-01-19Аннотация ▼Информативные признаки динамики манипуляций устройствами управления типа
стилус, палец, специальная ручка, мышь, трекбол, трекпоинт, сенсорная панель, ручка
управления типа джойстик, игровой пульт, клавиатура, систем типа Microsoft Kinect,
Leap Motion и т.п. играют важную роль при разработке программных комплексов иденти-
фикации операторов биотехнических систем по их индивидуальной динамике, при решении
задач диагностики различных психоэмоциональных состояний и эффективности деятель-
ности операторов в сферах технической и правоохранительной безопасности, медицин-
ской и энергетической сферах, образовании и др. Система таких признаков однозначно не
определена специалистами, поэтому решение этой задачи является актуальным. Цель
работы – формализовать набор информативных признаков динамики манипуляции уст-
ройствами управления курсором при решении задачи диагностики эффективности дея-
тельности операторов биотехнических систем. Поскольку вся сложность управления по-
добными устройствами переместилась с исполнительной части двигательных актов на
центральные механизмы их регуляции в качестве конкретного примера, не нарушая общно-
сти, рассматриваются данные, полученные при манипуляциях с клавиатурой и мышью. Для
достижения поставленной цели разработана схема взаимодействия оператора (биологи-
ческого звена) с техническим звеном биотехнических систем, представлен краткий обзор
наиболее часто используемых признаков динамики манипуляций устройствами управления,
рассмотрен байесовский подход при статистической постановке задачи распознавания, на
основе анализа ряда работ и собственных исследований произведена формализация набора
информативных признаков динамики клавиатурного почерка и динамики манипуляций мы-
шью, Также для диагностики эффективности деятельности операторов построены не-
четкие правила на основе этого набора информативных признаков. Прогноз эффективно-
сти деятельности операторов, построенный на нечетких правилах по отобранным при-
знакам, дал точность более 90 %. Для получения таких результатов был разработан про-
граммный комплекс. Преимуществом использования динамики манипуляций устройствами
управления курсором операторов биотехнических систем при решении задачи диагностики
эффективности деятельности операторов является отсутствие специального оборудова-
ния, требующего дополнительных затрат.
1 - 9 из 9 результатов
