ivdon3@bk.ru
В данной статье рассматривается вопрос формирования и связи слоев в задаче классификации изображений знаков дорожного движения, а также вычисления весов на соответствующих слоях нейронной сети. Авторами приводится описание биологической структуры нейронов головного мозга, и их сопоставления с искусственными нейронными сетями. Представлена концептуальная модель искусственного нейрона и нейронной сети с описанием структурных элементов. Приведена матричная структура весов нейронной сети. Описан процесс преобразования RGB-изображения дорожного знака во входной слой нейронной сети. Для каждого скрытого слоя представлено соответствующее описание. Кроме того, приведено описание слоев свертки и максимального пула, а также пояснение необходимости применения данного типа слоев в сверточной нейронной сети. Так же авторами описан алгоритм формирования сверточной нейронной сети для классификации дорожных знаков. Приведены примеры работы данной нейронной сети.
Ключевые слова: сверточные нейронные сети, классификация, deep learning, big data, математическое моделирование, информатика
В настоящей работе описан вопрос выбора платформы распределенного реестра при проектировании информационных систем финансового сектора экономики. Актуальность данных исследований обуславливается все возрастающим ростом спроса на информационные системы финансового сектора экономики, сформированные с использованием технологии распределенного реестра. Рост заинтересованности данной технологией связан с необходимостью обеспечения надежного хранения информации, изменение которой будет отслеживаться участниками данной транзакции. Целью данной работы является определение наиболее подходящей платформы с использованием метода анализа иерархий. В ходе выполнения работы были выявлены основные платформы распределенного реестра, а также определены ключевые критерии данных фреймворков с учетом требований участников бизнес-процессов. Данные критерии были подвергнуты оценке. Для каждой матрицы оценки альтернатив по отдельным критериям были определены показатели вектора максимального собственного значения, а также доказана согласованность суждения, включая определение индекса согласованности, индекса локального приоритета и отношения согласованности. Проведен синтетический анализ рассматриваемых критериев. На основе полученных в ходе синтетического анализа данных проведен выбор наиболее перспективной платформы. Сформированы выводы по оцениваемым системам.
Ключевые слова: распределенный реестр, метод анализа иерархий, системный анализ, информационные системы, информатика
В данной статье рассматривается проблематика построения сверточных нейронных сетей для определения дорожных объектов. Представлена общая актуальность и постановка проблемы определения дорожных объектов. Сформировано обоснование применения искусственных нейронных сетей для определения дорожных объектов. В качестве основной архитектуры искусственной нейронной сети для определения дорожных объектов использована архитектура сети Retinanet. Визуализирована общая концепция данной архитектуры и основные подсети. Описаны функции ошибки для основных подсетей сети Retinanet. Дано проектное описание алгоритмов построения аннотации данных для обучения искусственной нейронной сети, а также алгоритмов построения архитектуры нейронной сети классификации, регрессии и пирамиды признаков. Определена динамика изменения общей функции ошибки при определении дорожных объектов. Представлен результат обучения искусственной нейронной сети.
Ключевые слова: сверточные нейронные сети, классификация, регрессия, сверточные нейронные сети, deep learning, big data, математическое моделирование, информатика, архитектура RetinaNet
05.13.01 - Системный анализ, управление и обработка информации (по отраслям) , 05.13.18 - Математическое моделирование, численные методы и комплексы программ
В данной статье рассматривается проблематика определения знаков дорожного движения для управления автотранспортным средством с использованием аппарата искусственной нейронной сети. Описана актуальность исследований на данный момент времени, а также преимущества использования нейронных сетей при определении знаков дорожного движения. Представлены входные данные при определении знаков дорожного движения для сверточных нейронных сетей. Сформирована архитектура сверточной нейронной сети классификации, в частности, рассматривается последовательность слоев сети классификации изображений. Дано математическое описание моделирования функции ошибки и метода стохастического градиентного спуска. Представлена математическая модель процесса обучения искусственной нейронной сети, а также функций активации: линейной функции и сигмоиды. Предложен алгоритм формирования модели искусственной нейронной сети. Визуализирован на графике процесс обучения данной функции. Представлен результат обучения.
