Для авторов
Найти
Результаты поиска
Найдено результатов: 22.
-
МЕТОДЫ ГЛУБОКОГО ОБУЧЕНИЯ ДЛЯ ОБРАБОТКИ ТЕКСТОВ НА ЕСТЕСТВЕННОМ ЯЗЫКЕ
В. В. Курейчик , С. И. Родзин , В.В. Бова2022-05-26Аннотация ▼Представлен анализ подходов, основанных на глубоком обучении (DL), к задачам об-
работки естественного языка (NLP). Исследование охватывает различные задачи NLP,
реализованные с помощью искусственных нейронных сетей (ANNs), сверточных нейронных
сетей (CNNs) и рекуррентных нейронных сетей (RNNs). Эти архитектуры позволяют ре-
шать широкий спектр задач обработки естественного языка, ранее не поддававшихся
эффективному решению: моделирование предложений, маркировка семантической роли,
распознавание именованных сущностей, ответы на вопросы, категоризация текста, ма-
шинный перевод. Наряду с преимуществами использования CNN для решения задач NLP
имеются проблемы, связанные с большим числом варьируемых параметров сети и выбором
ее архитектуры. Мы предлагаем для оптимизации архитектур сверточных нейронных
сетей эволюционный алгоритм. Алгоритм инициализирует случайную популяцию из малого
числа агентов (не более 5) и с помощью фитнесс функции получает оценки каждого агента
в популяции. Затем проводится турнирная селекция между всеми агентами и применяется
оператор кроссинговера между выбранными агентами. Алгоритм обладает таким пре-
имуществом как малый размер популяции сетей, он использует несколько типов слоев
CNN: сверточный слой, максимальный слой пулинга (субдискретизации), средний слой пу-
линга и полносвязный слой. Алгоритм тестировался на локальном компьютере с графиче-
ским процессором ASUS Cerberus GeForce ® GTX 1050 Ti OC Edition 4 ГБ GDDR5, 8 ГБ
оперативной памяти и процессором Intel(R) Core(TM) i5-4670. Результаты экспериментов
показали, что предлагаемый нейроэволюционный подход способен достаточно быстро
найти оптимизированную архитектуру CNN для заданного набора данных с приемлемым
значением точности. Для завершения выполнения алгоритма потребовалось около 1 часа.
Для создания и обучения CNN был использован популярный фреймворк TensorFlow.
Для оценки алгоритма использовались общедоступные наборы данных: MNIST и MNIST-RB.
Наборы содержали черно-белые изображения рукописных букв и цифр с 50000 обучающими
образцами и 10000 тестовыми образцами. -
КЛАССИФИКАТОР ИЗОБРАЖЕНИЙ СЕМЯН СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР С ИСПОЛЬЗОВАНИЕМ СВЕРТОЧНОЙ НЕЙРОННОЙ СЕТИ
В. А. Деркачев , В. В. Бахчевников, А. Н. Бакуменко2020-11-22Аннотация ▼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. -
ОЦЕНКА ВОЗДЕЙСТВУЮЩИХ ФАКТОРОВ И ПРОГНОЗИРОВАНИЕ ЭЛЕКТРОПОТРЕБЛЕНИЯ В РЕГИОНАЛЬНОЙ ЭНЕРГОСИСТЕМЕ С УЧЕТОМ РЕЖИМА ЕЕ ЭКСПЛУАТАЦИИ
Н. К. Полуянович , М. Н. Дубяго2022-05-26Аннотация ▼Статья посвящена исследованиям вопросов оценки воздействующих факторов и про-
гнозирования электропотребления в региональной энергосистеме с учетом режимов ее
эксплуатации. Проведен анализ существующих методов прогнозирования энергопотребле-
ния. Обоснован выбор метода прогнозирования с использованием искусственной нейронной
сети. Рассмотрен алгоритм создания нейросети для краткосрочного прогноза электриче-
ской нагрузки. Актуальность работы обусловлена требованиями действующего законода-
тельства к прогнозированию электропотребления для решения задачи поддержания балан-
са мощностей между генерирующей стороной и потреблением электрической энергии.
При этом одной из основных задач, связанных с генерацией электрической энергии и ее
потреблением, является задача поддержания баланса мощностей. С одной стороны, при
увеличении плановой нагрузки могут возникнуть перебои в поставке электроэнергии, с дру-
гой стороны, уменьшение электропотребления приведет так же к уменьшению КПД элек-
тростанций, и в конечном счете – к повышению стоимости на электроэнергию как для
субъекта оптового рынка электроэнергии, так и для конечного потребителя. Разработан-
ная нейросетевая модель (НС) модель сводит задачу краткосрочного прогнозирования
электропотребления к поиску матрицы свободных коэффициентов посредством обучения
на имеющихся статистических данных (активная и реактивная мощность, температура
окружающей среды, дата и индекс дня). Полученная НС модель краткосрочного прогнози-
рования электропотребления участка районной электрической сети 10 кВ, учитывает
факторы: – времени, – метеорологических условий, – отключений отдельных питающих
линий электропередач, – режима работы потребителей электроэнергии. Получены про-
гнозные оценки электропотребления энергосистемы по данным потребляемой электро-
энергии наружной температуры, типу дня и т.д. Модель прогнозирования величины, по-
требляемой активной и реактивной мощности вполне работоспособна, однако на данном
этапе все еще имеет довольно высокий уровень погрешности прогнозирования. Для повы-
шения точности прогнозирования необходимо увеличить базу данных, составляющих обу-
чающую выборку, т.к. на данный момент имеющиеся данные охватывают временной про-
межуток длиной лишь 3–4 месяца. Результаты анализа показали, что наибольшие трудно-
сти вызывает прогнозирование потребления реактивной мощности. -
ПРОЕКТИРОВАНИЕ МОДУЛЕЙ НЕЙРОСЕТЕЙ MLP И CNN НА ПЛИС ДЛЯ ЗАДАЧ КЛАССИФИКАЦИИ ИЗОБРАЖЕНИЙ
