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.

• НЕЙРОСЕТЕВОЙ АЛГОРИТМ ПОЛНОКАДРОВОГО РАСПОЗНАВАНИЯ НАДВОДНЫХ ОБЪЕКТОВ В РЕАЛЬНОМ ВРЕМЕНИ

  В. А. Тупиков, В. А. Павлова, В. А. Бондаренко, Н. Г. Холод

  2020-07-10

  Аннотация ▼

  Исследованы современные нейросетевые архитектуры для осуществления автома-тического обнаружения и распознавания надводных объектов и препятствий заданных классов по всей области изображения, применимые к выполнению в реальном или условно реальном времени для задач оптоэлектронной системы технического зрения с целью ав-томатизации и повышения безопасности гражданского судовождения. Дана формальная постановка задачи автоматического обнаружения объектов на изображениях. Проанали-зирован текущий научно-исследовательский задел в области алгоритмов детектирования объектов на изображениях, основанных на искусственных свёрточных нейронных сетях, произведено их сравнение и сделан обоснованный выбор в пользу наиболее эффективной нейросетевой архитектуры по соотношению вычислительной сложности и точности распознавания. Исследованы имеющиеся в открытом доступе базы данных образов над-водных объектов, подходящие для применения при обучении алгоритмов с использованием искусственных нейронных сетей. Сделан вывод о недостаточности имеющихся данных для обучения нейросетевых алгоритмов, в результате чего авторами выполнен самостоятель-ный сбор исследовательских изображений и видеопоследовательностей, произведена под-готовка и разметка собранных данных, содержащих надводные объекты и иные препят-ствия, представляющие навигационную опасность для судов. На основе выбранной архи-тектуры разработан новый нейросетевой алгоритм автоматического обнаружения и распознавания надводных объектов, выполняемого по всей области изображения (т.е. пол-нокадрового), выполнено обучение искусственной нейронной сети по подготовленной базе данных образов типовых объектов. Полученный алгоритм протестирован авторами на валидационном наборе данных, произведена оценка качества его работы с помощью различных метрик, а также оценена производительность алгоритма. Сделаны выводы о необходимости расширения собранной базы данных образов типовых объектов, предложены дальнейшие шаги по повышению точности разработанного программно-алгоритмического комплекса и его внедрению в состав перспективной судовой оптоэлектронной системы технического зрения.

• ОСОБЕННОСТИ КЛАССИФИКАЦИИ ЗАШИФРОВАННОГО СЕТЕВОГО ТРАФИКА

  Н.В. Болдырихин , Д. А. Короченцев , Ф.А. Алтунин

  2020-10-11

  Аннотация ▼

  В настоящее время растет интерес к задачам эффективного управления пакетными
  сетями: качеству обслуживания, обеспечению информационной безопасности, оптимиза-
  ции использования программно-аппаратных ресурсов сети. Все эти задачи во многом опи-
  раются на анализ и классификацию сетевого трафика. Данный трафик неоднороден, как
  правило, имеет пульсирующий характер, трудно поддается прогнозированию, описывается
  математическим аппаратом случайных процессов. В разное время условия прохождения
  пакетов по одному и тому же пути могут значительно отличаться. Вместе с тем появля-
  ется значительное количество приложений, требовательных к задержкам и джиттеру.
  Задача администрирования в данном контексте состоит в правильной настройке узлов
  коммутации и маршрутизации. Классификация трафика позволяет идентифицировать
  пакеты различных приложений и служб и обеспечить их приоретизацию при передаче по
  сети. Например, трафик видеоконференций необходимо передавать в первую очередь, по-
  скольку он очень чувствителен к задержкам и джиттеру, трафик данных можно переда-
  вать в последнюю очередь. Классификация трафика на сегодняшний день задача актуаль-
  ная как с точки зрения администрирования сети, так и с точки зрения обеспечения её
  безопасности. Ввиду того, что большое количество приложений сейчас шифрует переда-
  ваемую информацию и просмотреть ее содержимое очень сложно, особый интерес пред-
  ставляет классификация трафика, которая позволяет по косвенным признакам опреде-
  лить аномалии в работе сети, признаки вторжения. В данной работе рассмотрены осо-
  бенности решения задачи классификации зашифрованного трафика. Целью работы явля-
  ется исследование особенностей классификации зашифрованного трафика с использовани-
  ем корреляционного анализа и алгоритма, основанного на разности интегральных площа-
  дей. Задачи исследования: – разработать алгоритм классификации трафика на основе
  корреляции и известными образцами; – разработать алгоритм, основанный на разности
  интегральных площадей под кривыми интенсивности трафика; – провести практическое
  исследование точности решения задачи классификации. В работе рассмотрена классифи-
  кация трафика по трем группам: аудио, видео, данные. В результате выявлена достаточ-
  ная точность корреляционного алгоритма при определении аудио и трафика данных.
  Для выявления видеотрафика лучше использовать алгоритм, основанный на разности ин-
  тегральных площадей под кривыми интенсивности.

