Архив метки: нейронная сеть

КУСОЧНО-НЕЙРОННАЯ МОДЕЛЬ НА БАЗЕ РАСЩЕПЛЕННЫХ СИГНАЛОВ
ДЛЯ МЕМРИСТОРОВ БЕРНУЛЛИ


УДК 519.65; 621.3.01
DOI: 10.26102/2310-6018/2020.29.2.016

Е.Б. Соловьева, А.А. Гарчук


Актуальность исследования обусловлена сложностью математического моделирования нелинейных динамических устройств, поскольку аналитические решения систем нелинейных дифференциальных уравнений высокой размерности не всегда удается получить, а численные решения часто сопровождаются проблемой плохой обусловленности. В данной ситуации эффективно поведенческое моделирование, когда объект исследования представляется в виде «черного или серого ящика», и его математическая модель строится с применением множеств входных и выходных сигналов. Поведенческое моделирование важно в условиях ограниченности информации о новых элементах и технологиях, а также при сложности и разнообразии моделей, построенных на компонентном уровне. В статье рассмотрено поведенческое моделирование мемристивных устройств, активно развиваемых с использованием нанотехнологий для энергосберегающей техники. Предложен метод поведенческого моделирования передаточных характеристик мемристивных устройств с помощью кусочно-нейронных моделей на базе расщепленных сигналов. Для понижения размерности задачи аппроксимации нелинейных операторов и, следовательно, для упрощения математических моделей применены: аппарат нейронных сетей, метод расщепления сигналов, позволяющий адаптировать модель к классу входных сигналов, а также способ кусочной аппроксимации операторов нелинейных динамических систем. На основе предложенного метода построена кусочно-нейронная модель, включающая пять трехслойных нейронных сетей простой структуры (3x2x1, 100 параметров) и обеспечивающая существенно более высокую точность моделирования передаточной характеристики мемристоров, динамика тока в которых описывается дифференциальным уравнением Бернулли, по сравнению с двухслойной кусочно-нейронной и кусочно-полиномиальной моделями. Материалы статьи представляют практическую ценность для поведенческого моделирования мемристоров и мемристивных устройств различного функционального назначения, а также других нелинейных динамических систем, поскольку развивают универсальный аппарат аппроксимации нелинейных операторов на основе нейронных сетей.

Ключевые слова: нелинейная динамическая система, математическое моделирование, нелинейный оператор, нелинейная модель, аппроксимация, нейронная сеть, мемристор.

Полный текст статьи:
SolovyevaHarchuk_2_20_1.pdf

ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ВИДЕОДАННЫХ В СИСТЕМЕ КОНТРОЛЯ СОБЛЮДЕНИЯ ПРАВИЛ ПРОМЫШЛЕННОЙ БЕЗОПАСНОСТИ


УДК 004.932
DOI: 10.26102/2310-6018/2020.29.2.010

А.М. Вульфин


Использование интеллектуальных камер и датчиков в системах видеоаналитики в сочетании с человеком-оператором, с которого снята большая часть аналитической и зрительной нагрузки, позволяет увеличить эффективность видеонаблюдения и, как результат, повысить безопасность и результативность труда на производстве в целом. Анализ существующих методов обработки данных в системах видеонаблюдения промышленного объекта показал, что применение бесконтактных способ анализа позы и действий человека в поле зрения камеры встречается редко, однако может иметь критическое значение в определенных ситуациях (человек в спецодежде лежит в зоне видимости камеры, но система на него не реагирует, ведь он находится не в запрещенной зоне). Рассмотрено совершенствование алгоритмов интеллектуального анализа видеоданных в системе контроля соблюдения правил промышленной безопасности (анализ типа динамики и контроль «свой-чужой») за счет использования нейросетевых технологий обработки. Оценка эффективности программной реализации алгоритмов анализа натурных видеоданных показала корректность классификации в 97 % случаев. Оценка эффективности классификации 5 субъектов на два класса «свой» и «чужой» производилась методом перекрестной проверки и показала точность 99 % на тестовой выборке.

Ключевые слова: видеоаналитика, интеллектуальный анализ, распознавание типа динамики, нейронная сеть, классификатор, определение позы.

