Найти

Результаты поиска

• МЕТОДЫ ГЛУБОКОГО ОБУЧЕНИЯ ДЛЯ ОБРАБОТКИ ТЕКСТОВ НА ЕСТЕСТВЕННОМ ЯЗЫКЕ

  В. В. Курейчик , С. И. Родзин , В.В. Бова

  2022-05-26

  Аннотация ▼

  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.

• 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.

• ИЗВЛЕЧЕНИЕ ПРИЧИННО-СЛЕДСТВЕННЫХ КОРТЕЖЕЙ ИЗ ТЕКСТА НА ОСНОВЕ ГЛУБОКОГО ОБУЧЕНИЯ С ИСПОЛЬЗОВАНИЕМ СИНТЕТИЧЕСКИХ ДАННЫХ

  А.Н. Целых , И. А. Валухов , Л.А. Целых

  2025-01-30

  Аннотация ▼

  Рассматривается проблема разработки модели извлечения полных причинных кортежей из
  неструктурированных текстов для представления ситуаций принятий решений в сложных социо-
  гуманитарных средах. Совокупность извлекаемых кортежей из определенного набора текстов
  представляет собой связанные сущности конкретной среды, что позволяет создать причинно-
  следственные графы. В этой статье предлагается модель извлечения причинно-следственных
  связей с использованием предобученной модели BERT с дообучением на основе дополнительных
  признаков. Для уточнения причинной классификации модель использует два вида признаков (кау-
  зальность глаголов и метрики качества причинного влияния) для распознавания причинного кор-
  тежа, автоматически изучает семантические признаки из предложений, повышая точность из-
  влечения. Предварительная обработка текста осуществляется с помощью библиотеки SpaCy с
  открытым исходным кодом. Извлеченные причинно-следственные кортежи в формате <фраза
  причины, фраза глагола, фраза следствия, полярность> легко трансформируется в соответст-
  вующие элементы графа <исходящий узел, направление связи, входящий узел, знак веса связи> и
  далее могут быть использованы для построения направленного взвешенного знакового графа с
  детерминированной причинностью на дугах. В целях снижения зависимости от внешних знаний
  для дообучения и тестирования модели BERT используются синтетически сгенерированные анно-
  тированые наборы данных. Экспериментальные результаты показывают, что точность извлече-
  ния причинно-следственных связей на синтетических данных достигает 94%, а значение
  F1 – 95%. Преимуществами представленного технологического решения является то, что модель
  не требует высоких эксплуатационных затрат, реализована на компьютере со стандартными
  характеристиками, использует свободное программное обеспечение, что делает ее доступной для
  широкого круга пользователей. Ожидается, что предложенная модель может быть использована
  для автоматизации анализа текстов и поддержки принятия решений в условиях высокой неопре-
  деленности, что особенно актуально для социогуманитарных сред.

• ГИБРИДНЫЙ ПОДХОД К БЕЗОПАСНОСТИ ШАБЛОНОВ БИОМЕТРИЧЕСКИХ ДАННЫХ ВЕН ПАЛЬЦА НА ОСНОВЕ ГЛУБОКОГО ОБУЧЕНИЯ

  Шендре Шивам , Шубханги Сапкал

  2020-10-11

  Аннотация ▼

  Мы живем в современном обществе, где у нас достаточно много ресурсов и вычис-
  лительной мощности, единственной проблемой остается общественная безопасность.
  С развитием технологий личная информация становится все более не защищенной. По-
  этому идентификация личности является актуальной проблемой. Существующие тради-
  ционные методы защиты личной информации оказались не надежными. Защита биомет-
  рических параметров является одной из наиболее важных проблем при обеспечении безо-
  пасности современной биометрической системы. Имеющиеся алгоритмы не дают адек-
  ватного решения этой проблемы. Поэтому мы попытались предложить метод, который
  будет более актуальным. В этой статье обсуждается гибридный метод биометрического
  распознавания вен на пальцах, основанный на методе глубокого обучения с использованием
  схем двоичной диаграммы принятия решений и нечетких обязательств. Предложенный
  гибридный метод состоит из четырех частей, а именно: извлечение признаков вены паль-
  ца, генерация защищенного шаблона, схема нечеткой фиксации, распознавание и принятие
  решения о структуре вен на пальце. Таким образом, имеются четыре модуля, при этом
  каждый модуль работает эффективно и дает точные результаты по всем базам данных.

