Найти

Результаты поиска

• 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.

• КЛАССИФИКАТОР ИЗОБРАЖЕНИЙ СЕМЯН СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР С ИСПОЛЬЗОВАНИЕМ СВЕРТОЧНОЙ НЕЙРОННОЙ СЕТИ

  В. А. Деркачев , В. В. Бахчевников, А. Н. Бакуменко

  2020-11-22

  Аннотация ▼

  В настоящей статье рассматривается создание архитектуры сверточной нейронной
  сети, классифицирующей изображения сельскохозяйственных культур (в частности пшеницы)
  для последующего применения в оптическом сепараторе семян (фотосепараторе). Интерес к
  проектированию нейронных сетей классификации изображений в последнее время сильно воз-
  рос, что связано как с развитием теории глубоких нейронных сетей, так и возросшей вычисли-
  тельной мощностью настольных компьютеров, а также переносом вычислений на графиче-
  ские процессоры. Целью статьи является разработка архитектуры нейронной сети позволяю-
  щей осуществить разделение входного потока семян пшеницы на два класса: «хорошие» семена
  и «плохие» (с изъянами по форме и цвету) семена. Архитектура полученной нейронной сети
  является сверточной, так как в отличии от полносвязной, данный класс нейронных сетей в
  определенных пределах невосприимчив к изменению масштаба и угла поворота объектов во
  входных данных. В работе для формирования обучающей, валидационной и тестовой выборок
  использовались изображения семян, полученные с использованием бытовой фотокамеры, что
  негативно сказалось на результатах обучения и тестирования нейронной сети относительно
  возможного результата применения в реальном фотосепараторе. Архитектура разработан-
  ной нейронной сети предварительно оптимизирована для использования на ПЛИС, однако, в
  рассмотренном случае не осуществлен переход от значений весовых коэффициентов из типа
  данных с плавающей запятой к целочисленному типу, что может привести к снижению точ-
  ности работы нейронной сети, при этом позволив значительно уменьшить объем ресурсов
  ПЛИС. Применение предложенной архитектуры позволяет получить достаточно точную
  оценку классифицируемых семян пшеницы по верификационным и тестовым наборам данных.

• ДВУХЭТАПНЫЙ БУСТИНГ БИНАРНОЙ КЛАССИФИКАЦИИ НА ОСНОВЕ ПРИМЕНЕНИЯ БИОИНСПИРИРОВАННЫХ АЛГОРИТМОВ

  Д. В. Балабанов , А. В. Ковтун , Ю. А. Кравченко

  2020-10-11

  Аннотация ▼

  В процессе решения широкого круга прикладных задач возникает необходимость де-
  композиции объектов. Как следствие, проблема классификации является актуальной про-
  блемой в современных системах интеллектуального анализа данных. Бинарная классифи-
  кация является одной из важнейших задач, и имеет целый ряд нерешенных проблем. Одной
  из таких проблем является эффективность автоматизированной классификации. В зада-
  чах автоматизированной классификации, актуально применение алгоритмического аппа-
  рата эволюционных вычислений. Таким образом целесообразно применение генетических и
  биоинспирированных алгоритмов, в задаче поиска оптимальных значений параметров
  классификатора. Для решения данной задачи предлагается применить алгоритм роя час-
  тиц(PSO). Данный алгоритм в контексте задачи поиска субоптимальных значений пара-
  метров классификатора способен обеспечить высокое качество классификации. Модифи-
  кацией алгоритма является динамическое изменение значений координат, которые отве-
  чают за тип функции ядра. Данная доработка позволяет значительно снизить затрачи-
  ваемое время разработки классификатора. Для повышения эффективности классификации
  целесообразно применять ансамбли алгоритмов. В работе приведена структура двухуров-
  невого классификатора. На первом уровне данного классификатора, формируется ан-
  самбль простых классификаторов которые формируют учебную выборку, которая, в даль-
  нейшем используется алгоритмом роя частиц на втором этапе. Такой подход позволяет
  значительно уменьшить временные затраты, а также повысить качество получаемых
  решений. Алгоритм роя частиц(PSO), в контексте задачи поиска субоптимальных значе-
  ний параметров классификатора способен обеспечить высокое качество классификации.
  Предложенный двухуровневый алгоритм был экспериментально протестирован. Произве-
  дено сравнение с аналогами, приведены сравнительные диаграммы. Описанные исследова-
  ния показывают, что работа имеет высокую теоретическую значимость, а проведенные
  экспериментальные исследования доказывают высокую практическую значимость.

