Общество всегда уделяло большое внимание проблеме поведения человека, которое не соответствует установленным социальным и общепринятым нормам. В последнее время интерес к проблеме отклонений в человеческом поведении значительно возрос. Сегодня изучение девиантного поведения является междисциплинарной проблемой, которая решается в рамках различных научных дисциплин. Распознавание аномалий в поведении человека является сложной и нераскрытой на данный момент научно-исследовательской проблемой. В процессе выявления поведенческих аномалий ведущую роль играет распознавание эмоций по различным признакам. С целью увеличения точности результатов имеет смысл выполнять комплексную оценку эмоций сразу по нескольким признакам, таким как выражение лица, поза, вокальные признаки (интонация, скорость речи и т.д.). В статье приводятся существующие алгоритмы и методы распознавания эмоций. Приводится обоснование выбора инструментальных средств разработки программного продукта. Представлены функциональные требования к приложению в виде диаграммы вариантов использования в нотации UML 2.0. Показана архитектура Android-приложения для распознавания аномалий в поведении человека в виде диаграмм компонентов и классов концептуального уровня. Демонстрируются прототипы пользовательского интерфейса.

Ключевые слова: аномальное поведение, алгоритмы и методы распознавания эмоций, архитектура ПО, функциональные требования, интерфейс пользователя

05.13.01 - Системный анализ, управление и обработка информации (по отраслям)

В статье предложена методика автоматического распознавания типа застройки для системы экологического мониторинга. на базе свёрточных нейронных сетей. Для обучения нейронной сети была выбрана библиотека Keras, содержащая многочисленные реализации основных компонентов нейронных сетей, таких как слои, целевые и передаточные функции, оптимизаторы, и множество инструментов для упрощения работы с изображениями и текстом. Описаны процессы реализации сети с помощью облачной платформы Google Colab, подготовки обучающей выборки, обучения построенной нейронной сети, а также ее тестирования при обучении. Результатом работы является модель свёрточной нейронной сети, способная с точностью порядка 90-92 процентов определять, какой конкретно тип застройки показан на картографическом изображении, что позволяет автоматизировать этот процесс и использовать её в качестве подсистемы для системы экологического мониторинга атмосферного воздуха.

Ключевые слова: система экологического мониторинга атмосферного воздуха, распознание типа застройки, свёрточные нейронные сети, машинное обучение, компьютерное зрение

05.13.18 - Математическое моделирование, численные методы и комплексы программ , 05.23.19 - Экологическая безопасность строительства и городского хозяйства