Полный текст статьи:
Vulfin_2_20_1.pdf

СТРУКТУРИЗАЦИЯ ЭКОЛОГИЧЕСКОЙ ИНФОРМАЦИИ С ПРИМЕНЕНИЕМ ГЕОИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ


УДК 004.9
DOI: 10.26102/2310-6018/2019.27.4.044

К.А. Федутинов


В статье рассматриваются вопросы разработки управленческих решений по улучшению состояния окружающей среды на основе внедрения геоинформационных технологий, включающих методы оценки и прогнозирования экологической ситуации на основе мониторинговых подходов. Развитие технологий обработки больших данных определило тенденции широкого внедрения систем мониторинга, функционирующих в реальном времени. В связи с этим, задачу мониторинга природных объектов предлагается решать как задачу определения и контроля свойств и состояний сложного объекта в режиме реального времени и активного взаимодействия с окружающей средой, а также выработки управленческих решений и рекомендаций. В качестве математического аппарата для структуризация экологической информации предлагается использовать нейронную сеть Fuzzy ART, хорошо зарекомендовавшую себя при обработке данных в режиме реального времени. Для визуализации получаемой информации и интеграции результатов работы сети сети Fuzzy ART в геоинформационную систему предлагается использовать Python-библиотеку Folium, предназначенную для графического отображения географических данных, и содержащую всю необходимую картографическую информацию. С помощью Folium результаты структуризации экологических данных можно изображать непосредственно на Google-картах, что дает возможность при увеличении масштаба карты визуально определять границы кластеров и возможные буферные зоны.

Ключевые слова: нейронная сеть, кластеризация, машинное обучение, теория адаптивного резонанса, сеть Fuzzy ART, ГИС-система.

Полный текст статьи:
Fedutinov_4_19_1.pdf

ПОСТРОЕНИЕ РЕШАЮЩИХ ПРАВИЛ С ПОМОЩЬЮ НЕЙРОННОЙ СЕТИ ARTMAP


УДК 004.032.26
DOI: 10.26102/2310-6018/2019.26.3.029

И.Л. Каширина, К.А. Федутинов


В статье рассматривается нейросетевая архитектура ARTMAP, совместимая с символическим представлением, основанным на IF- THEN правилах. В частности, знания, полученные в процессе обучения сети ARTMAP, могут быть трансформированы в компактный набор решающих правил для классификации исходных данных, которые могут быть проанализированы экспертами предметной области, по аналогии с интерпретируемыми методами машинного обучения, такими, как деревья решений или линейная регрессия. Аналогичным образом, знания в априорной области, представленные в форме правил IF- THEN могут быть преобразованы в нейросетевую архитектуру ARTMAP. Наличие предварительного набора правил, используемых при инициализации сети, повышает точность классификации и эффективность обучения. Исходный набор правил может быть дополнен с помощью алгоритма обучения ARTMAP. Каждое правило, сформированное в процессе обучения сети имеет коэффициент достоверности, который можно интерпретировать как его важность или полезность. Описание архитектуры, алгоритмов обучения и функционирования сети ARTMAP для извлечения правил представлено в терминах предложенной авторами ранее обобщенной модели сетей семейства АRT.

Ключевые слова: нейронная сеть, машинное обучение, теория адаптивного резонанса, ARTMAP, извлечение правил.

Полный текст статьи:
KashirinaFedutinov_3_19_1.pdf

МЕТОДИКА ДИФФЕРЕНЦИАЛЬНОЙ ДИАГНОСТИКИ НОЗОЛОГИЧЕСКОЙ ФОРМЫ ВИРУСНОГО ГЕПАТИТА С ПРИМЕНЕНИЕМ НЕЙРОННОЙ СЕТИ КАСКАДНОЙ КОРРЕЛЯЦИИ


УДК 004.891.3
DOI: 10.26102/2310-6018/2019.26.3.028

А.Н. Астафьев

Гепатит, являясь опасным заболеванием, требует особого отношения в диагностике и лечении, однако наличие большого количества нозологий создает определенные сложности. Важным аспектом определения нозологической формы гепатита является совмещение входных и выходных данных в начале исследования с целью формирования зависимостей, для решения схожих задач отлично подходят алгоритмы нейронных сетей, которые обучаются на реальных примерах. Применение нейронных сетей в медицине, которые имеют возможность поиска скрытых зависимостей обучаясь опытом врачей, позволяет облегчить труд, служа в роли советника. Однако открытым остается вопрос подбора наиболее эффективной топологии и методики обучения для выбранной задачи. В данной работе обосновывается необходимость задействования алгоритмов нейронных сетей для решения задачи определения нозологической формы гепатита. Проводится анализ и подбор входных факторов, характеризующих клиническое состояние больного, выходных факторов, характеризующих конкретную нозологическую форму гепатита, обосновываются преимущества построения топологии нейронной сети под конкретную задачу. Описывается алгоритм обучения и формирования нейронной сети, его использование, а также приводится сравнение каскадной нейронной сети с другими в разрезе рассматриваемой задачи. В завершении проводится описание созданной системы определения нозологической формы гепатита с применением нейронной сети каскадной корреляции, а также описывается клиническая эффективность рассматриваемого подхода.