Э. В. Мельник , Д.Е. Блох , А.И. Безмельцев , В.С. Панищев , С.Н. Полторацкий214-2292025-11-10Аннотация ▼Актуальность. Развитие методов машинного обучения и архитектур нейронных сетей, а также их распространение в различные сферы промышленности обуславливают актуальность решения задач по их аппаратной реализации. Использование программируемых логических интегральных схем в этой области позволит повысить скорость обработки данных и адаптивность реализуемых алгоритмов. Однако проектирование нейросетевых архитектур на программируемых логических интегральных схемах сопряжено с рядом методологических и технических сложностей, включая оптимизацию параллельных вычислений, управление аппаратными ресурсами и обеспечение работы в условиях ограниченных вычислительных ресурсов. Цель работы – анализ и сравнение двух архитектур нейронных сетей, многослойного перцептрона (MLP) и сверточной нейронной сети (CNN), в контексте их аппаратной реализации на программируемых логических интегральных схемах (ПЛИС). Особое внимание уделяется компромиссу между точностью классификации и эффективностью использования ограниченных аппаратных ресурсов ПЛИС. Методы исследования. Для достижения цели была проведена разработка и симуляция двух модулей на ПЛИС
Virtex 7, перцептронного и сверточного. Использовался набор данных MNIST, уменьшенный до 20×20 пикселей. Реализация включала этапы квантования параметров до фиксированного формата 16:16, оптимизацию гиперпараметров, применение табличных вычислений для нелинейных функций и оценку использования ресурсов ПЛИС. Результаты и обсуждения. MLP достиг точности 93% при использовании 11% логических элементов, в то время как CNN обеспечила точность 98%, но потребовала существенно больше ресурсов. Использование внутренних буферов для хранения промежуточных данных в CNN привело к превышению допустимых ресурсов. Вынужденный переход к внешней памяти увеличил задержки и объем портов ввода-вывода. Выводы. Исследование показало, что выбор архитектуры зависит от приоритетов: CNN обеспечивает лучшую точность, но менее эффективна в ресурсах. Для embedded-систем с ограничениями по памяти и потреблению энергии предпочтительна упрощенная MLP-реализация. Основными проблемами остаются нехватка внутренней памяти и высокая ресурсоемкость операций, что требует дальнейших исследований в области аппаратной оптимизации и адаптивного управления вычислениями -
АНАЛИЗ И ВЫБОР МЕТОДИКИ В РЕШЕНИИ ЗАДАЧ ИНТЕЛЛЕКТУАЛИЗАЦИИ СИСТЕМ ПРОГНОЗИРОВАНИЯ ТЕРМОФЛУКТУАЦИОННЫХ ПРОЦЕССОВ В КАБЕЛЬНЫХ СЕТЯХ
Н.К. Полуянович, М.Н. Дубяго2020-07-20Аннотация ▼Статья посвящена исследованиям вопросам создания диагностики и прогнозирования
термофлуктуационных процессов изоляционных материалов силовых кабельных линий (СКЛ)
электроэнергетических систем на основе таких методов искусственного интеллекта, как
нейронные сети и нечеткая логика. Показана необходимость разработки более совершен-
ной методики анализа тепловых режимов в СКЛ. Обоснована актуальность задачи созда-
ния нейросетей (НС) для оценки пропускной способности, расчёта и прогнозирования тем-
пературы жил СКЛ в режиме реального времени на основе данных системы температур-
ного мониторинга, с учетом изменения токовой нагрузки линии и внешних условий тепло-
отвода. По основным критериям проведено сравнение традиционных и нейросетевых алго-
ритмов для прогнозирования, показало преимущество НС методов. Проведена классифи-
кация НС методов и моделей прогнозирования температурных режимов КЛ. Для решения
задачи прогнозирования ресурса СКЛ была выбрана сеть с прямым распространением дан-
ных и обратного распространения ошибки, т.к. сети такого типа в совокупности с акти-
вационной функцией в виде гиперболического тангенса являются в некоторой степени уни-
версальной структурой для многих задач аппроксимации, приближения и прогнозирования.
Разработана нейросеть для определения температурного режима токоведущей жилы
силового кабеля. Проведен сравнительный анализ экспериментальных и расчетных харак-
теристик распределений температуры, при этом исследовались различные нагрузочные
режимы работы и функции изменения тока кабеля. При анализе данных было определено,
что максимальное отклонение данных, полученных от нейросети от данных обучающей
выборки, составило менее 2,5 % что является вполне приемлемым результатом. Для по-
вышения точности необходимо использовалось большое количество входных и выходных
данных при обучении сети, а также некоторая доработка ее структуры. Модель позволя-
ет оценивать текущее состояние изоляции и прогнозировать остаточный ресурс СКЛ. Модель
может быть использована в устройствах и системах непрерывного диагностирования
силовых кабелей по температурным режимам. -
СПОСОБ ИСПОЛЬЗОВАНИЯ СРЕДСТВ БЫСТРОГО ПРОТОТИПИРОВАНИЯ ДЛЯ РЕАЛИЗАЦИИ СВЕРТОЧНОЙ НЕЙРОННОЙ СЕТИ НА ПЛИС
В.В. Бахчевников , В. А. Деркачев , А. Н. Бакуменко2020-10-11Аннотация ▼Исследования в области искусственного интеллекта ведутся с возрастающим и н-
тересом с каждым годом. Области применения искусственного интеллекта довольно
обширны: автоматизация, анализ большого объема данных, технологии умного дома,
машинное зрение и т.д. Технологии искусственного интеллекта базируются на использ о-
вании искусственных нейронных сетей, имеющие в своей основе принципы нервной сис-
темы животных. При этом актуальным вопросом является реализация искусственных
нейронных сетей на различных программно-аппаратных платформах: программируемых
логических интегральных схемах (ПЛИС) типа FPGA (Field Programmable Gate Array), на
интегральных схемах специального назначения (Application-Specific Integrated Circuit,
ASIC), GPU, CPU и т.д. ПЛИС наилучшим образом проявляют себя в маломощных мо-
бильных системах. ASIC демонстрируют наибольшую производительность с н едостат-
ком: высокая цена разработки. Проблема быстрого прототипирования проектов, осн о-
ванных на использовании искусственных нейронных сетей, для ПЛИС привычными мет о-
дами (c помощью HDL-языков, HDL-кодеров, графического программирования) заключа-
ется в том, что либо такой проект сложен и длителен в отладке (HDL-языки), либо не
оптимален получающийся код (HDL-кодеры), либо высока длительность разработки
проекта и сложность реконфигурации нейронной сети (графическое программирование).