• МОНИТОРИНГ КАЧЕСТВА ОБРАЗОВАНИЯ И ВНЕДРЕНИЕ ИНДИВИДУАЛЬНОГО ОБУЧЕНИЯ: ДЕМОНСТРАЦИЯ ПОДХОДОВ И АЛГОРИТМОВ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ОБРАЗОВАТЕЛЬНЫХ ДАННЫХ

  Ясс Кхудейр Салал , С. М. Абдуллаев

  2020-10-11

  Аннотация ▼

  Как показывает анализ данных международных тестирований знаний учащихся,
  среднее и высшее образование многих странах переживает кризис, который в том числе
  вызван не адекватностью системы мониторинга качества традиционного и дистанцион-
  ного образования. В свою очередь, развитие такой системы мониторинга требует разра-
  ботки методов классификации и квантификации, необходимых для прогноза индивидуаль-
  ных и коллективных успехов учащихся. В этой статье теоретически и экспериментально
  показано, что наиболее перспективным подходом, решающим одновременно обе задачи
  прогноза, является создание гетерогенных ансамблей, состоящих из нечетного числа раз-
  личных базовых классификаторов, таких как деревья решений, простейшие нейронные се-
  ти, наивный байесовский классификатор и другие. Проведя обучение и тестирование
  11 различных бинарных классификаторов на шести различных выборках образовательных
  данных, нами показано, что индивидуальный детерминированный прогноз таких ансамблей
  превосходит по точности прогнозы как отдельных базовых классификаторов, так и одно-
  родных ансамблей созданных по технологиям бэггинга и бустинга. Преимущество гетеро-
  генных ансамблей созданных из трех, пяти и семи классификаторов становится опреде-
  ляющим, если учесть, что при естественном дисбалансе выборки образовательных дан-
  ных, полезным прогнозом классификатора может считаться только такой прогноз, точ-
  ность которого превосходит относительную частоту класса объектов имеющих наи-
  большую повторяемость в выборке данных. Главным преимуществом гетерогенного ан-
  самбля является возможность трансформации детерминированного прогноза в вероятно-
  стный прогноз, когда вместо отнесения объекта к тому или иному классу, даются вероят-
  ности его принадлежности к отдельным классам. На основе этого нами предложен новый
  метод бинарной квантификации, когда индивидуальные вероятности принадлежности к
  каждому из классов объектов суммируются по отдельности, а полученные в итоге суммар-
  ные вероятности интерпретируются как относительные частоты объектов в выборке.
  В результате экспериментов показано, что такая бинарная ансамблевая квантификация по
  точности заметно превосходит традиционный метод «классифицируй и считай».

• LULC-АНАЛИЗ ЗЕМЛЕПОЛЬЗОВАНИЯ С ИСПОЛЬЗОВАНИЕМ НЕКОНТРОЛИРУЕМОЙ КЛАССИФИКАЦИИ

  Ранджана Уаман Гор , Ратнадип Р. Дешмух , Приянка У. Рандив , Мишра Абхилаша, И. Б. Аббасов