• РАСПОЗНАВАНИЕ ИЗОБРАЖЕНИЙ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР, РАСТЕНИЙ И ЛЕСНЫХ МАССИВОВ

  И. Б. Аббасов , Ратнадип Р. Дешмух

  2020-10-11

  Аннотация ▼

  Представлен обзор некоторых исследований по проблеме распознавания изображе-
  ний сельскохозяйственных культур, растений и лесных массивов. В этих системах распо-
  знавания изображений используются различные методы предварительной обработки,
  компьютерного зрения, глубокого обучения. В последнее время увеличиваются системы
  распознавания на основе мобильных устройств, что повышает их доступность и широкое
  распространение. Рассмотрены статьи по распознаванию, классификации плодов и фрук-
  тов в садах, создание банка данных этих аграрных продуктов (яблоки, груши, киви) для
  оценки созревания и урожайности. Описаны работы посвященные автоматизации сбора
  урожая зерновых культур на примере работы уборочного комбайна с применением машин-
  ного зрения. Растениеводство играет важную роль при обеспечении кормов для животно-
  водства, анализированы статьи по распознаванию сельскохозяйственных растений на
  основе изображений листьев. Также по состоянию листьев картофельных кустов можно
  определить их болезни, оценить состояние почвы. Приведены работы по разработке мо-
  бильных систем контроля и распознавания процесса выращивания грибов на основе техно-
  логии «зеленый дом» для фермерских хозяйств. С помощью дистанционной диагностики
  можно анализировать и контролировать состояние поверхности суши и морей. Для дис-
  танционного экологического мониторинга ландшафта земной поверхности описаны рабо-
  ты по распознаванию, классификации лесных массивов, водных ресурсов с применением
  гиперспектрального анализа спутниковых изображений.

• 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.

• 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.

• АЛГОРИТМ ОБНАРУЖЕНИЯ ОБЪЕКТОВ ДЛЯ ОПТИКО-ЭЛЕКТРОННЫХ СИСТЕМ С ОБУЧЕНИЕМ В РЕАЛЬНОМ ВРЕМЕНИ

  В.А. Тупиков , В. А. Павлова , В. А. Бондаренко , М. В. Созинова , П.А. Гессен

  2021-04-04

  Аннотация ▼

  В целях создания нового алгоритма автоматического обнаружения объектов с обучением
  в реальном времени произведено исследование мирового научного задела в области автоматиче-
  ского сопровождения общего назначения с возможностью распознавания объекта слежения с
  потенциалом применения во встраиваемых вычислительных системах оптико-электронных
  систем перспективных робототехнических комплексов. На основе проведенных исследований
  отобраны и протестированы методы и подходы, которые позволяют с наибольшей точностью, при сохранении высокой вычислительной эффективности, обеспечивать обучение клас-
  сификаторов на лету (online learning) без априорного знания о типе объекта слежения и обес-
  печивать последующее обнаружение исходного объекта в случае его кратковременной потери.
  В число таких способов входит гистограмма направленных градиентов – дескриптор ключевых
  признаков, основывающийся на анализе распределения градиентов яркости изображения объ-
  екта. Его использование позволяет сократить количество используемой информации без поте-
  ри ключевых данных об объекте и увеличить скорость обработки изображений. В статье
  обоснован выбор одного из алгоритмов классификации в режиме реального времени, позволяю-
  щего решить задачу бинарной классификации – метода опорных векторов. В виду высокой ско-
  рости обработки данных и необходимости небольшого количества исходных обучающих дан-
  ных для построения разделяющей гиперплоскости, на основе которой и происходит классифи-
  кация объектов, данный метод выбран как наиболее подходящий для решения поставленной
  задачи. Для осуществления online-обучения была выбрана модификация метода опорных векто-
  ров, реализующая стохастический градиентный спуск на каждом шаге работы алгоритма –
  Pegasos. Авторами исследования проведена разработка и полунатурное моделирование выбран-
  ного алгоритма, проведена оценка эффективности его работы в задачах обнаружения объекта
  интереса в режиме реального времени с предварительным online-обучением в процессе слеже-
  ния за объектом. Разработанный алгоритм показал высокую эффективность при решении
  поставленной задачи и планируется к внедрению в составе специального программного обеспе-
  чения оптико-электронных систем перспективных робототехнических комплексов. В заключе-
  нии представлены предложения по дальнейшему повышению точности и вероятности обна-
  ружения объекта интереса разработанным алгоритмом, а также по повышению его произво-
  дительности путем оптимизации вычислений.