Ключевые слова: искусственные нейронные сети, классификация, сверточные нейронные сети, deep learning, big data, математическое моделирование, информатика
05.13.01 - Системный анализ, управление и обработка информации (по отраслям) , 05.13.18 - Математическое моделирование, численные методы и комплексы программ
В данной статье рассматривается проблематика определения дорожного покрытия для автоматического управления транспортным средством с использованием искусственной нейронной сети. Описано состояние отрасли на текущий момент времени, а также актуальность данных исследований. Представлены входные данные для определения дорожного покрытия. Обосновывается идея применимости метода сегментации изображений для определения дорожного покрытия. Производится формирование структуры искусственной нейронной сети на базе архитектуры U-NET. В частности визуализируется строение последовательности слоев. Особое внимание уделяется математическому моделированию процесса свертки и максимального пула. Приводится математическая модель процесса обучения искусственной нейронной сети, а так же функций активации: линейной функции и сигмоиды. Предложен алгоритм формирования модели искусственной нейронной сети. Визуализирован на графике процесс обучения данной функции. Представлен результат обучения.
Ключевые слова: искусственные нейронные сети, U-NET, анализ данных,, машинное обучение, deep lerning, сверточные нейронные сети, свертка, максимальный пул, сегментация изображений, моделирование
05.13.01 - Системный анализ, управление и обработка информации (по отраслям)
В данной статье рассматривается проблема определения стоимости аренды недвижимости. Обосновывается идея о минимизации функции абсолютной ошибки с использованием искусственных нейронных сетей. Особое внимание уделено процессу определения входных данных нейронной сети. В частности, рассмотрена проблематика определения таких параметров как благоустройство региона и помещения. В статье выяснены особенности определения весовых коэффициентов для определения технического оснащения помещения с использованием генетического алгоритма. Предложена модель архитектуры нейронной сети. Описана модель изменения весовых коэффициентов. По итогу произведена апробация модели на тестовых данных, а также описана модель корректировки данных с учетом динамики цен.
Ключевые слова: нейронная сеть, data mining, анализ данных, аренда недвижимости, регрессия, генетический алгоритм, информатика, машинное обучение, оценка стоимости, моделирование, экстраполяция
05.13.15 - Вычислительные машины, комплексы и компьютерные сети , 05.13.18 - Математическое моделирование, численные методы и комплексы программ
В данной статье рассматривается проблематика оптимального размещения информационных ресурсов на узлах вычислительной сети. Представлены основные методы, используемые в ходе решения данной проблемы. В частности, рассмотрен метод случайного размещения ресурсов, оптимизация размещения ресурсов с использованием метода ветвей и границ, а также оптимизация размещения ресурсов с использованием генетического алгоритма. Для данных методов определена структура входных и выходных данных, кроме того для представленных методов продемонстрирована внутренняя структура размещения ресурсов. Ключевым аспектом рассмотрения в данной статье является постановка задачи и моделирование процесса ее решения с использованием представленных алгоритмов. Как итог, представлено тестирование разработанного модуля на входных данных и анализ перспектив использования модуля.
Ключевые слова: вычислительная сеть, информационный ресурс, случайное размещение ресурсов, симплекс-метод, метод ветвей и границ, генетический алгоритм, проектирование, моделирование
05.13.01 - Системный анализ, управление и обработка информации (по отраслям) , 05.13.15 - Вычислительные машины, комплексы и компьютерные сети
В данной статье представлена математическая модель распределенного реестра как сети массового обслуживания. Рассмотрены основные компоненты данной сети, а также их формальное представление. Визуализирована модель peer-to-peer сети, определен вектор состояния сети, а также определены ограничения пространства состояний. После чего были представлены законы распределения отдельных потоков и времени обслуживания. Кроме того, были определены элементы конструирования инфинитезимальной матрицы. На основании полученных данных была произведена имитационная модель данного процесса. Для проведения имитационного моделирования был использован пакет Anylogic. Результаты проведения имитационного моделирования были проанализированы и выбраны наиболее оптимальные параметры.
Ключевые слова: сеть массового обслуживания, информационная безопасность, распределенные реестры, информатика и вычислительная техника, математическое моделирование информационная система, corda
05.13.01 - Системный анализ, управление и обработка информации (по отраслям) , 05.13.18 - Математическое моделирование, численные методы и комплексы программ
В статье представлено описание общей модели информационной системы по управлению информационными потоками при аренде недвижимости с использованием технологии распределенных реестров на платформе corda. Представлено описание участников информационной системы. Рассмотрены ключевые концепции использования технологии распределенных реестров для реализации информационной системы по управлению недвижимостью. Представлены методы анализа данных информационной системы по управлению недвижимостью. Рассмотрен метод аппроксимации данных с использованием полинома Лагранжа. Описан способ оценки стоимости недвижимости с использованием технологии искусственных нейронных сетей.
Ключевые слова: аренда, недвижимость, анализ данных, информационная безопасность, нейросети, распределенные реестры, информатика, информационная система, corda
05.13.01 - Системный анализ, управление и обработка информации (по отраслям) , 05.13.18 - Математическое моделирование, численные методы и комплексы программ