Найти

Результаты поиска

• РАЗРАБОТКА МЕТОДА ОПРЕДЕЛЕНИЯ ЭМОЦИОНАЛЬНОГО СОСТОЯНИЯ ЧЕЛОВЕКА С ПОМОЩЬЮ ЧАТ-БОТА

  Я.В. Куликова , В.А. Литвиненко

  2023-12-11

  Аннотация ▼

  В настоящее время практически во всех сферах деятельности интенсивно применя-
  ются диалоговые системы (чат-боты), при этом стоит обратить внимание, что данные
  механизмы начали использовать не только в сфере развлечений, но и в более важных сфе-
  рах – бизнес или даже медицина. В связи с этим появляется необходимость развития и
  совершенствования системы общения таких роботов на естественном языке. В данной
  статье предлагается метод определения эмоционального состояния человека с помощью
  чат-бота. В статье даётся определение чат-боту, рассматриваются виды чат-ботов,
  определяются основные принципы их работы. На основе выявленных различий в работе
  алгоритмов по определению текста чат-ботами описывается наиболее подходящая тех-
  нология для решения поставленной задачи – работа с нейронными сетями. Выявлены и
  описаны недостатки существующих решений по сравнению с разрабатываемым методом.
  Важно отметить, что особенностью метода является соединение технологий интеллек-
  туальных чат-ботов и дополненной реальности. В статье описан общий алгоритм работы
  метода определения эмоционального состояния человека с помощью чат-бота, включаю-
  щий восемь основных этапов., Описаны разработанные и выделенные критерии оценки
  эмоций: валентность, интенсивность и стеничность. Представлена архитектура разра-
  ботанного решения, которая имеет клиент-серверный подход. Серверная часть включает
  в себя также модуль определения тональности текста и модуль формирования ответа, в
  то время как клиент включает в себя чат и внешний вид «Аватара» разработанного чат-
  бота. Описаны основные шаги реализации, среди которых представлен первоначальный
  интерфейс, а также этапы разработки приложения дополненной реальности. В статье
  перечислены используемые средства для работы с дополненной реальностью (Unity 3D и
  фреймворк AR Vuforia). Представлены созданные 3D-модели. Показаны результаты обра-
  ботки скелетной анимации при помощи оборудования Perception Neuron 3 и последующей
  обработки в Axis Studio. По итогам работы было сформулировано заключение, описываю-
  щее качественное отличие разработанной системы по отношению к существующим рас-
  смотренным аналогам, а также приведены результаты проверки работы системы.

• ОЦЕНКА ВЕРОЯТНОСТИ ОБНАРУЖЕНИЯ ЛОЖНОГО РЕЗУЛЬТАТА РАСПРЕДЕЛЕННЫХ ВЫЧИСЛЕНИЙ ВЫПОЛНЯЕМЫХ ЦЕНТРАЛИЗОВАННОЙ МНОГОАГЕНТНОЙ СИСТЕМОЙ

  В.А. Литвиненко , С.А. Ховансков , В.С. Хованскова

  2021-11-14

  Аннотация ▼

  Рассматриваются вопросы защиты распределённых вычислений организованных на ос-
  нове многоагентной системе для решения задач многовариантного моделирования.
  При моделировании выбор одного из многих вариантов может потребовать перебора огром-
  ного множества параметров недоступного для быстродействующей ЭВМ. Для сокращения
  времени решения таких задач используют распределенные вычисления. Существует множе-
  ство различных подходов для организации распределенных вычислений в компьютерной сети
  – технология grid, metacomputing (BOINC, PVM и другие). Все они предназначены для создания
  централизованных систем распределенных вычислений. Распределенные вычисления организуются на основе многоагентной системы на вычислительных узлах любой компьютерной
  сети. При использовании в качестве вычислительной среды компьютерную сеть большого
  масштаба могут возникнуть угрозы безопасности распределенных вычислений. Одной из
  таких угроз является получение в процессе вычислений ложного результата от злоумышлен-
  ников. Ложный результат может привести в процессе моделирования к принятию не опти-
  мального, либо неправильного решения. Управляющие агенты централизованной системы
  распределенных вычислений, кроме управления распределенной системой, вынуждены выпол-
  нять обнаружение ложных результатов процесса вычислений. Разработана методика рас-
  чета вероятности обнаружения ложного результата в зависимости от общего количества
  агентов многоагентной системы и количества управляющих агентов. Приведены примеры
  расчёта количество управляющих агентов, обеспечивающих в многоагентной системе тре-
  буемую вероятность обнаружения ложных результатов.