• 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.

• 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.

• 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

• КОРРЕЛЯЦИОННЫЙ АЛГОРИТМ АВТОМАТИЧЕСКОГО ОБНАРУЖЕНИЯ И СОПРОВОЖДЕНИЯ С ОБУЧЕНИЕМ В РЕАЛЬНОМ ВРЕМЕНИ

  В. А. Тупиков , В. А. Павлова , А.Ю. Гагарина , П. А. Гессен , А.И. Лизин , М. В. Созинова

  2022-04-21

  Аннотация ▼

  Целью данной разработки является создание устойчивого алгоритма автоматиче-
  ского обнаружения и сопровождения недетерминированных объектов с обучением в реаль-
  ном времени, для встраиваемых вычислительных устройств оптико-электронныч систем.
  В рамках представленной работы произведено исследование и анализ имеющегося мирового
  научно-технического опыта в области алгоритмов автоматического сопровождения об-
  щего назначения. В статье показано что современные алгоритмы автоматического со-
  провождения представляют собой систему, принимающую решение о текущем положе-
  нии, размерах и других параметрах сопровождаемого образа на основе обучаемой модели.
  Авторами исследования выделены наиболее эффективные из применяемых базовых алго-
  ритмов, подходящие для применения во встраиваемых вычислительных системах робото-
  технических комплексов, и разработан новый алгоритм автоматического обнаружения и
  сопровождения недетерминированных объектов. Проведено полунатурное тестирование
  разработанного алгоритма и оценена его эффективность в решении задач не только ав-
  томатического сопровождения объектов, но и задач автоматического обнаружения объ-
  ектов по нескольким эталонным образам. В заключении представлены предложения по
  дальнейшему повышению точности разработанного алгоритма и по его оптимизации и
  внедрению в состав специального программного обеспечения бортовых вычислительных
  систем летательных аппаратов.

• МОДУЛЬ КОРРЕКТИРОВКИ ПАРАМЕТРОВ АЛГОРИТМОВ АВТОМАТИЧЕСКОГО ОБНАРУЖЕНИЯ И СОПРОВОЖДЕНИЯ ОБЪЕКТОВ ДЛЯ ОПТИКО-ЭЛЕКТРОННЫХ СИСТЕМ

  В. А. Тупиков, В. А. Павлова , А.И. Лизин , П.А. Гессен

  71-81

  2022-04-20

  Аннотация ▼

  В целях создания инновационного модуля автоматической корректировки алгорит-
  мов автоматического обнаружения и сопровождения объектов с обучением в реальном
  времени произведено исследование мирового опыта в области автоматического сопрово-
  ждения общего назначения с возможностью распознавания объекта сопровождения для
  применения во встраиваемых вычислительных устройствах оптико-электронных систем
  перспективных робототехнических комплексов. На основе проведенных исследований ото-
  браны и протестированы методы и подходы, которые позволяют с наибольшей точно-
  стью, при сохранении высокой вычислительной эффективности, обеспечивать обучение
  классификаторов на лету (online learning) без априорного знания о типе объекта слежения
  и обеспечивать последующую корректировку во время слежения и обнаружение исходного
  объекта в случае его кратковременной потери. В число таких способов входит гисто-
  грамма направленных градиентов – дескриптор ключевых признаков, основывающийся на
  анализе распределения градиентов яркости изображения объекта. Его использование по-
  зволяет сократить количество используемой информации без потери ключевых данных об
  объекте и увеличить скорость обработки изображений. В статье обоснован выбор одного
  из алгоритмов классификации в режиме реального времени, позволяющего решить задачу
  бинарной классификации – метода опорных векторов. В виду высокой скорости обработки
  данных и необходимости небольшого количества исходных обучающих данных для по-
  строения разделяющей гиперплоскости, на основе которой и происходит классификация
  объектов, данный метод выбран как наиболее подходящий для решения поставленной за-
  дачи. Для осуществления online-обучения была выбрана модификация метода опорных
  векторов, реализующая стохастический градиентный спуск на каждом шаге работы алго-
  ритма – Pegasos. Еще одним вспомогательным способом является метод кластеризации
  ключевых точек – таким образом обеспечивается ускоренный выбор объектов для обуче-
  ния и классификации. Авторами исследования проведена разработка и полунатурное моде-
  лирование предлагаемого модуля, проведена оценка эффективности его работы в задачах
  корректировки и обнаружения объекта интереса в режиме реального времени с предвари-
  тельным online-обучением в процессе слежения за объектом. Разработанный алгоритм
  показал высокую эффективность при решении поставленной задачи. В заключении пред-
  ставлены предложения по дальнейшему повышению точности и вероятности обнаруже-
  ния объекта интереса разработанным алгоритмом, а также по повышению его произво-
  дительности путем оптимизации вычислений.

• РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНЫХ МОБИЛЬНЫХ ПРИЛОЖЕНИЙ

  Т. А. Крамаренко , Е.В. Фешина , Т. В. Лукьяненко

  2022-06-03

  Аннотация ▼

  В статье представлены результаты разработки модуля для модернизации мобильно-
  го приложения торговой сети. Особенностью представленного модуля мобильного прило-
  жения является отображение персонализированных сообщений с рекламой и акциями тор-
  говой сети. Для сбора и анализа данных в мобильном приложении применена математиче-
  ская модель машинного обучения. В деталях описан процесс выбора математической мо-
  дели, алгоритм работы и этапы обучения модели на тренировочных данных. Проведена
  оценка качества работы классификатора на тестовой и обучающей выборке. Выполнены
  классификация объектов тестовой выборки и сравнение реального значения класса с полу-
  ченным в результате классификации. Авторы в статье представили основные этапы раз-
  работки алгоритмы для обработки статистических данных из чеков покупателей. Пред-
  ставлены программные коды реализации модуля анализа чеков и отображения персонали-
  зированной рекламы мобильного приложения. Для реализации базы данных в качестве ин-
  струментального средства авторами была использована реляционная система управления
  данными MS SQL Server. Модули мобильного приложения разработаны в среде Android
  Studio для операционной системы семейства Android. В работе авторы представили ос-
  новные этапы работы алгоритма и тестирования работоспособности внедренных моду-
  лей. На основе данных о совершенных покупателем покупках собираются сведения о пред-
  почитаемых товарах на основе фиксации групп товаров и товарных позиций из чека.
  К мобильному приложению привязаны карта лояльности торговой сети, а к картам лояль-
  ности, в свою очередь, привязаны чеки о покупках. Первоначально в приложении отобра-
  жалась реклама всех товаров, участвующих в акциях. Актуальной задачей является ото-
  бражение персонализированной рекламы, которая доказала свою эффективность. Мобиль-
  ное приложение распространяется бесплатно через Play Market и предназначено для
  смартфонов под управлением ОС линейки Android. Целью разработки является отображе-
  ние в приложении на устройстве покупателя сначала рекламы часто покупаемых товаров,
  а далее остальных акционных товаров. Мобильное приложение прошло нагрузочное тес-
  тирование в реальных условиях использования клиентами торговой сети.

• АЛГОРИТМЫ ГЕНЕРАЦИИ И ОБРАБОТКИ SEM-ИЗОБРАЖЕНИЙ ДЛЯ ИДЕНТИФИКАЦИИ СВОЙСТВ БИОНЕОРГАНИЧЕСКИХ МАТРИЦ И МЕТОДЫ ИХ ВЕРИФИКАЦИИ