  2020-10-11

  Аннотация ▼

  Землепользование и растительный покров являются естественным состоянием поверхно-
  сти земли. Дистанционное зондирование - очень важный метод изучения землепользования
  (LULC). Для анализа земного покрова при дистанционном зондировании используются различные
  методы классификации. Данные методы не требуют предварительную информацию о земном
  покрове или типах землепользования. Наиболее часто для анализа изображений, полученных с
  помощью дистанционного зондирования, используют два метода классификации. К ним отно-
  сятся контролируемая классификация и неконтролируемая классификация. Целями предлагаемой
  работы являются использование неконтролируемых методов классификации для поиска класте-
  ров, по определению типов землепользования и сравнение данных методов с интерактивным
  анализом данных самоорганизации (ISODATA). Для анализа землепользования были использованы
  изображения датчика Hyperion. Датчик Hyperion имеет двести сорок две полосы, однако немно-
  гие полосы содержат полезную информации для спектрального анализа. Поэтому полосы, не
  содержащие полезную информацию выявляются и удаляются. После обработки входного изо-
  бражения по данному алгоритму из двухсот сорока двух полос остаются только сто шестьде-
  сят пять полос. При этом учитываются радиометрическая калибровка и немаловажная кор-
  рекция атмосферных факторов. Затем по результатам обработки с применением предложен-
  ных методов формируются кластеры для изучения землепользования с использованием гипер-
  спектрального изображения. Для формирования кластеров осуществлялась группировка пиксе-
  лей, на основе выбранных данных. Пиксели из одного кластера имеют больше сходства, в то
  время как пиксели из разных кластеров отличаются друг от друга. На основе результатов дела-
  ется вывод о том, что метод кластеризации (k-means) позволяет лучше идентифицировать или
  прогнозировать тип землепользования на основе гиперспектрального изображения с высоким
  разрешением, чем метод интерактивного анализа данных самоорганизации (ISODATA). Выход-
  ное изображение, которое является результатом кластеризации, может быть использовано
  для идентификации различных типов объектов землепользования. Лучше всего были идентифи-
  цированы следующие объекты землепользования: водная среда, сельскохозяйственные угодья,
  растительность, застроенная территория или поселение, поля и скалистые регионы.

• СОПОСТАВЛЕНИЕ ИЗОБРАЖЕНИЙ ПО ОСОБЫМ ТОЧКАМ РАЗЛИЧНЫХ КАТЕГОРИЙ

  К.И. Морев , А.В. Боженюк

  2020-10-11

  Аннотация ▼

  Работа посвящена экспериментам с различными методами выделения особых точек
  на изображениях с последующим их описанием бинарным дескриптором и сопоставлением
  методом полного перебора. В работе активно используется метод описания окрестно-
  стей особых точек, основанный на построении бинарной строки, характеризующей изме-
  нения яркостей пикселей в описываемой окрестности. Результирующая строка получается
  путем сравнения яркостей пикселей по определенному шаблону. Сегодня использование
  особых точек при работе с изображениями позволяет разрабатывать прикладные мето-
  ды в различных сферах компьютерного зрения с повышенными требованиями ко времени
  работы и устойчивости к резким изменениям сцен. В работе приведены результаты экс-
  периментов с особыми точками различных классов, классификация приводится в разделе 1.
  При проведении экспериментов использовались методы, реализованные в библиотеке
  OpenCV. В работе даны краткие описания используемых в экспериментах методов. В раз-
  деле 1 работы предлагается классификация современных типов особых точек изображе-
  ний и дается краткое описание популярных методов детектирования описываемых типов
  особых точек. В разделе 2 авторы дают общее описание методов работы с особыми точ-
  ками изображений. В разделе 3 приводится описание проводимых экспериментов с сопос-
  тавлением особых точек различных типов, описанных одним дескриптором, и раскрыва-
  ются их результаты. Проведенные эксперименты позволяют выявить сильные и слабые
  стороны связок различных типов особых точек при их сопоставлении.