• ИНТЕЛЛЕКТУАЛЬНЫЙ МЕТОД ИЗВЛЕЧЕНИЯ ЗНАНИЙ НА ОСНОВЕ ОПРЕДЕЛЕНИЯ ТОНАЛЬНОСТИ ОТЗЫВОВ

  Е.М. Герасименко , В. В. Стеценко

  2020-11-22

  Аннотация ▼

  В этой работе исследуется влияние возраста и пола при анализе тональности отзы-
  вов, поскольку эти данные могут помочь ретейлерам электронной коммерции увеличить
  продажи, ориентируясь на определенные демографические группы, а также увеличить
  удовлетворение потребностей людей разных возрастных и гендерных групп. Используемый
  набор данных сформирован путем сбора отзывов о книгах. Был создан вопросник, содер-
  жащий информацию о предпочтениях книжных носителей (мнения пользователей об элек-
  тронных книгах, книгах в мягкой и твердой обложках, изображениях и аудиокнигах), а
  также данные о возрастной группе и гендерной принадлежности. Помимо этого, вопрос-
  ник также содержит информацию о положительном либо отрицательном мнении касае-
  мо предпочтений, которая послужила основой достоверности для классификаторов.
  В результате, было получено 900 анкет, которые были разделены на группы по половому
  признаку и возрасту. Каждая конкретная группа данных была разделена на обучающую и
  тестовую. Были проанализированы сегментированные данные на предмет настроений в
  зависимости от каждой возрастной группы и пола. Возрастная группа «старше 50 лет»
  продемонстрировала лучшие результаты по сравнению со всеми другими возрастными
  группами во всех классификаторах; данные в женской группе показали более высокую точ-
  ность по сравнению с данными из групп без информации о гендерной принадлежности.
  Высокие результаты, показанные этими группами, показывают, что подходы к анализу
  тональности способны предсказать настроения в этих группах лучше, чем в других. Анализ
  тональности проводился с использованием различных подходов машинного обучения (ML),
  включая максимальную энтропию, метод опорных векторов, сверточную нейронную сеть и
  долгую краткосрочную память.

• ВЕРИФИКАЦИЯ ДИНАМИЧЕСКИХ БИОМЕТРИЧЕСКИХ ПАРАМЕТРОВ ЛИЧНОСТИ НА ОСНОВЕ ВЕРОЯТНОСТНОЙ НЕЙРОННОЙ СЕТИ

  Ю.А. Брюхомицкий

  2021-01-19

  Аннотация ▼

  Биометрическая верификация личности используются преимущественно при доступе
  в компьютерные и мобильные системы, а также для удаленной (голосовой) верификации.
  При этом наибольшее распространение получили системы биометрической верификации
  по фиксированной парольной фразе, которые достаточно просты в реализации, но очень
  уязвимы для атак воспроизведения скомпрометированного короткого текста. Для устра-
  нения этого недостатка верификацию личности предлагается осуществлять по произ-
  вольному в отношении объема, содержания и языка тексту (текстонезависимая биомет-
  рическая верификация). В данной работе предлагается обобщенный подход к решению за-
  дачи верификации личности по динамическим биометрическим параметрам разной мо-
  дальности (клавиатурный почерк, рукопись, голос). Представление сигналов динамической
  биометрии осуществляется путем преобразования их в последовательности информаци-
  онных единиц, каждая из которых содержит одинаковое количество отсчетов биометри-
  ческого сигнала соответствующей модальности. Решение поставленной задачи осуществ-
  ляется путем контроля степени концентрации близко расположенных информационных
  единиц (кластеров) в определенных точках многомерного признакового пространства. Реа-
  лизуется такой контроль на вероятностной нейронной сети, осуществляющей статисти-
  ческую оценку плотности вероятности распределения информационных единиц в соответ-
  ствующих кластерах с последующим определением суммарной плотности вероятности для
  всего класса объектов. Преимуществами предлагаемого подхода являются: обобщение
  существенно различных методов текстонезависимой верификации личности по динамиче-
  ским биометрическим параметрам разной модальности; возможность принимать вери-
  фикационное решение за фиксированное время поступления биометрических данных, опре-
  деляемое размером используемого эталона; возможность задавать точность верифика-
  ции путем изменения размерности слоя образцов вероятностной сети. Недостатком
  предлагаемого подхода является необходимость программной реализации нейронной сети
  большой размерности. Однако этот недостаток быстро нивелируется с повышением про-
  изводительности средств вычислительной техники.