  А.В. Полтавский , Д. С. Поляниченко , Е. Р. Коломенская , М. А. Бутакова

  2025-01-30

  Аннотация ▼

  Одним из распространенных методов анализа характеристик материалов, получаемых в ре-
  зультате химического синтеза, является сканирующая электронная микроскопия (SEM), примене-
  ние которой позволяет получить изображения с высоким разрешением и увеличением. В статье
  исследуются алгоритмы анализа изображений материалов, обладающих определенными свойст-
  вами (например, пористостью) – бионеорганических матриц. Пористые структуры представля-
  ют собой обширный класс материалов с широкой областью применения, включая сельское хозяй-
  ство, медицину, катализ и многое другое. Одна из важных сфер использования подобных структур
  – тканевая инженерия, в которой подобные каркасы необходимы для обеспечения восстанови-
  тельных процессов тканей организма. И для каждого организма матрицы должны быть персона-
  лизированными, что требует выполнения трудоемкого процесса по подбору характеристик кар-
  каса, применимого в конкретном случае. Эта задача в настоящее время частично решается при-
  менением технологий искусственного интеллекта для повышения точности или поддержки при-
  нятия решения во время изготовления или анализа матрицы. Однако, часть работы в этом процессе
  все еще выполняется вручную и представляет из себя трудозатратную рутину для специалиста.
  В частности, процесс анализа SEM-изображений с целью вычисления характеристик полученного
  материала все еще представляет множество длительных этапов с использованием различных ин-
  струментов. При этом такие характеристики как пористость, извилистость, диффузность явля-
  ются очень важным фактором для эксперта в процессе принятия решения о применимости изго-
  товленной бионеорганической матрицы в каждом конкретном случае. Соответственно целью дан-
  ного исследования является разработка комплекса алгоритмов для полностью автоматической об-
  работки SEM-изображений. Также, исходя из поставленной цели, в рамках исследования можно
  выделить ряд задач: разработка алгоритмов для детекции объектов на изображении, разработка
  модели нейронной сети для уточнения результатов детекции, реализация алгоритмов вычисления
  характеристик пористого материала, а также проектирование и выполнение ряда верификацион-
  ных испытаний для подтверждения качества выполненных вычислений. В результате проведенного
  исследования мы сделали некоторые выводы. В частности, подход, использующий генерацию синте-
  тических данных, может существенно ускорить и упросить процесс обучения нейронной сети, а
  также повысить качество выходной модели. Далее мы заключили, что полученные алгоритмы мо-
  гут полностью автоматизировать процесс анализа SEM-изображений с пористой структурой, а
  качество вычислений подтвердили с помощью ряда верификационных тестов. Полученные алго-
  ритмы могут быть распространены на другие аналогичные задачи, связанные с проблемами ана-
  лиза изображений и выявления необходимых признаков и характеристик.

• ИНТЕЛЛЕКТУАЛЬНОЕ УПРАВЛЕНИЕ РОБОТОТЕХНИЧЕСКИМИ СРЕДСТВАМИ В ЗАДАЧЕ СЕГМЕНТАЦИИ НОР ГРЫЗУНОВ С ИСПОЛЬЗОВАНИЕМ ГЛУБОКИХ СВЕРТОЧНЫХ АРХИТЕКТУР

  М.А. Астапова

  19-30

  2025-04-27

  Аннотация ▼

  Исследуется применение нейросетевых архитектур для семантической сегментации нор
  грызунов с целью мониторинга их популяции на сельскохозяйственных полях. В частности, рас-
  сматриваются три модели для семантической сегментации: сверточный автокодировщик (САК),
  SegNet и U-Net. Эти модели применяются для анализа изображений, полученных с беспилотных летательных аппаратов (БпЛА) и наземных роботизированных средств (РТС), что позволяет
  автоматически выявлять норы, минимизируя необходимость в трудозатратах при обработке
  больших объемов данных. Для обучения и тестирования моделей была подготовлена выборка,
  включающая 247 RGB-изображений, содержащих 1098 размеченных нор. Оценка показателей ка-
  чества семантической сегментации проводилась с использованием метрики Джаккара (IoU), в
  результате чего были получены следующие значения: 0,511 для САК, 0,548 для SegNet и 0,529 для
  U-Net. Была проведена оценка вычислительных ресурсов, необходимых для внедрения этих моделей
  в бортовые вычислительные устройства (БВУ) мобильных РТС. Рассмотрены два критерия: ко-
  личество операций с плавающей точкой (GFLOPS) и количество параметров моделей. Результа-
  ты показали, что SegNet требует 2,23 GFLOPS и имеет 0,76 миллиона параметров, что в 2,58 и
  2,33 раза меньше по сравнению с САК и U-Net соответственно. Количество операций с плавающей
  точкой для SegNet также оказалось на 2,43 и 1,88 раза ниже, чем у САК и U-Net соответственно.
  В результате, SegNet превзошла САК и U-Net как в эффективности сегментации, так и в требуе-
  мых вычислительных ресурсах. Данная работа выполнялась в рамках реализации системы компь-
  ютерного зрения сельскохозяйственной РТС.