• ПОПУЛЯЦИОННЫЙ АЛГОРИТМ ПОСТРОЕНИЯ ДЕРЕВА РЕШЕНИЙ МЕТОДОМ КРИСТАЛЛИЗАЦИИ РОССЫПИ АЛЬТЕРНАТИВ

  Б. K. Лебедев , О. Б. Лебедев , В.Б. Лебедев

  2020-11-22

  Аннотация ▼

  В ряде случаев возникает необходимость установления соответствия между заяв-
  ленным и фактическим значением категориальной переменной на основе совокупности
  признаков объекта. В этом случае возникает потребность в классификаторе с оптималь-
  ной последовательностью рассматриваемых атрибутов с заданным значением целевой
  функции. Значением целевой переменной может быть: да, нет, номер сорта, номер класса
  и т.д. В работе решается задача построения классификационной модели в виде оптималь-
  ной последовательность рассматриваемых атрибутов и их значений, входящих в состав
  маршрута от корневой вершины к концевой вершине с заданным значением целевой пере-
  менной. Если требуется классификатор, включающий возможность альтернативных от-
  ветов, то вначале строятся независимо друг от друга оптимальные маршруты для каж-
  дого значения целевой переменной, а затем эти маршруты объединяются («склеиваются»)
  в единое бинарное дерево решений. В алгоритме построения классификатора на основе
  метода кристаллизации россыпи альтернатив, каждое решение Qk интерпретируется в
  виде в ориентированного маршрута Mk на бинарном дереве решений. Назовем порядковый
  номер элемента в ориентированном маршруте Mk позицией siS={si|i=1,2,…,nA}. Элемен-
  том маршрута Mk является пара (xi,ui-), где xi соответствует Ai. ui- в маршруте Mk явля-
  ется ребром, выходящим из xi и соответствует выбранному вместе с Ai значению Ai. Вто-
  рой индекс элемента ui- определится после выбора Ai, помещенного в соседнюю с sj позицию
  sj+1. Работа алгоритма построения дерева решений базируется на использовании коллек-
  тивной эволюционной памяти, под которой подразумевается информация, отражающая
  историю поиска решения. Алгоритм учитывает тенденции к использованию альтернатив
  из наилучших найденных решений. Особенностями являются наличие непрямого обмена
  информацией – стигмержи. Совокупность данных об альтернативах и их оценках состав-
  ляет россыпь альтернатив. Рассмотрены ключевые моменты анализа альтернатив в про-
  цессе эволюционной коллективной адаптации. Экспериментальные исследования показали,
  что разработанный алгоритм находит решения, не уступающие по качеству, а иногда и
  превосходящие своих аналогов в среднем на 3–4 %. Временная сложность алгоритма, полу-
  ченная экспериментальным путем, лежит в пределах О(n2)-О(n3).

• ВЕКТОРИЗАЦИЯ ТЕКСТА С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ДАННЫХ

  Али Махмуд Мансур , Жуман Хуссайн Мохаммад , Ю. А. Кравченко

  2021-07-18

  Аннотация ▼

  В задачах интеллектуального анализа текста текстовое представление должно
  быть не только эффективным, но и интерпретируемым, поскольку это позволяет понять
  операционную логику, лежащую в основе моделей интеллектуального анализа данных. Тра-
  диционные методы векторизации текста, такие как TF-IDF и Bag-of-words, эффективны
  и имеют интуитивно понятную интерпретируемость, но страдают от «проклятия раз-
  мерности» и не могут понимать смысл слов. С другой стороны, современные распределен-
  ные методы эффективно определяют скрытую семантику, но требуют больших вычисли-
  тельных ресурсов и времени, а также им не хватает интерпретируемости. В этой ста-
  тье предлагается новый метод векторизации текстов под названием Bag of weighted Concepts
  BoWC, который представляет документ в соответствии с содержащейся в нем ин-
  формацией о концептах. Предлагаемый метод создает концепты посредством кластери-
  зации векторов слов (т.е. встраивания слов), и использует частоты этих кластеров концептов для представления векторов документов. Чтобы обогатить итоговое представле-
  ние документа, предлагается модифицированная весовая функция для взвешивания кон-
  цептов на основе статистики, извлеченной из информации вложений слов. Векторы, сге-
  нерированные с помощью предложенного метода, характеризуются интерпретируемо-
  стью, низкой размерностью, высокой точностью, а также низкими вычислительными
  затратами при использовании в задачах классификации и кластеризации. Предлагаемый
  метод протестирован на пяти различных наборах эталонных данных для кластеризации и
  классификации текстовых документов и сравнивается с несколькими базовыми методами,
  включая Bag-of-words, TF-IDF, Averaged GloVe, Bag-of-Concepts и VLAC. Результаты пока-
  зывают, что BoWC превосходит большинство базовых методов и дает в среднем на 7 %
  лучшую точность.

• 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.

• 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.