Поэтому в рамках данной работы рассматривается эффективный метод проектирова-
ния полносвязных и сверточноых нейронных сетей для их реализации на ПЛИС использ о-
ванием пакета Xilinx System Generator for DSP и Matlab/Simulink. Генерируемые таким
образом искусственные нейросети легко реконфигурируемы и позволяют решать сле-
дующие задачи: распознавание изображений, оптимальная фильтрация (например, для
задач подповерхностной радиолокации). -
НЕЙРОСЕТЕВЫЕ ТЕХНОЛОГИИ В ЗАДАЧАХ МОНИТОРИНГА ТЕРМОФЛУКТУАЦИОННЫХ ПРОЦЕССОВ КАБЕЛЬНОЙ ЛИНИИ С УЧЕТОМ ВЛИЯНИЯ ПОМЕХ
Н.К. Полуянович , М.Н. Дубяго2021-02-13Аннотация ▼Статья посвящена оценке влияния магнитных помех, при исследовании термофлук-
туационных процессов в режиме динамической токовой нагрузки силовой кабельной линии
(СКЛ). На основе таких методов искусственного интеллекта, как нейронные сети и не-
четкая логика исследовалась термическая стойкость изоляционных материалов СКЛ оп-
ределяющих пропускную способность кабельной линии электроэнергетических систем.
Сравнительный обзор существующих на данный момент традиционных неразрушающих
методов прогнозирования термических процессов в СКЛ показал, что большинство мето-
дов обладают низкой точностью прогноза, а также обладают высокой степенью сложно-
сти и большим количеством необходимых вычислительных операций для получения необхо-
димых данных прогноза термических процессов в СКЛ. Также большинство методов про-
гноза не способны работать в режиме реального времени, что является крайне сущест-
венным недостатком. Для решения данной проблемы необходимо прибегнуть к системам
прогнозирования, которые строятся на базе искусственного интеллекта с применением
методов машинного обучения. Наиболее перспективным на сегодня представляется метод
искусственных нейронных сетей (ИНС). Показана необходимость разработки более со-
вершенной методики анализа старения изоляционных материалов СКЛ. Обоснована акту-
альность задачи создания нейросетей (НС) для оценки пропускной способности, расчёта и
прогнозирования температуры жил СКЛ в режиме реального времени на основе данных
системы температурного мониторинга, с учетом изменения токовой нагрузки линии и
внешних условий теплоотвода. Разработана нейросеть для определения температурного
режима токоведущей жилы силового кабеля. Проведен сравнительный анализ эксперимен-
тальных и расчетных характеристик распределений температуры, при этом исследова-
лись различные нагрузочные режимы работы и функции изменения тока кабеля. Разрабо-
тана нейросетевая модель в Matlab Simulink для прогнозирования температуры жилы ка-
беля. Создание, обучение и моделирование нейронной сети осуществлялось с помощью
Neural Network Toolbox. Модель может быть использована в устройствах и системах не-
прерывного диагностирования силовых кабелей по температурным режимам. -
ПЕРСПЕКТИВЫ ПРИМЕНЕНИЯ КРУПНОРАЗМЕРНЫХ БПЛА ПРИ РЕШЕНИИ ЗАДАЧ КОМПЛЕКСНОГО ОБСЛЕДОВАНИЯ ТЕРРИТОРИЙ
А. М. Федулин, Д.М. Дрягин2021-04-04Аннотация ▼Целью приведенного в настоящей работе исследования является оценка перспектив-
ности применения крупноразмерных беспилотных летательных аппаратов (БПЛА) боль-
шой продолжительности полета для решения задачи регулярного комплексного обследова-
ния территорий большой площади относительно других применяемых для этого средств,
таких как: малоразмерные БПЛА, космические аппараты для дистанционного зондирова-
ния Земли и пилотируемые летательные аппараты. Рассмотрен вопрос практического
построения программно-аппаратного комплекса бортовой системы технического зрения
на основе крупноразмерного БПЛА «Орион» взлетной массой более тонны, обеспечивающе-
го аэрофотографическую съемку в видимом и ближнем инфракрасном диапазоне и воздуш-
ное лазерное сканирование подстилающей поверхности с автоматической обработкой
получаемых данных на борту в режиме времени, близком к реальному, с целью выявления
произошедших с предыдущего обследования интересующих изменений. Определены ключе-
вые составные части системы технического зрения, включая требуемую для решения
функциональных задач программно-аппаратную платформу для обеспечения высокопроиз-
водительных вычислений и хранения больших объемов данных. В работе приведена пер-
спективная архитектура построения такой системы, даны расчетные оценки по ее поис-
ковой производительности, массе и потребляемой мощности, определена типовая высота
выполнения полетов, обеспечивающая пространственное разрешения получаемой видовой
информации, необходимое для надлежащей работы алгоритмов объектно-
ориентированного распознавания интересующих изменений, построенных на машинном
обучении сверточных нейронных сетей. Предложены организационно-технические решения
по ускорению цикла обработки данных, с учетом требований законодательства в части
рассекречивания данных аэросъемки. Полученные в ходе выполнения работы результаты
подтверждают, что после выдачи БПЛА «Орион» Федеральным агентством воздушного
транспорта сертификата типа воздушного судна, дающего право выполнения коммерче-
ских полетов в общем воздушном пространстве Российской Федерации, на его базе с ис-
пользованием современных технологий съемки и интеллектуальной обработки данных
можно будет реализовать аэросъемочный комплекс высокой производительности и сте-
пени автономности, тактико-технические и экономические характеристики которого
будут на порядки превосходить существующие на данный момент решения, особенно для
труднодоступных районов страны. -
АЛГОРИТМ ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ ВИДЕОИЗОБРАЖЕНИЙ ДЛЯ ПОВЫШЕНИЯ ТОЧНОСТИ ОБНАРУЖЕНИЯ МАЛОРАЗМЕРНЫХ ОБРАЗОВ
В. В. Ковалев , Н. Е. Сергеев2021-12-24Аннотация ▼Распознавание определенных образов в видеоизображениях, снятой камерой, осуще-
ствляется с помощью методов обучения на основе сверточных нейронных сетей. Чем
больше количество образов с множеством признаков и разнообразнее обучающая выборка
видеоизображений, тем лучше сверточные нейронные сети извлекают признаки из после-
довательности видеоизображений, которые не были включены в обучающую выборку. Это
является следствием повышения точности обнаружения визуальных образов на видеоизоб-
ражениях, содержащих признаки целевых образов. Однако, существуют ограничения в
улучшении характеристик обнаружения, когда размеры образа, который нужно обнару-
жить, значительно меньше, чем область фона или, когда образ описан малым количеством
информации. Для решения проблем подобного рода авторами статьи разработан алго-
ритм пространственно-временного комплексирования информации о движении динамиче-
ских образов. Алгоритм обрабатывает фиксированное количество видеоизображений в
определенные моменты времени и извлекает новые независимые признаки движения дина-
мических образов на основе пространственно-временной обработки видеоизображений.