Ключевые слова: нейронная сеть, вирусный гепатит, нозологическая форма гепатита, нейронная сеть каскадной корреляции, классификация.

Полный текст статьи:
Astafev_3_19_1.pdf

НЕЙРОСЕТЕВОЕ МОДЕЛИРОВАНИЕ ВЗАИМОДЕЙСТВИЯ СУБЪЕКТОВ РЫНКА ТРУДА И ОБРАЗОВАТЕЛЬНЫХ УСЛУГ

УДК 004.032.26

Т.В. Азарнова, И.Л. Каширина , А.Н. Швиндт


Для экономики современной России характерно наличие ряда проблем: безработица и незанятое трудом население, новые требования со стороны работодателей к профессиональному образованию, несоответствие кадровых потребностей работодателей и профессиональных возможностей выпускников вузов. Все это является следствием рассогласования важнейших сфер современного общества – рынка труда и образования. Усложнение задач, требующих решения на практике, приводит к повышению требований работодателей к уровню подготовки выпускников, что лежит в основе существующего дисбаланса на рынке труда по качественным критериям. В статье представлены результаты нейросетевого моделирования взаимодействия субъектов рынков труда и образовательных услуг. Показано, что для оценки качества подготовки специалистов по критерию удовлетворения потребности регионального рынка труда могут быть использованы показатели эффективности деятельности вузов. Приводится обоснование целесообразности применения показателей трудоустройства выпускников для решения задач оценки и анализа эффективности деятельности высших учебных заведений. Построены нейросетевые модели классификации, кластеризации и регрессии для всестороннего анализа взаимосвязи между субъектами рынка труда и образовательных услуг. Выявлено наличие сильной зависимости между показателями эффективности вуза и средней заработной платой выпускников в первый год после окончания вуза.

Ключевые слова: рынок труда, мониторинг, оценивание, эффективность вуза, нейронная сеть.

Полный текст статьи:
AzarnovaSoatori_4_18_1.pdf

ОЦЕНКА ПАРАМЕТРОВ ГЛАЗКОВОЙ ДИАГРАММЫ ПО ПЕРЕХОДНОЙ И АМПЛИТУДНО-ЧАСТОТНОЙ ХАРАКТЕРИСТИКАМ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННОЙ СЕТИ

УДК 621.396

А.В. Смирнов


Исследована возможность оценки ширины и высоты глазка глазковой диаграммы (ГД) с применением искусственных нейронных сетей (ИНС). С этой целью выполнено моделирование более 750 примеров каналов связи с различными передаточными функциями. Для каждого примера сформирована ГД путем свертки случайной последовательности импульсов с импульсной характеристикой канала и измерены ее параметры. Полученные результаты использованы для обучения ИНС, входными переменными которых являются параметры переходной характеристики: длительность задержки, длительность фронта, величина выброса и длительность колебательного процесса, а также значение АЧХ на частоте, равной половине тактовой частоты. Для каждого оцениваемого параметра отобрано несколько ИНС для разных поддиапазонов входных переменных. Среднеквадратическая погрешность оценки искомых параметров ГД с помощью этих ИНС составляет 2 — 4%. Коэффициент корреляции оценок и известных значений более 0,98. При этом достигается значительный выигрыш в затратах времени на расчет по сравнению с получением значений ширины и высоты глазка путем моделирования ГД. Изложенный метод может использоваться в процессе оптимизации характеристик канала связи в случаях, когда параметры ГД входят в целевую функцию.

Ключевые слова: глазковая диаграмма, переходная характеристика, амплитудно-частотная характеристика, нейронная сеть, аппроксимация.