• ПРИМЕНЕНИЕ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ТЕХНИЧЕСКОГО РАСПОЗНАВАНИЯ ОБЪЕКТОВ В ИНТЕРЕСАХ РАДИОМОНИТОРИНГА

  Д. В. Шумков , И.В. Титков , П.А. Гулевич

  2025-04-27

  Аннотация ▼

  Рассматривается исследование возможности применения свёрточных нейронных сетей
  (СНС) для технического распознавания объектов (ТРО) в контексте радиомониторинга. Основное
  внимание уделяется разработке и оптимизации алгоритмов обработки радиолокационных сигна-
  лов с использованием глубоких нейронных сетей. Исследования показали, что применение СНС
  позволяет существенно повысить точность классификации радиосигналов по сравнению с тради-
  ционными методами обработки. Разработанный подход основан на извлечении иерархических
  признаков из спектральных изображений радиосигналов и их последующей классификации с помо-
  щью обученной нейронной сети. В работе представлены результаты экспериментальных исследо-
  ваний, проведённых на наборе данных, включающем более 10 000 образцов радиосигналов различ-
  ных типов. Показано, что предложенная методика обеспечивает точность распознавания до 93%
  при работе с зашумлёнными сигналами и вероятность ложной тревоги не более 0,05. Особое вни-
  мание уделено вопросам выбора архитектуры нейронной сети под специфику задачи радиомони-
  торинга. Также было детально рассмотрены варианты преобразования в спектральное изобра-
  жение радиосигналов, для обработки в режиме реального времени. Разработаны методы предва-
  рительной обработки данных, включающие нормализацию амплитуды, частотную коррекцию и
  устранение помех. Результаты исследования могут найти применение в системах контроля ра-
  диоэфира и обеспечения электромагнитной совместимости радиоэлектронных средств. Получен-
  ные результаты демонстрируют перспективность использования СНС в задачах технического
  распознавания объектов радиомониторинга и открывают новые возможности для развития ме-
  тодов интеллектуальной обработки радиолокационной информации. Перспективные направления
  дальнейших исследований включают разработку адаптивных методов обучения нейронных сетей
  в условиях изменяющейся радиообстановки и создание гибридных систем, сочетающих традици-
  онные методы обработки сигналов с современными нейросетевыми алгоритмами

• РАЗРАБОТКА ЧАТ-БОТА ДЛЯ КЛАССИФИКАЦИИ И АНАЛИЗА ТЕКСТОВ НА ЕСТЕСТВЕННОМ ЯЗЫКЕ С ИСПОЛЬЗОВАНИЕМ ЛОКАЛЬНЫХ БОЛЬШИХ ЯЗЫКОВЫХ МОДЕЛЕЙ

  Али Махмуд Мансур , Жуман Хуссайн Мохаммад , Ю.А. Кравченко

  159-171

  2025-07-24

  Аннотация ▼

  Исследуются локальные большие языковые модели (Local large language models, Local LLM) и их применение в задачах классификации текста, а также проводится сравнение их производительности с традиционными методами. Статья предоставляет всесторонний обзор ряда ключевых локальных LLM, уделяя особое внимание их архитектурным преимуществам, характеристикам и областям применения. В частности, рассматриваются модели с различным количеством параметров, их способность адаптироваться к специализированным доменам, а также требования к вычислительным ресурсам при их развертывании на локальном оборудовании. Особый акцент делается на компромиссах между производительностью и эффективностью использования ресурсов. В качестве практического вклада разработан чат-бот, использующий локальные LLM (такие как DeepSeek, Gemma и Llama2 через Ollama) для классификации входящих текстов по заранее заданным категориям, демонстрируя работу этих моделей без использования облачных вычислений. Система реализована с модульной архитектурой, позволяющей легко интегрировать новые модели и сравнивать их эффективность. Вычислительный эксперимент включает оценку точности и скорости вывода локальных LLM в сравнении с более простыми методами, такими как Sentence-BERT, TF-IDF и BoWC, выделяя сценарии, в которых локальные модели превосходят традиционные подходы или уступают им. Тестирование проводилось на основе эталонного набора данных BBC. Результаты показывают, что языковые модели (включая модели с 7 миллиардами параметров) демонстрируют сильную и логически обоснованную классификационную производительность при обработке текстов на естественном языке, однако их результаты не являются идеальными для эталонных наборов данных. В частности, обнаружены случаи, когда все тестируемые модели, включая традиционные методы, ошибочно классифицировали документы, что указывает на возможные проблемы в разметке данных. Полученные результаты указывают на необходимость пересмотра эталонных меток в стандартных наборах данных. Это особенно важно для доменов с субъективными категориями, где экспертные оценки могут значительно расходиться. С другой стороны, хотя локальные LLM уступают облачным в скорости, их преимущества в конфиденциальности данных и оффлайн-работе делают их пригодными для специализированных задач.