• АНАЛИЗ ЗАШИФРОВАННОГО СЕТЕВОГО ТРАФИКА НА ОСНОВЕ ВЫЧИСЛЕНИЯ ЭНТРОПИИ И ПРИМЕНЕНИЯ НЕЙРОСЕТЕВЫХ КЛАССИФИКАТОРОВ

  В.А. Буковшин , П. А. Чуб , Д.А. Короченцев , Л.В. Черкесова , Н. В. Болдырихин , О.А. Сафарьян

  2021-02-13

  Аннотация ▼

  Анализ сетевого трафика позволяет решить множество задач, таких как: определе-
  ние закономерности передачи данных по сети, сбор статистики об использовании веб–
  приложений, мониторинг и дальнейшее исследование сетевой нагрузки, определение потен-
  циальных вредоносных программных средств и сетевых атак и т.д. На данный момент до
  40% Интернет–траффика принадлежит неизвестным приложениям. Это говорит о том,
  что для области анализа сетевого трафика задача классификации приложений приобрела
  особую важность. Совершенствование программного обеспечения в области сетевых тех-
  нологий способствовало обнаружению серьёзных уязвимостей в реализации некоторых
  сетевых протоколов, а именно: TCP и HTTP. С помощью анализаторов сетевого трафика
  злоумышленник получал доступ к содержимому пакетов данных, передающихся по сети.
  Однако с повышением квалификации информационного сообщества в области компьютер-
  ной безопасности, а также с развитием стандартов сетевых технологий, анализ сетевого
  трафика заметно усложнился. Возросшее применение математических методов защиты
  информации, таких как симметричные и ассиметричные криптографические протоколы,
  привела к тому, что большинство подходов к анализу сетевого трафика потеряли значение и
  перестали применяться. Поэтому актуален поиск новых решений задачи классификации
  сетевого трафика с учетом возможности его шифрования. Статья посвящена описанию
  нового смешанного подхода к анализу сетевого трафика, основанного на совокупном ис-
  пользовании теории информации и алгоритмов машинного обучения. Также приводится
  сравнительный анализ предложенного метода с уже существующими подходами, основан-
  ными как на теории информации, так и на машинном обучении. Целью исследований явля-
  ется разработка алгоритма, основанного на интеллектуальном подходе к анализу сетево-
  го трафика. Предлагаемый алгоритм базируется на вычислении энтропии и применении
  нейросетевых классификаторов. Задачи исследований включают: проведение теоретиче-
  ского обоснования предложенного подхода в области теории информации, а также алго-
  ритмов машинного обучения; проведение структурного описания реализованных алгоритмов
  вычисления энтропии и классификации приложений, генерирующих зашифрованный траф-
  фик; сравнительный анализ предложенного алгоритма с уже существующими подходами к
  анализу зашифрованного сетевого трафика. Результатом исследований является новый
  алгоритм, позволяющий с высокой степенью достоверности классифицировать различные
  виды зашифрованного трафика.

• 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.

• 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.

