Научный архив: статьи

Работа посвящена созданию аппаратно-программного прототипа беспилотного транспортного средства и изучению вариантов его архитектуры в попытке создать универсальное стандартное решение для такого типа устройств. Рассматривается задача управления беспилотником таким образом, чтобы имелась возможность гибкого переключения источников управляющих команд и алгоритмов управления. Для этого подсистемы генерации и исполнения управляющих команд связываются посредством очереди сообщений, что дает возможность комбинировать автономный и дистанционно управляемый режим работы беспилотника. Предлагается метод генерации управляющих команд при следовании объекта по программной траектории, основанный на нейронной сети. Входными данными сети являются координаты программной траектории и текущее состояние объекта, а выходными - управляющие воздействия. В работе описывается аппаратная и программная составляющая устройства автомобильного типа, архитектура системы его управления, структура нейронной сети, возможные подходы к ее обучению. Обсуждается создание обучающей выборки как на моделируемых, так и на реальных данных о движении, что позволяет беспилотному устройству «обучаться» разным стилям вождения. Приводятся результаты экспериментов с различными обучающими выборками, которые демонстрируют практическую применимость предложенного метода управления. Уделено внимание аспектам структуры нейронной сети, включая выбор количества слоев и нейронов. Указано на возможность использования «промежуточных» точек программной траектории для улучшения свойств движения объекта. В целом делается вывод о перспективности применения нейронных сетей в управлении беспилотниками, в тех случаях, когда требуется комбинирование и гибкое переключение алгоритмов управления.

Статья посвящена проблеме персонализации интерфейса прикладных программ к индивидуальным особенностям пользователей на основе применения нейросетевых технологий. Новизной предложенного подхода является формирование прототипа интерфейса путем подбора каждого элемента меню отдельно, позволяющего сформировать персонализированный интерфейс. Предлагается использование инструментальной среды, включающей набор компонентов интерфейсной части, из которых динамически генерируется уникальный прототип интерфейса, адаптированный под особенности каждого пользователя. В качестве инструмента для подбора компонентов интерфейса использована глубокая нейронная сеть, представленная в виде многослойного перцептрона. Входными параметрами нейронной сети являются отличительные особенности пользователей, выходными - компоненты будущего прототипа интерфейса. В качестве критериев адаптации интерфейсной части приложений выбраны профессиональные, психофизиологические характеристики пользователей, их демографические особенности, а также эмоциональное состояние. Выходными параметрами являются компоненты интерфейса: размер шрифта текста и гиперссылок, размер и расстояние между элементами веб-страницы, вид подсказок и контекстного меню, сообщения пользователю, цветовая гамма, наличие окна для поиска информации и др. В результате разработана инструментальная среда для создания персонализированных интерфейсов прикладных программ c использованием нейросетевых технологий. В ходе работы программного средства пользователи проходят оценку своих характеристик с помощью базовых тестов IТ-сферы и психологии. Для определения эмоционального тона, возраста и пола в системе используется библиотека Deepface языка Python, которая реализует алгоритм на основе обученной сверточной нейронной сети. Внедрение предложенной инструментальной среды позволит обеспечить удобное взаимодействие между пользователями и программным приложением.

Разработан алгоритм классификации и слежения за объектом. Алгоритм основан на использовании нейронной сети YOLOv5 для высокоточной классификации объектов в реальном времени. Разработана программная реализация алгоритма на базе языка программирования Python и библиотеки OpenCV. В ходе исследования была проведена отладка программы и оптимизация ее работы для повышения производительности и точности системы. Оценка технического решения показала, что разработанная система значительно улучшает точность и скорость обработки данных на конвейерной линии, а также обеспечивает адаптивность к изменениям в производственном процессе.

Предложен алгоритм автоматизации процесса электронного проектирования на основе ATPG и методов нейронной сети. Получены данные об откатах для всех неисправностей типа stuck-at-0 и stuck-at-1. Достигнут оптимальный набор тренировочных данных для максимальной производительности нейронной сети. Отмечено, что предлагаемый метод обучения требует меньшего общего количества откатов для всех неисправностей в рассматриваемых схемах.

В статье описываются современные нейросетевые модели на основе BERT и рассматривается их применение для задач обработки естественного языка (NLP), таких как ответы на вопросы и распознавание именованных сущностей. В статье представлен метод решения задачи автоматического создания структурныхмоделей текстовых документов. Предлагаемый метод является гибридным и основан на совместном использовании нескольких моделей NLP. Метод строит структурную модель документа, извлекая предложения,соответствующие различным аспектам документа. Извлечение информации осуществляется с использованием вопросно-ответной модели BERT с вопросами, подготовленными отдельно для каждого аспекта.Ответы фильтруются с помощью модели распознавания именованных сущностей BERT и используютсядля формирования содержимого каждого поля структурной модели. В статье предложены два алгоритмаформирования содержимого поля - алгоритм выбора исключающего ответа и алгоритм формированияобобщающего ответа, которые используются для коротких и объемных полей соответственно. В статье также описывается программная реализация предлагаемого метода и обсуждаются результаты экспериментов,проведенных для оценки качества метода.

В связи с расширяющейся географией автомобильных дорог актуальной задачей является оценка состояния их полотна, в последние годы для анализа изображений и повышения их качества все шире применяются разнообразные методы обучения нейронных сетей. В этой cвязи интерес представляет сравнение возможностей различных нейронных сетей в части получения изображения высокого разрешения по критерию среднего времени достижения приемлемого результата. Для анализа выбраны нейронные сети ESRGAN, EDSR,
ESPCN, FSRCNN, LapSRN, каждая из которых способна увеличить разрешение одновременно по ширине и высоте кадра в 4 раза, и, соответственно, количества пикселей в 16 раз. С этой целью для перечисленных сетей было проведено по 5 экспериментов с 5 разными фотографиями в каждом эксперименте, при этом количество пикселей на изображении всякий раз увеличивалось в два раза. Установлено, что наилучшими показателями по затратам времени обладает сеть ESPCN, сеть FSRCNN демонстрирует сопоставимые результаты.

В данной работе предложен метод, комбинирующий вейвлет-преобразования и методы машинного обучения, для классификации состояния растительных культур по цветным цифровым изображениям. Входными данными для классификации являлся сформированный вектор текстурных признаков Харалика.

Реализована программа на высокоуровневом языке программирования Python для классификации цифровых изображений с использованием многоуровневого дискретного вейвлет-преобразования Добеши и классификационных методов машинного обучения – классической логистической регрессии и персептрона. Показана эффективность предложенного метода в решении задачи многоклассовой классификации изображений, сделаны соответствующие выводы, оценены перспективы метода.

Представлен обзор литературы по применению нейронных сетей (НС) в медицине. Рассмотрены разные типы НС и методы их обучения. Описаны случаи использования НС в задачах медицинской диагностики, прогноза лечения, выбора лекарств. Обсуждаются перспективные направления в развитии НС.