• ПРОГНОЗИРОВАНИЕ ОТКАЗОВ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ ФАКТОРНОГО АНАЛИЗА

  Е.С. Подоплелова

  213-223

  2025-07-24

  Аннотация ▼

  Рассматривается применение метода оценки рисков, основанного на объединении методологии FMEA (failure mode and effect analysis) – анализ рисков и последствий отказа и методов многокритериального принятия решений MCDM (Multiple Criteria Decision Making). Такой подход позволяет учитывать как экспертные знания, так и исторические данные о работе оборудования. Методы MCDM обрабатывают оценку более гибко в сравнении со стандартным способом расчета приоритетного числа риска (ПЧР), что помогает качественнее оценить риски по трем критериям: вероятность возникновения, сложность обнаружения и тяжесть последствий. Один из критериев возможно получить не только через оценку экспертом, но и на основе данных, фиксирующих работу оборудования. На примере синтетических данных из открытого доступа о режимах работы производственного оборудования был опробован данный подход. Задача заключалась в прогнозировании как самого отказа, так и его вида, а также выявлении факторов, сильнее всех оказывающих влияние на отказ.  Для этого проводилась предобработка данных, в ходе которой потребовалось устранить дисбаланс классов. Существует несколько подходов к решению этой проблемы, направленные на сокращение преобладающего класса, либо генерацию экземпляров слабо представленных классов. В этом примере использовалось сокращение количества записей не имеющих ошибок случайным образом. Далее, в качестве алгоритмов классификации сравнивались AdaBoost, Random Forest и LinearSVC. Так как требовалась многоклассовая классификация, было решено использовать стратегию «one-vs-the-rest» (один против всех). В итоге удалось добиться точности прогнозирования по F-мере в 86% алгоритмами AdaBoost и Random Forest. LinearSVC оказался неэффективным. Таким образом, полученная модель прогнозирования распознает разные виды ошибок, но существует перспектива к улучшению, для чего требуется более объемная выборка, включающая больше примеров с разными видами отказа. Исходя из этого, такой подход как альтернатива экспертной оценки является перспективным, улучшая объективность, а также давая возможность предвидеть риски и не допустить реального отказа или инцидента, связанного с риском.

• ОСОБЕННОСТИ ФОРМИРОВАНИЯ ПРОЦЕССА КЛАССИФИКАЦИИ СОСТОЯНИЯ ТЕХНИЧЕСКОГО ОБЪЕКТА НА ОСНОВЕ АНАЛИЗА ТОЧЕК ВРЕМЕННОГО РЯДА ПАРАМЕТРА

  С.И. Клевцов

  47-57

  2025-10-01

  Аннотация ▼

  Оценка работоспособности технического объекта в режиме реального времени важна для устойчивого и безаварийного функционирования объекта в процессе его эксплуатации. Ранее была предложена модель классификации скорости изменения параметра на основе специализированной обработки облака точек участка временного ряда без извлечения тренда. Однако, некоторые предложения, например, связанные с невключением части точек ряда в процедуру построения модели, не были достаточно обоснованы и являются неочевидной попыткой избавиться от аномальных значений временного ряда. Некоторые этапы реализации модели, например, построение эллипса на преобразованном облаке точек, требуют детального представления, что важно для дальнейшего обучения модели и проведения классификации.  В статье в рамках предварительной подготовки данных предложена процедура выявления и отсеивания аномальных значений временного ряда параметра, основанная на модификации метода Ирвина. Кроме того, представлена уточненная схема оценки значений критерия в модели классификации состояния параметра технического объекта. За критерий оценки взят коэффициент сжатия эллипса, который строится на облаке точек диаграммы рассеяния, вырезанных скользящим временным окном из временного ряда параметра. Для этого разработана итерационная процедура построения эллипса. Новая процедура обеспечивает более обоснованную и точную оценку критерия. Таким образом, построена модифицированная модель, которая позволит оценить в реальном времени появления нештатной ситуации на ранней стадии ее развития. Процедура оценки может быть реализована в составе программно-аппаратных средств системы мониторинга технического объекта