Далее объединяет новые локальные признаки движения с исходными признакам видеоизоб-
ражения. Это позволяет добавить признак движения динамических образов с сохранением
исходных признаков изображения, описывающих статичные образы. Области видеоизоб-
ражения, характеризующие признак движения, отображаются «цветным» кластером.
Применение предварительной обработки направлено на повышение точности обнаруже-
ния образов при условии наличия динамических визуальных образов на статичном заднем
фоне. Если камера работает в режиме сканирования, то статичный задний фон можно
обеспечить стабилизатором видеоизображений. Экспериментальным путем получены
оценки интегральных критериев точности детекционных нейросетевых алгоритмов, пока-
зывающие увеличение в точности обнаружения визуальных образов с применением алго-
ритма пространственно-временного комплексирования информации о движении. -
МОДЕЛЬ ПРОГНОЗИРОВАНИЯ ТРАНСПОРТНОГО ПОТОКА НА ОСНОВЕ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ПРЕДСКАЗАНИЯ ТРАФИКА НА ДОРОГАХ
Аламир Хайдер Сагбан Хуссейн, Е.В. Заргарян, Ю. А. Заргарян124-1322021-08-11Аннотация ▼В связи с индустриализацией современного общества, ростом транспортных систем нашей страны, увеличения определенных необходимых для развития потребностей граждан нашей страны количество транспортных средств разных видов и типов с каждым годом продолжает увеличиваться с большой скоростью, вызывая огромные пробки на транспортных дорогах, особенно в больших городах и мегаполисах. Таким образом, прогнозирование транспортных потоков является важным и необходимым компонентом оптимального управления трафиком в современных условиях развития транспортной сети. В качестве решения этой проблемы данная статья нацелена на анализ и описание приме-нения методов искусственного интеллекта, в частности нейронных сетей, что представляет современный подход к моделированию в сложных и нелинейных ситуациях, возникаю-щих при прогнозировании модели транспортного потока. Показанный метод точности основан на разработке нейронной сети для прогнозирования дневного потока трафика. Затем ожидаемый транспортный поток сравнивается с реальным набором данных, записанным на участке дороги и предоставленным менеджером инфраструктуры. Фактически, нейронные сети способны извлекать уроки из прошлых возникших ситуаций и предсказывать будущие ситуации на транспортной сети. В этом исследовании были изучены раз-личные структуры нейронной сети, и результаты моделирования показали, что лучшие прогнозы были получены с использованием многослойной архитектуры персептрон, кото-рая имеет хорошую систему обобщения со средней общей квадратичной ошибкой 0,00927 при текущем наборе транспортных средств. Первая часть статьи посвящена определению различных концепций, относящихся к текущей области исследований, включая обзор литературы по прогнозированию трафика и нейронным сетям. Вторая часть посвящена описанию проблемы перегрузки трафика с помощью задач прогнозирования и представлению предлагаемого метода решения с акцентом на искусственные нейронные сети, как средство прогнозирования спроса и его различных структур. Затем численные эксперименты проиллюстрированы анализом результатов прогноза после формирования и тестирования различных архитектур нейронных сетей.
-
ИССЛЕДОВАНИЕ ОГРАНИЧЕНИЙ ПРИМЕНИМОСТИ МИКРОПРОЦЕССОРОВ РЯДА ЭЛЬБРУС ДЛЯ РЕШЕНИЯ ЗАДАЧ ТЕХНИЧЕСКОГО ЗРЕНИЯ
К. А. Суминов , Н. А. Бочаров2022-04-21Аннотация ▼Одним из ключевых направлений развития области искусственного интеллекта явля-
ется направление технического зрения. Для ресурсоемких задач технического зрения соз-
даются высокопроизводительные вычислительные комплексы (ВК), использующие специа-
лизированные ускорители. Использование таких ускорителей обусловлено неспособностью
микропроцессоров (МП) общего назначения решить такие задачи за поставленное время
вследствие большой вычислительной нагрузки. Однако, в настоящее время, МП ряда Эль-
брус успешно используются для решения задач технического зрения как в серверном, так и
в бортовом режимах, а появление МП Эльбрус шестого поколения должно еще больше
повысить производительность на таких задачах. В силу дороговизны, большей сложности
и ограничений в использовании систем со специализированными ускорителями встает во-
прос об определении условий, в которых для решения рассматриваемых задач достаточно
использовать МП общего назначения, например из ряда Эльбрус, без специальных ускори-
телей. Одними из самых ресурсоемких задач в области технического зрения являются за-
дачи обнаружения и классификации объектов на изображении. Для обнаружения объектов
одним из популярных методов является метод Виолы-Джонса. Для решения задачи клас-
сификации как правило используются сверточные нейронные сети. На примере сетей
VGG16 и VGG19 разработаны математические модели вычислений применительно к ак-
туальным микропроцессорам ряда Эльбрус. С использованием разработанных моделей
обоснована теоретическая достаточность производительность микропроцессоров Эль-