• ИССЛЕДОВАНИЕ ИНТЕЛЛЕКТУАЛЬНОГО АДАПТИВНОГО АЛГОРИТМА УПРАВЛЕНИЯ НА БАЗЕ МЕТОДА ОБУЧЕНИЯ С ПОДКРЕПЛЕНИЕМ

  А. Н. Карапеев , Е.Ю. Косенко , М. Ю. Медведев , В. Х. Пшихопов

  2025-04-27

  Аннотация ▼

  Предложен и исследован алгоритм адаптивного управления двигателем постоянного тока,
  базирующийся на применении технологии машинного обучения с подкреплением. Дан обзор и крат-
  кий анализ состояния дел в области интеллектуальных систем управления приводами. Представ-
  лено математическое описание двигателя, приведена структурная схема обучения интеллекту-
  ального агента. Предложена интеллектуальная система адаптивного управления скоростью
  вращения двигателя, при построении которой двигатель представляется в виде черного ящика с
  заданными ограничениями на вход и выход. Система управления строится на базе алгоритма
  Q-обучения нулевого порядка. Предполагается, что выходом интеллектуального агента является
  управление, подаваемое на вход двигателя. Экспериментальным путем подобрано множество
  таких управлений, позволяющих реализовать заданную точность поддержания частоты враще-
  ния. В интеллектуальной системе используются приближенные табличные оценки ценности каж-
  дого из управлений в зависимости от желаемой и текущей частоты вращения двигателя. В на-
  стоящей статье проведено исследование влияния дискретности представления значений состоя-
  ния, используемого множества управляющих воздействий, применяемых вознаграждений, а так-
  же параметров алгоритма обучения на ошибку управления. Исследована чувствительность ин-
  теллектуальной системы управления к изменению параметров моделируемого двигателя и не из-
  меряемому моменту сопротивления на валу двигателя. По результатам проведенного исследова-
  ния сделан вывод о необходимости использования модифицированного алгоритма, в котором
  предполагается измерение или оценка тока статорной обмотки двигателя и использование непре-
  рывного упарвления. В данной постановке задачи алгоритм управления обеспечивает робастность
  к переменным параметрам и внешнему возмущению. Также обсуждаются вопросы аппроксимации
  функции ценности управления с помощью полиномов и с применением нейронной сети. Показана
  возможность высокой точности аппроксимации с помощью нейронной сети простой структуры

• ИНТЕЛЛЕКТУАЛЬНЫЕ МЕТОДЫ ПАРАМЕТРИЧЕСКОГО ПРОГНОЗИРОВАНИЯ И ОПТИМИЗАЦИИ ТРАЕКТОРИИ ДВИЖЕНИЯ БАС

  В.И. Данильченко , В.В. Бова

  263-276

  2025-12-30

  Аннотация ▼

  Рассматривается задача интеллектуального параметрического прогнозирования и оптимизации траектории движения беспилотной авиационной системы (БАС) с применением эволюционных алгоритмов и методов машинного обучения. Актуальность исследования обусловлена многокритериальностью и высокой сложностью процессов формирования траектории движения БАС, а также необходимостью точной и своевременной оценки её полётных параметров. Это особенно важно для обеспечения надёжности, безопасности и эффективного выполнения полётных задач в условиях эксплуатации БАС, включая сценарии, связанные с функционированием критически значимых объектов инфраструктуры. Цель исследования заключается в повышении точности диагностики траекторных параметров и надёжности параметрического прогнозирования траекторий движения БАС в условиях неопределённости и многокритериальности рассматриваемой задачи. В работе предлагается гибридный подход, включающий генетический алгоритм (ГA), алгоритм роя частиц (PSO) с моделью машинного обучения XGBoost, обеспечивающей адаптивную оценку качества формируемых решений. Реализован вычислительный программный комплекс, включающий механизмы селекции, рекомбинации, мутации и элитного наследования, а также модуль машинного обучения для валидации траектории маршрута и связанных параметров. Проведён вычислительный эксперимент, в рамках которого выполнен сравнительный анализ эффективности GA и PSO при различных сценариях их работы. Тестирование выполнялось на отраслевых наборах данных при различном количестве итераций. В ходе вычислительного эксперимента выявлено преимущество генетического алгоритма, а именно повышение качества проектных решений на 14–17%. Результаты исследования демонстрируют высокую адаптивность и практическую применимость в задачах моделирования, параметрического прогнозирования и маршрутизации, а также указывают на потенциал интеграции с интеллектуальными системами навигации и мониторинга БАС. Материалы статьи представляют практический интерес для специалистов в области разработки и эксплуатации БАС, а также для исследователей, занимающихся задачами многокритериального планирования маршрутов, параметрического прогнозирования и повышения надёжности функционирования БАС.