• ОБНАРУЖЕНИЕ КИБЕРВТОРЖЕНИЙ НА ОСНОВЕ СЕТЕВОГО ТРАФИКА И ПОВЕДЕНИЯ ПОЛЬЗОВАТЕЛЯ С ИСПОЛЬЗОВАНИЕМ ДАТАСЕТА UNSW-NB15

  В. А. Частикова , К.В. Козачёк , Е.С. Коробская , В. П. Кравцов

  229-243

  2025-11-10

  Аннотация ▼

  В статье основное внимание уделяется исследованию поведения пользователей и созданию поведенческих моделей. Это помогает улучшить точность определения аномалий и оперативно выявлять нестандартную активность в сети. Целью данного исследования является сравнительный анализ эффективности двух моделей машинного обучения – многослойного персептрона (MLP) и алгоритма Random Forest – для обнаружения кибервторжений на основе анализа сетевого трафика и поведения пользователей. Поведенческие модели позволяют выявлять отклонения от нормальной активности пользователей и сетевых взаимодействий, что значительно повышает полноту обнаружения кибервторжений. При проведении исследования использовался набор данных UNSW-NB15, который включает актуальные типы атак и характеристики как сетевого трафика, так и пользовательской активности. Перед реализацией моделей была проведена предварительная обработка данных, выбор признаков, нормализация и кодирование категориальных признаков. Оценка моделей осуществлялась с использованием различных метрик, таких как точность (accuracy), полнота (recall), AUC-ROC, precision, F1-score и другие. Результаты исследования показали, что алгоритм Random Forest обеспечивает высокую точность классификации (95%), а многослойный персептрон (MLP), в свою очередь, достиг выдающихся результатов по AUC (0.9830) и точности (precision, 0.9869). В работе представлен анализ и характеристика методов анализа поведения пользователей и классификации сетевого трафика, показано сравнение наборов данных для систем обнаружения вторжений (IDS), а также даны практические рекомендации по выбору моделей в зависимости от условий эксплуатации. Результаты исследования могут быть полезны при разработке адаптивных систем защиты, которые сочетают высокую точность и скорость работы

• 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.

• АНАЛИТИЧЕСКИЙ ОБЗОР АЛГОРИТМА ДЕРЕВА РЕШЕНИЙ В ТЕХНОЛОГИИ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ДАННЫХ

  Э.В. Кулиев , В.А. Семенов, А.В. Котельва , С.В. Игнатьева

  2022-05-26

  Аннотация ▼

  Алгоритм дерева решений является распространенным алгоритмом классификации в
  технологии интеллектуального анализа данных, и его результаты обычно выражаются в
  виде правил «если-то». Алгоритм C4.5 является одним из алгоритмов дерева решений, ко-
  торый обладает преимуществами простоты понимания и высокой точности, а также
  усовершенствован добавлением скорости прироста информации по сравнению с его пред-
  шественником - алгоритмом ID3. После теоретического анализа информации выбирается
  алгоритм C4.5 для анализа результатов служебной аттестации, и создается дерево ре-
  шений для служебной аттестации путем сбора данных, предварительной обработки дан-
  ных, расчета коэффициента прироста информации и определения атрибутов разделения.
  Система разработана в архитектуре B/S, а платформа управления проектом R&D, кото-
  рый может выполнять анализ оценки эффективности с помощью инструментов визуали-
  зации алгоритма дерева решений и динамических веб-страниц. Система включает в себя
  хранение информации, управление задачами, формирование отчетов, контроль полномочий
  и ролей, визуализацию информации и другие функциональные модули управленческой ин-
  формационной системы. Они могут реализовать функции управления проектом, такие как
  создание и управление проектом, поток задач, заполнение и управление информацией о
  сотрудниках, создание системы оценки эффективности, создание отчетов различных
  размеров, построение управления. Используя алгоритм дерева решений в качестве основ-
  ной технологии, система получает научную надежную информацию об управлении проек-
  тами с высокой точностью и реализует визуализацию данных, что может помочь пред-
  приятиям создать хорошую систему управления в эпоху больших данных. Рассмотрены
  управление задачами, формирование отчетов, контроль полномочий ролей, визуализация
  информации и другие функциональные модули управленческой информационной системы