брус для задач технического зрения. Также, на основе данных методов разработаны про-
граммы моделирования поиска и объектов на фото и в видеопотоке. Программы написаны
на языке C++ с использованием библиотеки OpenCV, ОПО Эльбрус, библиотеки Платфор-
мы-ГНС и базы данных соревнований ImageNet. С использованием реализованных программ
было проведено сравнительное тестирование на ряде ВК с процессорами Эльбрус, а также
ВК с процессорами intel и ускорителем в виде видеокарты Nvidia. На основе полученных
результатов показано, что для решения задачи поиска объектов на изображении выбран-
ным методом достаточно МП Эльбрус-8С для входных разрешений до 1920 х 1080, где
обеспечивается скорость обработки видеопотока более 20 кадров в секунду. -
ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА ТЕХНИЧЕСКОГО ЗРЕНИЯ ДЛЯ ОБНАРУЖЕНИЯ ПРЕПЯТСТВИЙ И ПРЕДСКАЗАНИЯ ПОВЕДЕНИЯ ДВИЖУЩИХСЯ ОБЪЕКТОВ НА ЖЕЛЕЗНОДОРОЖНЫХ ПУТЯХ
Д.Л. Шишков , М.Н. Зарипов , Р.А. Горбачев2022-04-21Аннотация ▼В настоящее время повышение качества предоставляемых транспортных и логи-
стических услуг напрямую связано с внедрением новых и модернизацией существующих
технологий информатизации и цифровизации. Одной из наиболее актуальных задач, ре-
шаемых с помощью внедрения цифровых технологий в существующие технологические
процессы, является повышение безопасности движения поездов. Анализ отечественных и
зарубежных работ, посвящённых разработке систем повышения безопасности движения
поездов показал, что одним из методов решения поставленной задачи является разработ-
ка и внедрение систем технического зрения для обнаружения объектов инфраструктуры и
препятствий по ходу движения поезда. Это особенно актуально при увеличении скоростей
движения поездов, когда машинисту бывает сложно правильно оценить сложившуюся
ситуацию и принять оперативное решение. В данной работе описана реализация системы
технического зрения для беспилотных поездов. В ее рамках был реализован новый подход к
обучению узкоспециализированной масочной нейронной сети. Основной задачей этой сис-
темы является распознавание препятствий и фигур человека на фоне железнодорожной
инфраструктуры, определения их местоположения относительно рельсовых путей и оцен-
ки этой ситуации с точки зрения безопасности движения. Для получения более качествен-
ной маски был использован подход одновременного использования изображений стандарт-
ных камер CVS и камер с более высоким разрешением. Данный метод способен повысить
качество распознавания, особенно на больших расстояниях, когда интересующий объект
не заметен в сложной среде окружающей его обстановки. Выполненная работа показала
хорошие результаты по идентификации объектов на железнодорожных путях. Создание
прототипа такой системы и оснащение ей тягового подвижного состава позволит реали-
зовать своевременное обнаружение препятствий и людей на пути поезда, что способству-
ет повышению уровня безопасности движения поездов. -
МНОГОЭТАПНЫЙ МЕТОД КРАТКОСРОЧНОГО ПРОГНОЗИРОВАНИЯ ТЕМПЕРАТУРНЫХ РЕЖИМОВ В СИЛОВОМ КАБЕЛЕ
Н. К. Полуянович, Н. В. Азаров, А. В. Огреничев, М. Н. Дубяго2020-07-20Аннотация ▼Статья посвящена исследованиям вопросам создания диагностики и прогнозирования
термофлуктуационных процессов изоляционных материалов силовых кабельных линий (СКЛ)
электроэнергетических систем на основе таких методов искусственного интеллекта, как
нейронные сети и нечеткая логика. Показана необходимость разработки более совершен-
ной методики анализа тепловых режимов в СКЛ. Обоснована актуальность задачи созда-
ния нейросетей (НС) для оценки пропускной способности, расчёта и прогнозирования тем-
пературы жил СКЛ в режиме реального времени на основе данных системы температур-
ного мониторинга, с учетом изменения токовой нагрузки линии и внешних условий тепло-
отвода. По основным критериям проведено сравнение традиционных и нейросетевых алго-
ритмов для прогнозирования, показало преимущество НС методов. Проведена классифи-
кация НС методов и моделей прогнозирования температурных режимов КЛ. Предложен-
ный нейросетевой алгоритм прогнозирования характеристик электрической изоляции был
апробирован на контрольной выборке экспериментальных данных, по которым обучение
искусственной нейронной сети не проводилось. Результаты прогноза показали эффектив-
ность выбранной модели. Для решения задачи прогнозирования ресурса СКЛ была выбрана
сеть с прямым распространением данных и обратного распространения ошибки, т.к. сети
такого типа в совокупности с активационной функцией в виде гиперболического тангенса
являются в некоторой степени универсальной структурой для многих задач аппроксима-
ции, приближения и прогнозирования. Разработана нейросеть для определения темпера-
турного режима токоведущей жилы силового кабеля. Проведен сравнительный анализ
экспериментальных и расчетных характеристик распределений температуры, при этом
исследовались различные нагрузочные режимы работы и функции изменения тока кабеля.