Полный текст статьи:
Smirnov_3_18_1.pdf

ПРИМЕНЕНИЕ СЕТИ FUZZY ARTMAP В ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ ОБНАРУЖЕНИЯ ВТОРЖЕНИЙ

УДК 004.032.26

И.Л. Каширина, К.А. Федутинов


В статье рассмотрены вопросы организации интеллектуальных систем обнаружения и диагностики вторжений. Исследования в области разработки инструментов обеспечения информационной безопасности показывают, что на сегодняшний день наиболее перспективные и гибкие решения базируются на методах машинного обучения, позволяющих предотвратить ущерб от вторжений, не замеченных стандартными средствами борьбы с компьютерными атаками. В предлагаемом подходе предлагается использовать последовательный обратный поиск с возвращением для отбора значимых признаков и нейронную сеть Fuzzy АRТMAP для обнаружения и диагностики атак. Сеть Fuzzy АRТMAP способна адаптироваться к динамике компьютерных атак и позволяет распознавать вторжения в информационные систему в режиме реального времени, при этом не нужно подгружать наборы данных пакетно. Это дает возможность автоматизировать анализ протоколов безопасности в непрерывном режиме. Широкие возможности использования сетей семейства ART в задачах обнаружения вторжений позволяют считать актуальным поиск подходов, позволяющих улучшить их эксплуатационные характеристики. В данной статье управляющие гиперпараметры для сети Fuzzy АRТMAP предлагается настраивать в автоматическом режиме с использованием генетического алгоритма. По результатам вычислительного эксперимента редуцированный набор признаков уменьшает время вычислений на 41%. Точность алгоритма классификации составила 100% и 99,89% для стадии обнаружения и стадии диагностики соответственно.

Ключевые слова: нейронная сеть, Fuzzy ARTMAP, генетический алгоритм, обнаружение вторжений, интеллектуальные системы защиты информации.

Полный текст статьи:
KashirinaFedutinov_3_18_1.pdf

ПРИМЕНЕНИЕ НЕЙРОСЕТЕВОГО ПОДХОДА К ЗАДАЧАМ ЛОГИЧЕСКОЙ ОБРАБОТКИ ДАННЫХ И ПОСТРОЕНИЕ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ ПРИНЯТИЯ РЕШЕНИЙ

УДК 519.71

Д.П. Димитриченко, Р.А. Жилов


Необходимость уменьшения размерности больших массивов данных при сохранении логической структуры, а также, выявление скрытых закономерностей и удаление информационных шумов и избыточности в описании объектов диагностики (распознавания) приводит к необходимости построения эффективного метода классификации объектов в слабо формализуемых областях знаний. Логические функции, описывающие объекты при помощи переменнозначных предикатов, позволяют выявить скрытые закономерности и устранить избыточность в описании объектов. Упорядоченные при помощи переменнозначных логических функции классы объектов являются основой для формирования структуры когнитивных карт. Целью настоящего исследования является создание алгоритма для построения логической нейронной сети на основе переменнозначной логической функции и обоснование возможности применения полученных результатов при построении когнитивных карт. Обоснована теоретическая возможность и приведены алгоритмы, позволяющие осуществить переход от переменнозначных логических функций к когнитивным картам при помощи нейросетевого подхода. Результатом данной работы является процедура построения когнитивной карты с применением логических нейронных сетей, построенных на основе переменнозначных логических функции. Преимуществом полученной когнитивной карты является возможность функционирования в рамках нечеткой логики.

Ключевые слова: предикат, значность предиката, переменнозначная логическая функция, логическая нейронная сеть, когнитивная карта, кластерный анализ, нейронная сеть.

Полный текст статьи:
DmitrichenkoZhilov_2_18_1.pdf

РЕШЕНИЕ ЗАДАЧИ РАСПОЗНАВАНИЯ ЛИЦ С ИСПОЛЬЗОВАНИЕМ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ

УДК 004.021

Н.А. Попова, М.А. Назаров, М.В. Власов


Целью данной статьи является обобщение полученного опыта разработки и реализации нейронной сети для распознавания лиц. В основу нейронной сети входят специальные алгоритмы машинного обучения. В качестве входных данных алгоритм получает изображение с лицом одного человека или лицами нескольких людей, после чего происходит поиск всех лиц в данном изображении с использованием гистограмм направленных градиентов, ее результатом является фрагменты изображения где явно проглядываются базовые структуры лица или лиц. Для того чтобы определить уникальные черты лица, необходимо учитывать разность угла наклона лица и степень его освещенности, для этого на выделенных фрагментах применяется алгоритм оценки ориентиров для поиска 68 особых точек, которые существуют на каждом лице, полученные точки дают возможность как можно лучше отцентрировать глаза и рот для более точного кодирования. Кодирование изображения включает в себя построение точной “карты лица” состоящей из 128 измерений. На основе полученных результатов, сверточная нейронная сеть, используя алгоритм линейного классификатора SVM, может определять соответствие между разными фотографиями.

Ключевые слова: распознавание лиц, машинное обучение, гистограмма направленных градиентов, HOG, оценка ориентиров лица, аффинновые преобразования, глубокое обучение, нейронная сеть.

Полный текст статьи:
PopovaSoavtori_1_1_18.pdf