• 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. Морозов

  58-80

  2025-12-30

  Аннотация ▼

  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

• ПРОГНОЗИРОВАНИЕ ОСТАТОЧНОГО СРОКА ПОЛЕЗНОГО ИСПОЛЬЗОВАНИЯ ТЕХНОЛОГИЧЕСКОГО ОБОРУДОВАНИЯ МЕТОДОМ ГЛУБОКОГО ОБУЧЕНИЯ LSTM

  Ю.А. Кораблев

  277-288

  2025-11-10

  Аннотация ▼

  Актуальность данного исследования обусловлена повсеместным внедрением предиктивных систем технического обслуживания. В современных промышленных условиях особую важность приобретает точное прогнозирование остаточного срока службы (RUL) критического оборудования. Однако традиционные методы анализа данных демонстрируют существенные ограничения при работе с многомерными нестационарными временными рядами, характеризующимися высокой степенью зашумленности и сложными нелинейными зависимостями. Это приводит к значительным погрешностям в прогнозах, неоптимальному планированию ремонтных работ и возрастанию рисков внезапных отказов, способных вызвать серьезные экономические потери и нарушения производственных процессов. Цель работы заключалась в разработке усовершенствованной модели прогнозирования RUL на основе глубоких рекуррентных нейронных сетей. Для достижения поставленной цели последовательно решались следующие задачи: проведение детального анализа и многоэтапной предобработки данных многомерного мониторинга; проектирование специализированной двухслойной LSTM-архитектуры с интегрированными механизмами регуляризации. Методы и подходы включали применение оригинальной методики, сочетающей каскадную организацию LSTM-слоев с нормализацией и dropout-регуляризацией. Обучение модели осуществлялось на наборе данных NASA Turbofan Engine Degradation Simulation с задействованием современного оптимизатора Adam и стратегии ранней остановки для предотвращения переобучения. Особое внимание уделялось разработке специализированных алгоритмов предобработки, позволяющих эффективно работать с зашумленными временными последовательностями и сохранять долгосрочные зависимости в данных. Основные результаты проведенных экспериментов демонстрируют высокую точность прогноза. Детальный визуальный анализ временных рядов подтвердил точное соответствие прогнозных значений реальной траектории износа механических компонентов. Выводы исследования свидетельствуют о высокой практической эффективности разработанной модели для решения актуальных задач промышленной прогностики. Установлена возможность успешной интеграции модели в современные системы предиктивного обслуживания технологического оборудования. Практическая значимость работы заключается в потенциале существенной оптимизации затрат на техническое обслуживание и минимизации рисков критических отказов. Перспективы дальнейших исследований связаны с развитием гибридных архитектур, интеграцией механизмов внимания и адаптацией модели для различных типов промышленного оборудования

• ПРИМЕНЕНИЕ ТЕХНОЛОГИЙ КОМПЬЮТЕРНОГО ЗРЕНИЯ В СИСТЕМАХ ОБРАБОТКИ ВИЗУАЛЬНОЙ ИНФОРМАЦИИ

  О.Б. Лебедев , Р.И. Черкасов

  254-276

  2025-11-10

  Аннотация ▼

  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

• МЕТОД ГЕНЕРАЦИИ ШУМА ПО НАБОРУ ЗАШУМЛЕННЫХ ИЗОБРАЖЕНИЙ БЕЗ ЧИСТЫХ ПРИМЕРОВ

  А.С. Коваленко , Я. М. Демяненко

  243-254

  2025-11-10

  Аннотация ▼

  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.