При анализе данных было определено, что максимальное отклонение данных, полученных
от нейросети от данных обучающей выборки, составило менее 2,2 % что является вполне
приемлемым результатом. Модель может быть использована в устройствах и системах
непрерывного диагностирования силовых кабелей по температурным режимам. -
ОСНОВНЫЕ ПОДХОДЫ К ИЗВЛЕЧЕНИЮ ТЕКСТОВОЙ ИНФОРМАЦИИ (ОБЗОР)
В.В. Курейчик , П. С. Герасименко2024-10-08Аннотация ▼Данная статья посвящена обзору известных и современных подходов, методов и алгорит-
мов полнотекстового поиска. Описана краткая история решения задачи поиска в неструктуриро-
ванных текстовых данных, её развитие и актуальность. Сформулирована основная задача поиска
в текстовых данных. Приведено определение индекса базы данных. В общем виде определена целе-
вая функция поисковой информационной системы и описаны возможные компромиссные вариации
её параметров при решения различных прикладных задач. Приведена обобщённая архитектура
современной поисковой информационной системы с разделением задачи поиска на две фазы: пер-
вичное извлечение релевантных записей и их последующее ранжирование для формирования окон-
чательных результатов поиска. Даны базовые описания основных алгоритмов и методов полно-
текстового поиска, таких как: поиск по термам (логический поиск), поиск с помощью деревьев и
их разновидностей (B-деревья, UB-деревья, tries), поиск на основе n-грамм (в том числе поиск на
основе частотного представления), использование векторной модели пространства (VSM), поиск
на основе инвертированного (обратного) индекса, поиск с использованием аппарата нечёткой
логики и биоинспирированных методов. Приведены основные достоинства и недостатки этих
методов, описана их применимость в различных условиях, а также рассмотрены возможные ме-
тоды оптимизации поиска текстовых данных для улучшения точности, скорости поиска и эф-
фективности использования ресурсов. Представлены возможные перспективные направления в
области решения задачи первичного извлечения информации. Приведены некоторые способы опре-
деления сходства текстовых записей для решения задачи ранжирования на основе аппарата не-
чёткой логики. Затронуты вопросы повышения релевантности первичного извлечения с помощью
методов искусственного интеллекта, нейронных сетей, аппарата нечёткой логики и биоинспири-
рованных методов, в частности методы расширения поискового запроса и/или расширения обра-
батываемых текстовых записей. Описано влияние граничных условий построения поисковой сис-
темы на повышение её эффективности. В заключение статьи подводятся итоги обзора и обсуж-
даются перспективы дальнейшего развития различных методов полнотекстового поиска. -
ОРГАНИЗАЦИЯ ВЫПОЛНЕНИЯ СЦЕНАРИЯ РАБОТЫ МОБИЛЬНОГО РОБОТА С ИСПОЛЬЗОВАНИЕМ НЕЙРОМОРФНОГО МЕХАНИЗМА УПРАВЛЕНИЯ ЗАДАНИЕМ
А. М. Корсаков , В.В. Иванова , А.А. Демчева , В. Д. Матвеев , Е. Ю. Смирнова2025-04-27Аннотация ▼Представлены результаты исследования возможности формирования и выполнения сценария
работы мобильного робота с использованием нейроморфных информационно-управляющих элемен-
тов (логические элементы «И», «ИЛИ» и «НЕ»; нейроморфный экстраполятор; нейроморфный де-
тектор нештатных ситуаций; нейроморфный механизм формирования условного рефлекса). Приве-
дено краткое описание этих информационно-управляющих элементов. В качестве базового элемента
при этом выступает сегментная спайковая модель нейрона CSNM с возможностью структурного
обучения. Обученная модель CSNM способна решать задачу бинарной классификации, из чего следу-
ет возможность её использования в качестве отдельного информационно-управляющего элемента –
детектора состояния. Организацию выполнения сценария работы мобильного робота предлагается
строить на основе универсальных нейроморфных модулей с использованием указанных нейроморф-
ных информационно-управляющих элементов. Предлагаемый механизм управления заданием сводит-
ся к следующему. Универсальным нейроморфным модулям, используемым в качестве блоков-
переключателей, присваиваются приоритеты. Детектирование той или иной ситуации выполняет-
ся посредством универсального нейроморфного модуля, приоритет которого выше, что приводит к
торможению всех универсальных нейроморфных модулей, приоритет которых ниже данного. До-
бавляя, либо удаляя универсальные нейроморфные модули, а также меняя их приоритетность, мы
получаем требуемое для нас поведение мобильного робота. В работе приведены результаты иссле-
дования предложенного механизма организации сценария работы робота как на компьютерной мо-
дели, так и на реальном роботе. Для компьютерного моделирования был разработан специальный
эмулятор, который позволил всесторонне исследовать предложенное решение. В качестве тестовой
задачи было выбрано движение к цели в помещении с перегородками. Результаты экспериментов
показали принципиальную применимость предложенного механизма формирования и выполнения
сценария работы робота. В работе указаны основные недостатки текущей реализации: возмож-
ность ситуаций, приводящих к зацикливанию набора действий, совершаемых мобильным роботом, а
также необходимость ручного согласования основных параметров сцены и мобильного робота
(метрические характеристики заданных размеров зон сцены, угловая и линейная скорость мобильно-
го робота и т.п.). Предложены пути устранения указанных недостатков. Сделан вывод о перспек-
тивности применения сегментной спайковой модели нейрона и сетей на её основе для задач управле-
ния мобильными роботами. -
ИССЛЕДОВАНИЕ ПРИМЕНЕНИЯ СПАЙКОВОЙ НЕЙРОННОЙ СЕТИ И МЕТОДА КОНЕЧНЫХ ЭЛЕМЕНТОВ ДЛЯ ДИАГНОСТИКИ РТК
А. Ю. Тамм , Е. А. Барымова , М. И. Кузьмин2025-04-27Аннотация ▼Одной из ключевых параметров любой современной механической системы является её
вибрационные и акустические характеристики, оказывающие прямое воздействие на окр у-
жающую среду и человека в процессе работы. В связи с этим, актуальной остается задача
диагностики вибрационных характеристик различных сложных по структуре механических
объектов, к которым можно отнести промышленные робототехнические комплексы. В силу
затрудненности возможности проведения диагностирования и экспериментальной отладки
новых разрабатываемых механизмов, интересным является вопрос применения современных
подходов к решению задачи диагностики, в частности, с применением нейронных сетей и чи с-
ленных методов. Целью данной работы стало исследование возможности совместного приме-
нения спайковой нейронной сети и метода конечных элементов для оценки вибрационных х а-
рактеристик на примере подшипника волнового редуктора. В работе подробно описан алг о-
ритм проведения диагностики, включающий в себя этапы разработки как конечно-элементной
модели исследуемой механической системы, так и разработки архитектуры нейронной сети.