• ВИБРОМОНИТОРИНГ ДВИГАТЕЛЯ ВНУТРЕННЕГО СГОРАНИЯ

  А.В. Логунов , А.Л. Береснев

  2022-01-31

  Аннотация ▼

  Работа посвящена проблеме диагностирования автомобильных двигателей внутрен-
  него сгорания. Проблема контроля состояния двигателей внутреннего сгорания сейчас
  наиболее актуально из-за увеличения числа автомобилей и ужесточения экологических
  требований. В работе рассмотрены последствия работы неисправного двигателя внут-
  реннего сгорания. Целью работы является обоснование выбора из существующих методов
  диагностики такого метода который способен помочь наиболее точно и быстро обнару-
  жить неисправность. Для этого в работе подробно рассмотрены современные средства
  диагностики, выделены принципы работы, достоинства и недостатки. С появлением со-
  временных технологий давно известный метод оценки состояния двигателей внутреннего
  сгорания по звуку может стать самым передовым, поскольку исключается человеческий
  фактор, для обработки сигнала применяется вычислительная техника анализ звукового
  спектра в которой осуществляется с помощью искусственных нейронных сетей. Примене-
  ние искусственных нейронных сетей для анализа звукового спектра нашло применение в
  распознавание речи и для диагностики заболеваний дыхательной системы. В статье рас-
  смотрены механизмы, которые способны генерировать звуковые сигналы во время работы
  двигателя внутреннего сгорания, некоторые из них фазированы т.е. привязаны к рабочим
  тактам, некоторые не фазированы. Предложенный способ диагностики позволяет выде-
  лить «полезные» звуки из общего числа шумов двигателя, после сравнительного анализа
  указать на узел звук которого отличается от эталонного, исправного. Научная новизна
  состоит в том, что процесс диагностики становится автоматизированным, все звуки,
  снятые датчиками, обрабатывается в ЭВМ или специальном сканере, на дисплей выводит-
  ся 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.

• КВАНТОВОЕ ГЛУБОКОЕ ОБУЧЕНИЕ СВЁРТОЧНОЙ НЕЙРОННОЙ СЕТИ С ИСПОЛЬЗОВАНИЕМ ВАРИАЦИОННОЙ КВАНТОВОЙ СХЕМЫ

  С.М. Гушанский , В. Е. Буглов

  167-177

  2021-10-05

  Аннотация ▼

  Квантовый компьютинг в общем и квантовое глубокое обучение, в частности, представляют собой перспективную область, связанную с исследованиями современных методов и алгоритмов квантовых вычислений, применяемых с целью обучения и разработки новых архитектур искусственных нейронных сетей. В последнее время наблюдается тенденция, состоящая в том, что исследования, проводимые в области квантового глубокого обучения, получают всё большее распространение среди специалистов. Это можно объяснить тем, что было установлено – квантовые схемы способны функционировать подобно искусственным нейронным сетям, демонстрируя при этом лучшие результаты при решении ряда задач, среди которых, например, актуальная задача классификации объектов на изображении или в видеопотоке. Благодаря стремительному развитию квантовых вычислений в области глубокого обучения были найдены оптимальные способы решений для та-ких актуальных задач, как – проблема исчезающего градиента, нахождение локального минимума, повышение эффективности функционирования крупномасштабных параметри-ческих алгоритмов машинного обучения, устранение декогеренции и квантовых ошибок и пр. В рамках данной работы описан процесс функционирования квантовой вариационной схемы, установлены её основные характеристики и выявлены недостатки. Также проана-лизированы ключевые особенности квантовых вычислений, на которых основывается про-цесс реализации квантового глубокого обучения с подкреплением свёрточной нейросети. Кроме того, осуществлено квантовое глубокое обучение свёрточной нейронной сети с помощью применения вариационной квантовой схемы, что приводит к повышению производительности свёрточной нейросети в решении задачи обработки изображения, а именно его классификации, за счёт использования квантовой среды вычислений. Актуальность данной статьи состоит в реализации алгоритма квантового глубокого обучения с подкреплением свёрточной нейросети для обработки изображений, а также большом значении тематики данного исследования для будущей разработки квантовых вычислительных устройств, которые могут быть использованы в системах искусственного интеллекта и т.п., что соответствует приоритетному направлению развития отечественной науки

• 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.

• ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА КОНТРОЛЯ ДОСЫЛА АРТИЛЛЕРИЙСКОГО СНАРЯДА В КАМОРУ ОРУДИЯ

  В.А. Шурыгин, В.А. Серов, С. А. Устинов, А. В. Леонард, С. Е. Червонцев, В.Н. Платонов, С. С. Мазлов

  2020-07-10

  Аннотация ▼

  Целью работы является разработка и исследование метода контроля досыла артилле-рийского снаряда в камору орудия и интеллектуальной системы контроля досыла по акусти-ческому портрету. Существующий метод контроля досыла артиллерийского боеприпаса в камору орудия при раздельном способе заряжания основан на измерении скорости одного из элементов досылателя. Такой подход к контролю досыла не дает гарантированной надеж-ности ввиду невозможности измерения скорости на конечном отрезке движения снаряда по инерции. Суть предложенного в статье метода заключается в возбуждении акустических колебаний в системе «снаряд – камора орудия» и выделении характерных акустических портретов (сигнатур) с их последующем анализом.Для исследования данного метода разра-ботан экспериментальный стенд, имитирующий ствол орудия с каморой, и имитатор сна-ряда с различными обтюраторными поясками. Удар снаряда в момент заклинивания в конусе каморы или нанесенный извне возбуждает характерные акустические колебания, которые различаются для случаев надежного и недостаточного досыла.Для однозначной классифика-ции событий надежного заклинивания и недостаточного досыла необходим выбор опти-мального вектора признаков акустического портрета полученных аудиозаписей. Обычное спектральное преобразование позволяет выделить характерные частоты, однако использо-вание набора таких спектральных составляющих в качестве классификационных признаков нецелесообразно ввиду избыточного массива данных.В качестве классификационных призна-ков выбраны мел-частотные кепстральные коэффициенты. На основании набора таких ко-эффициентов с использованием искусственной нейронной сети осуществляется классифика-ция степени заклинивания имитатора снаряда в стенде на три категории: «снаряд не закли-нен», «недостаточный досыл снаряда», «снаряд заклинен». В результате обучения нейронной сети на значительной выборке аудиозаписей была достигнута точность классификации более 90%.Разработанный метод может быть применен в робототехнических комплексах, оснащенных артиллерийским вооружением, а также в других отраслях, например, в нефте-газовой промышленности для контроля стыковки сочленяемых труб.

• 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.

• 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.

• ПРЕОБРАЗОВАТЕЛИ УНИТАРНЫХ КОДОВ ДЛЯ ОДНОРОДНЫХ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ

  Е.А. Титенко

  104-115

  2025-11-10

  Аннотация ▼

  Актуальность. Эффективная работа вычислительных систем, в том числе, основывается на общезначимых обеспечивающих вычислениях по планированию параллельных вычислений и анализу результатов. Достаточно важными вычислительными средствами являются преобразователи (формирователи) унитарных кодов, совмещающих свойства числовой и символьной информации. Цель работы – создание высокопроизводительных вычислительных схем для обработки унитарных кодов на единой теоретической основе. Методы исследования. Известные одномерные и двумерные итерационные сети являются основой для создания однородных преобразователей унитарных кодов. Такие сети имеют необходимые и достаточные условия для организации параллельных вычислений. Для синтеза преобразователей унитарных кодов были выделены следующие принципы обработки, свойственные для чисел и строк: двунаправленность обработки, разбиение на множество локальных процессов с собственными стартовыми точками, иерархия, мультифункцинальность, дуализм цифра/символ. Описанные преобразователи используют известные и привносят новые схемотехнические решения. Описаны цифровой компрессор, формирователь серии логических «1», арбитр, пороговый элемент весовых и унитарных кодов. Результаты и обсуждения. Созданы практически значимые схемы прямых и обратных преобразователей кодов «8-4-2-1 – нормализованный код», используемые в однородных вычислительных системах – мультипроцессорах, ассоциативных процессорах и др. Количественные оценки преобразователей унитарных кодов проведены для порогового элемента весового и унитарного кодов. Данный преобразователь основан на дуальной трактовке элементов кода как цифры или символа, что позволило на завершающей фазе вычислений (против стандартного метода) исключить линейную временную зависимость для вычисления результата сравнения двух кодов. Показано, что для унитарных кодов размеров от 12 до 36 бит временной выигрыш составляет 14-16%. Данный эффект получен за счет исключения последовательных вычислений между ячейками итерационной сети. Выводы. Для построения эффектных по времени схем преобразования унитарных кодов использован и развит аппарат итерационных сетей, на основе которых созданы одномерные, двумерные итерационные сети с регулярными связями, а также преобразователи на основе универсальных логических модулей.