• 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

• МОДУЛЬ ПРОГНОЗИРОВАНИЯ ПАРАМЕТРОВ ПРЕОБРАЗОВАТЕЛЕЙ ПО ЗАДАННЫМ АМПЛИТУДНО-ЧАСТОТНЫМ ХАРАКТЕРИСТИКАМ

  В.И. Шлаев

  93-103

  2025-11-10

  Аннотация ▼

  Рассматривается решение задачи разработки преобразователей по заданным амплитудно-частотным характеристикам. Основная проблема заключается в проведении большого количества измерительных мероприятий с изменением параметров преобразователей для достижения необходимых амплитудно-частотных характеристик, что приводит к большим временным и ресурсным затратам на разработку. Проводится анализ основных параметров преобразователей, влияющих на заданные амплитудно-частотные характеристики. Анализируются существующие подходы, методы и алгоритмы при создании преобразователей требуемых характеристик. Описывается разработка модуля прогнозирования параметров электромеханических преобразователей, основанного на заданных амплитудно-частотных характеристиках. Задачи исследования включают создание структурно-параметрической и математической моделей для расчета характеристик преобразователей на стадии проектирования. Описывается алгоритм обучения модели на основе экспериментальных данных, полученных в ходе проведения измерений. Использование методов машинного обучения для предсказания параметров приводит к минимизации количества проводимых экспериментов и снижению затрат на разработку преобразователей. Предложенный подход основывается на использовании зависимости между конструктивными параметрами преобразователей и их частотными характеристиками. Для повышения точности прогнозирования применяется алгоритм градиентного бустинга. Представлены этапы подготовки данных для обучения модели. Описывается процесс обучения модели. Результаты демонстрируют значительное сокращение времени моделирования преобразователей: применение модуля позволяет ускорить процесс в несколько раз по сравнению с экспериментальным подходом. Прогнозирование характеристик на основе модели обеспечивает сопоставимую точность при большем объеме данных. Выводы исследования подтверждают эффективность предлагаемого подхода в разработке преобразователей, снижая временные и финансовые затраты, повышая точность моделирования и применимость в условиях ограниченных ресурсов

• МОДЕЛЬ МАШИННОГО ОБУЧЕНИЯ УКЛОНЕНИЯ РОЯ ОТ ВОЗДЕЙСТВИЯ АНТОГОНИСТИЧЕСКОЙ СРЕДЫ

  В.К. Абросимов , Г.А. Долгов , Е. С. Михайлова

  6-19

  2025-04-27

  Аннотация ▼

  Одним из приоритетных направлений теории группового управления на близлежащую перспективу является роевое управление группами малых беспилотных летательных аппаратов – микро-, мини- и нано- классов, выполняющих коллективную задачу в условиях воздействия противника. Здесь сталкиваются две антагонистические стратегии-минимизации потерь с точки зрения атакующего
  роя и максимизации таких потерь с точки зрения системы обороны. Цель исследования: разработка
  подхода к решению практической задачи – проникновения роя беспилотных летательных аппаратов на
  охраняемый системой обороны объект. Задачи исследования заключались в анализе характеристик
  факторов, влияющих на процессы обнаружения, сопровождения, распознавания намерений роя систе-
  мой обороны и разработка модели машинного обучения создания пространственно-временных форма-
  ций, минимизирующих число пораженных системой обороны элементов роя. В качестве основных па-
  раметров системы обороны выделены дальность обнаружения и продолжительность распознавания
  роя, время на принятие решения по действиям роя, размер зоны поражения средств обороны. В каче-
  стве метода исследования выбран метод машинного обучения на сверточных нейронных сетях с под-
  креплением. Эффект противодействия системе обороны создается за счет динамичности роя; он
  может активно маневрировать, создавая в процессе осуществления миссии пространственно-
  временные маневры. Для моделирования ситуации «Рой vs Система обороны» вводится агент роя (ней-
  ронная сеть с архитектурой трансформер, которая инициирует формации роя) и агент системы обо-
  роны, которая распознает рой и атакует его, создавая зону поражения в условном центре масс роя.
  Рой руководствуется стохастическим правилом, предлагая системе обороны (среде) отреагировать
  на его маневр. Среда отвечает атакой роя, образуя поражающий фактор в той точке, в которой
  предположительно окажется рой или основная часть роя. Наградой стратегии роя выступает число
  неуничтоженных объектов в условиях выполнения ограничений; для системы обороны эта «награда»
  выступает как «наказание». В процессе машинного обучения установлено интересное явление: каждый
  элемент роя, оставаясь в рамках заданного пространства и реализуя биологические принципы роевого
  управления без Лидера самостоятельно уклоняется от области поражения, что в совокупности созда-
  ет случайную для средств обороны пространственно-временную формацию с минимальными потерями
  элементов роя. Таким образом, методом машинного обучения с подкреплением создана модель, позво-
  ляющая варьировать поведением роя и синтезировать пространственно-временных формации, за-
  трудняющие обнаружение, сопровождение, распознавание намерений и принятие решений по воздей-
  ствию системы обороны на рой атакующих малых беспилотных летательных аппаратов, а также
  существенно снизить их потери