При этом генерация обучающего и контрольного наборов данных для нейронной сети проводи т-
ся на упрощенной конечно-элементной модели, имеющей характеристики, аналогичные детали-
зированной, что обеспечивается совпадением первых десяти собственных форм сборки. Наборы
данных сформированы на основе расчетов численными методами с применением явной схемы интегрирования во времени упрощенной модели редуктора с несколькими типами искусственно
привнесенных дефектов, аналогичных проявляющимся в процессе эксплуатации реального по д-
шипника. Для анализа частотных характеристик разработана архитектура спайковой нейро н-
ной сети, доработанная в дальнейшем на обучающем наборе единичных дефектов. В результа-
те исследования определено, что разработанная спайковая нейронная сеть обеспечивает кла с-
сификацию данных на контрольной выборке с точностью 85%, что позволяет сделать вывод о
применимости предлагаемой методики определения вибросостояния механических систем с
совместным использованием нейронных сетей и метода конечных элементов -
ПРИМЕНЕНИЕ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ТЕХНИЧЕСКОГО РАСПОЗНАВАНИЯ ОБЪЕКТОВ В ИНТЕРЕСАХ РАДИОМОНИТОРИНГА
Д. В. Шумков , И.В. Титков , П.А. Гулевич2025-04-27Аннотация ▼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 -
АППАРАТНАЯ НЕЙРОННАЯ СЕТЬ НА ОСНОВЕ МЕМРИСТИВНЫХ СТРУКТУР ОКСИДА ТИТАНА
В.И. Авилов , Л. А. Душина , Н.В. Полупанов , В. А. Смирнов205-2142025-11-10Аннотация ▼Представлены результаты изготовления, обучения и исследования макета аппаратной нейронной сети, реализованного в виде кроссбар массива искусственных синапсов на основе мемристорных наноструктур электрохимического оксида титана. Был разработан макет полносвязной нейронной сети, состоящей из четырех входных электродов, кроссбар массива 16 искусственных синапсов на основе наноструктур электрохимического оксида титана и четырех выходных электродов. Показано, что процесс протекания тока через такую структуру полностью соответствует математической модели нейронной сети. Были проанализированы различные реализации искусственных синапсов, позволяющие реализовать отрицательные «веса» нейронной сети и выбран один из оптимальных вариантов. На основе разработанной структуры был изготовлен макет полносвязной нейронной сети с использованием технологий магнетронного распыления, оптической и зондовой литографии. Для обучения нейронной сети был разработан алгоритм переключения отдельных мемристоров, исключающий паразитное переключение соседних структур за счет возникновения тока утечки. Для демонстрации работы изготовленного макета нейронной сети была предложена задача классификации двух входных сигналов. Для реализации отрицательных «весов» каждый из входящих сигналов дублировался с отрицательной полярностью. Предполагается, что выходы обученной нейронной сети должны регистрировать: 1) превышение первого сигнала; 2) превышение второго сигнала; 3) оба высоких сигнала. Этап обучения и исследования нейронной сети осуществлялся с использованием программно-аппаратного комплекса «Neuro InT», разработанного в научно-исследовательской лаборатории "Нейроэлектроника и мемристивные наноматериалы", ЮФУ. Исследование макета нейронной сети показало, что все выходы успешно классифицируют входящие сигналы, максимизируя ток через соответствующие выходы для заданных входных значений. Предложенную структуру можно улучшить, добавив дополнительные два входа с постоянным высоким положительным и отрицательным потенциалом для реализации «сдвига» при работе нейронной сети. Полученные результаты могут быть использованы при разработке аппаратных нейронных сетей на основе мемристивных структур оксида титана
-
МЕТОД ГЕНЕРАЦИИ ШУМА ПО НАБОРУ ЗАШУМЛЕННЫХ ИЗОБРАЖЕНИЙ БЕЗ ЧИСТЫХ ПРИМЕРОВ
А.С. Коваленко , Я. М. Демяненко243-2542025-11-10Аннотация ▼Предлагается новый метод генерации шума по зашумленным изображениям без необходимости использования выровненных пар чистых и зашумленных данных. В отличие от традиционных подходов, требующих наличия согласованных наборов изображений или априорных моделей шума, разрабатываемый метод позволяет моделировать сложные характеристики шума, присущие конкретным КМОП‑сенсорам, основываясь исключительно на наблюдаемых зашумленных данных. Для синтеза шума используется генеративно‑состязательная архитектура
U-Net-подобного типа, построенная на базе StyleGANv2 с модифицированным дискриминатором, учитывающим параметры камеры и исходных изображений. Основное внимание уделяется сохранению пространственно‑цветовой структуры изображения при генерации шума, что достигается введением специализированной функции потерь, сохраняющей характеристики цветопередачи и текстурных деталей. Предлагаемый подход позволяет обучать генератор шума в условиях полного отсутствия пар чистых и зашумленных изображений, что особенно актуально при работе с реальными данными, полученными с различных камер и в различных условиях освещения. В экспериментальной части проведен подробный сравнительный анализ качества синтезированных изображений по метрикам PSNR и SSIM, а также оценка распределения шума на основе статистических характеристик интенсивности и спектрального состава. Демонстрируется, что синтезированный набор изображений, созданный предложенным методом, может эффективно использоваться как самостоятельный тренировочный корпус для нейросетей подавления шума, а также в комбинации с реальным набором SIDD для повышения точности моделей подавления шума. Результаты показали, что комбинированное обучение на объединенном множестве сгенерированных и реальных примеров обеспечивает рост среднего PSNR на 1.5 дБ по сравнению с существующими методами, основанными на выровненных данных. При этом отсутствует зависимость от специфических оптических характеристик конкретного сенсора камеры, что существенно расширяет область применения разработанного метода. Полученные результаты подтверждают применимость предложенного подхода в задачах синтеза и подавления реалистичного шума в условиях отсутствия чистых эталонных изображений, а также открывают перспективы для дальнейших исследований в направлении адаптивной генерации шумовых моделей. -
ПРИМЕНЕНИЕ ТЕХНОЛОГИЙ КОМПЬЮТЕРНОГО ЗРЕНИЯ В СИСТЕМАХ ОБРАБОТКИ ВИЗУАЛЬНОЙ ИНФОРМАЦИИ