• ИНТЕГРАЦИЯ РЕКУРРЕНТНОЙ НЕЙРОННОЙ СЕТИ ДЛЯ ПОВЫШЕНИЯ ОТКАЗОУСТОЙЧИВОСТИ МОДЕЛИ ВЛАГОПЕРЕНОСА В СИСТЕМЕ «УМНЫЙ САД»

  С.С. Обаид , В.А. Погонин , И.Б. Кирина

  284-297

  2025-10-01

  Аннотация ▼

  Представлено исследование по разработке и интеграции рекуррентной нейронной сети (RNN) для повышения точности и отказоустойчивости модели влагопереноса в системе «Умный сад». Проблема контроля влажности почвы становится особенно актуальной в современных условиях сельского хозяйства и экологического мониторинга, где требуется высокая точность для управления водными ресурсами, прогнозирования урожайности и предотвращения засушливых периодов. Традиционные методы, такие как дистанционное зондирование и модели влагопереноса, имеют существенные ограничения: низкая точность, сложность вычислений, зависимость от точных данных сенсоров и сложность применения в реальных полевых условиях. Для решения этих проблем в исследовании предлагается использование RNN, способной эффективно обрабатывать временные ряды данных и прогнозировать влажность почвы даже при наличии неполных, неточных или искажённых входных данных. В качестве исходных данных использованы глобальный датасет влажности почвы GSSM и погодные данные платформы Meteostat, что позволило учесть климатические особенности регионов с разными типами почвы. Модель включает слой долговременной краткосрочной памяти (LSTM) и полносвязный слой для финального прогнозирования. Особое внимание уделено предобработке данных, включая расчёт среднедневных, среднемесячных и среднегодовых значений, а также коррекцию данных с учётом характеристик различных типов почв. Проведённое исследование показало, что разработанная модель RNN обладает высокой устойчивостью к сбоям в работе сенсоров, минимальной зависимостью от объёма входных данных и способностью адаптироваться к разным климатическим и почвенным условиям. Предлагаемое решение позволяет улучшить точность мониторинга влажности почвы в системе «Умный сад», оптимизировать использование водных ресурсов и повысить стабильность работы системы в условиях изменяющихся внешних факторов. Таким образом, интеграция RNN открывает новые возможности для развития сельского хозяйства и экологии, обеспечивая более эффективное управление водными ресурсами и повышение производительности агросистем

• НЕЙРОСЕТЕВОЙ МЕТОД ПРЕДИКТИВНОГО УПРАВЛЕНИЯ В МИКРОСЕТЯХ С МЕХАТРОННОЙ ВЕТРО-ГЕНЕРАТОРНОЙ СИСТЕМОЙ

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

  128-144

  2025-10-01

  Аннотация ▼

  Рассмотрено влияние различных факторов на точность прогноза генерации ветроэнергетической установкой (ВЭУ). Определен оптимальный набор входных параметров (день, месяц, время, скорость ветра, температура воздуха, атмосферное давление и расчетная вырабатываемая мощность ВЭУ) для прогнозирования, обоснованы методы их обработки. Проведено исследование влияния воздействующих факторов на точность прогнозирования генерируемой мощности ВЭУ. Построены профили входных данных для прогнозирования электрогенерации ВЭУ. Рассмотрены особенности метеорологических условий за год, определены часто встречающаяся значения скорости ветра, и др., для выбора оптимальной ВЭУ. Показано, что метеорологических условия удовлетворяют паспортным требованиям выбранной для рассматриваемого региона ВЭУ. Рассмотрены нейросетевые (НС) модели для прогнозирования генерации мощности ВЭУ, выбрана оптимальная НС, построена структура и разработан алгоритм НС для прогнозирование генерируемой мощности ВЭУ. Разработанная математическая модель генерации мощности ВЭУ направлена на повышение точности и адаптивности благодаря учету ключевых динамических факторов (скорость и изменение направления ветра, температура и плотность воздуха и др.).  Выбран комбинированный метод управления генерацией ВЭУ (MPPT + Pitch) обеспечивает баланс между эффективностью и безопасностью. На основании расчетной генерируемой мощности ВЭУ, и метеорологических условий в месте расположения нейросетевая модель показала высокую точность прогнозирования мощности ВЭУ. Показано, что выбранный тип ВЭУ сочетает в себе технологическую надежность, рентабельность и соответствие современным тенденциям ветроэнергетики. НС-модель позволяет поддерживать баланс между вырабатываемой и потребляемой электроэнергией, а, следовательно, повышает КПД, снижает паразитные потери в микросети, а также снижает износ оборудования

• 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.

• 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.

• 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.

• 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.