О.Б. Лебедев , Р.И. Черкасов254-2762025-11-10Аннотация ▼Рассмотрено применение технологий искусственного интеллекта, в частности компьютерного зрения в системах обработки визуальной информации. Проведен комплексный анализ нейросетевых подходов к решению задач компьютерного зрения, включая систематизацию ключевых типов задач: классификацию изображений, детектирование объектов и семантическую сегментацию. Детально исследованы архитектурные принципы сверточных нейронных сетей с акцентом на механизмы извлечения пространственных признаков через сверточные слои, оптимизацию представления данных посредством операций пулинга и преобразование признаков в полносвязных слоях. Особое внимание уделено эволюции методов обнаружения объектов, где задача выбора модели рассмотрена как расширение классификации за счет интеграции регрессии пространственных координат, а также проведена оценка эффективности детекторов на основе метрик IoU, Precision, Recall и F1-score, демонстрирующих фундаментальный компромисс между точностью локализации и скоростью обработки. В качестве оптимального решения для систем реального времени представлен алгоритм YOLOv7, архитектура которого основана на разбиении входного изображения на сетку S×S ячеек с прямым предсказанием параметров ограничивающих рамок (координаты центра, ширина, высота) и вероятностей классов для каждой ячейки, а также использовании специализированных слоёв (SPP, PANet) для мультимасштабной агрегации признаков. Структура нейронной сети подтверждает эффективность используемого подхода, обеспечивающего высокое быстродействие без критического снижения точности в стратегически важных приложениях видеонаблюдения, автономных систем и дополненной реальности. Проведено сравнительное исследование одноэтапных и двухэтапных детекторов с оценкой их производительности по ключевым метрикам. Особое внимание уделено практическим аспектам применения технологий компьютерного зрения в реальных системах обработки визуальной информации
-
СОВРЕМЕННЫЕ ПОДХОДЫ К МОНИТОРИНГУ И ПРОГНОЗИРОВАНИЮ ПРИРОДНЫХ ПОЖАРОВ: ОБЗОР И КОНЦЕПЦИЯ АВТОНОМНОЙ СИСТЕМЫ НА БАЗЕ БПЛА
Н.Д. Болдырев , В. В. Гилка , А.С. Кузнецова , Д.А. Морозов58-802025-12-30Аннотация ▼Природные пожары ежегодно наносят серьёзный урон экосистемам, экономике и безопасности населения, а своевременное обнаружение возгораний и прогнозирование их развития повышает оперативность реагирования на угрозу и позволяет оптимально распределять ресурсы при ликвидации чрезвычайных ситуаций (ЧС). Существующие методы мониторинга ограничены скоростью обнаружения очагов возгорания и оперативностью их дальнейшего распростанения, что снижает эффективность действий спасательных служб. Для решения данной проблемы могут использоваться гетерогенные источники данных, включая беспилотные летательные аппараты (БПЛА), распределённые датчиковые сети, мобильные комплексы полевого наблюдения, наземные тепловизионные станции и т.д., которые могут способствовать проведению более точного анализа текущей обстановки и повышению достоверности прогнозных моделей распространения пожаров. Целью исследования стала разработка концепции автоматизированного подхода к мониторингу и прогнозированию природных пожаров на основе беспилотных летательных аппаратов. Мы считаем, что такой подход сумеет повысить оперативность обнаружения очагов возгорания и точность прогнозирования их распространения. Задачи включают анализ существующих методов мониторинга, формирование концепции системы, интегрирующей многоспектральную съёмку, оптимизированную передачу данных, автоматическую сегментацию и прогнозирование на основе машинного обучения, а также обеспечивающей взаимодействие оператора и специалистов по оповещению. В работе использовались методы сбора, анализа и передачи данных с БПЛА, обработка многоспектральных изображений, машинное обучение и нейронные сети для детекции очагов возгорания, алгоритмы сегментации изображений и имитационное моделирование для прогнозирования распространения огня, визуализация данных для поддержки принятия решений оператором и администратором, логирование и анализ результатов для обучения моделей, программная инженерия и технологии человеко-машинного взаимодействия. Система сократит время обнаружения и прогнозирования пожаров, предоставит возможность оператору запускать несколько дронов одновременно и автоматизирует обработку получаемых с них данных. Автоматизация процессов позволит сократить время реакции на ЧС и численность персонала, улучшить распределение ресурсов, повысить точность прогнозов и своевременность информирования экстренных служб. Это поможет снизить ущерб от природных пожаров и повысить безопасность населения и экосистем. Несмотря на существующие успехи, достигнутые в решении этой задачи, комплексная система, концепция которой описывается в данной статье, пока не существует в полной мере ни в России и странах СНГ, ни в западных и азиатских странах. Хотя отдельные компоненты, такие как БПЛА для мониторинга и искусственный интеллект (ИИ) для анализа данных, уже активно используются, интегрированного решения, которое бы объединяло все элементы (управление дронами, прогнозирование распространения огня в режиме, приближенном к реальному времени, передача данных и взаимодействие с экстренными службами), на данный момент нет. Эта концепция представляет собой новый подход, который может стать прорывной технологией для борьбы с природными катастрофами
-
АНАЛИЗ МЕТОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА, ПРИМЕНЯЕМЫХ ДЛЯ РЕШЕНИЯ ЗАДАЧ ПСИХИАТРИИ
Е. С. Подоплелова2022-05-26Аннотация ▼Использование методов искусственного интеллекта в области медицины получило
широкое распространение, помогая диагностировать, анализировать и давать рекоменда-
ции по лечению. Психиатрия – это область медицины, изучающая психические расстрой-
ства, методы их диагностики и лечения. В спектр ее задач входит не только диагностика
и лечение, но также наблюдение, мониторинг и последующая реабилитация пациентов.
Эта предметная область имеет существенные проблемы, такие как объективность, про-
тиворечивость диагноза, сложность классификации болезней, непредсказуемость течения
заболевания. С рядом этих проблем помогает справиться использование методов машин-
ного обучения и алгоритмы искусственного интеллекта. Данная работа посвящена обзору
исследований методов искусственного интеллекта, применяемых для решения задач в об-
ласти психиатрии. Актуальность темы обусловлена высокой потребностью данной пред-
метной области в улучшениях. Конкретные проблемы представлены в данной статье.
Среди них были выделены основные направления: деидентификация данных, классификация
тяжести симптомов, точность прогнозирования состояния. Для их решения авторами
были применены такие методы как латентный семантический анализ для обработки ес-
тественного языка, методы классификации, сверточные нейронные сети для прогнозиро-
вания, когнитивное моделирование. Отдельно отмечена эффективность гибридных сис-
тем, включающих реализацию сразу нескольких метолов машинного обучения. Целью ис-
следования было выделить основные направления развития исследований научного сообще-
ства, которые демонстрируют успешную интеграцию искусственного интеллекта в пси-
хиатрию, а также сравнение их между собой по полученным оценкам точности моделей.
Что, в свою очередь, подразумевает разбор и анализ конкретных алгоритмов, их произво-
дительность для конкретных задач.
1 - 22 из 22 результатов
