Научный архив: статьи

Статья посвящена исследованию проблематики построения системы знаний, способной стать основой функционирования креативного искусственного интеллекта, способного решать творческие задачи. Ключевым вопросом, от ответа на который зависит возможность построения такой системы, является определение рациональности творческого процесса, т. е. возможности его формализации в рамках детерминированной методологии. Если это возможно, то возможно и построение системы знаний, могущей стать основой креативного искусственного интеллекта. Теоретической основой указанного построения может служить общая теория систем, но не в том виде, в котором она существует в настоящее время. Успешное развитие общей теории систем, позволяющее осмыслить феномен творчества, требует расширения и систематизации существующих знаний о проявлении изоморфизма в мироздании: создания репрезентативных коллекций паттернов, примитивов, а также вторичных законов, надежно подтвержденных эмпирически, но в полной мере не детерминированных. В качестве объекта исследования в статье выбраны когнитивные системы, включающие в себя все автономные познающие системы (как живые, так и неживые; как интеллектуальные, так и неинтеллектуальные), наделенные самосознанием. Определяющим механизмом систематизации знаний для креативного искусственного интеллекта является механизм мультисистемной интеграции знаний, в основе которого лежит интеграция знаний из разных предметных областей, с разных уровней организации мироздания для их обобщения и использования вне областей их выявления для решения творческих задач. В результате в сознании формируется ассоциативная база данных. Важным инструментом низкоуровневого обобщения данных и знаний в целом, являющегося одним из источников формирования системного целостного знания, служат нейронные схемы, отражающие элементарные отношения между элементами одной системы, а также (по итогам сопоставления) типовые отношения элементов в разных системах. Фиксация нейронных схем является результатом эмпирического определения в процессе обучения коэффициентов связи между элементами нейронной сети.

Целью работы является обеспечение непрерывного мониторинга, прогнозирования и достоверности показателей состояния производства и факторов его роста на предприятиях водного транспорта, по данным статистики, на основе опыта моделирования и параметрической оценки производственных функций с применением нейтронных сетей и интеллектуальных систем. В связи с этим появляется возможность формирования значений целевых индикаторов и показателей развития внутреннего водного транспорта по контрольным периодам на краткосрочном и стратегическом уровнях. Предлагается алгоритм численной оценки параметров моделей производственных функций потребления, построенных с помощью регрессионных нейросетей по данным статистики социально-экономического развития региона. Отмечается, что существенным отличием данного способа оценки является использование нейросетевых технологий, способствующих значительному расширению технических возможностей моделирования и повышению точности вычислений путем получения рекуррентных оценок вектора искомых коэффициентов модели. Показано, что для рассматриваемого класса задач «пригонки» траекторий функции потребления к статистическим данным можно применять нейронные модели обобщенно-регрессионных сетей, обладающие простыми режимами обучения и высокой точностью моделирования. При этом применение нейросетевых технологий обеспечивает максимальное приближение модели производственной функции заданной структуры к нейронной модели при заданном начальном приближении с последующим ее использованием для оценки весовых коэффициентов. Применение алгоритма продемонстрировано на примере оценок параметров аппроксимированной с помощью нейросети функции потребления по соответствующим данным временных рядов. Получены численные оценки с применением операторных функций из арсенала Neural Networks Toolbox среды MATLAB. Предложенный алгоритм может быть применен для численного анализа производственных моделей потребления со сложными логико-вероятностными связями при оценивании целевых индикаторов и показателей развития внутреннего водного транспорта.

Предложен метод определения места судна по глубинам на основе нейронной сети, которая принимает на вход последовательность глубин, измеренных при помощи эхолота, а прогнозирует широту и долготу судна на момент измерения последней глубины. Нейронная сеть имеет архитектуру сети прямого распространения с несколькими скрытыми слоями и полными связями, удовлетворяющую условиям универсальной аппроксимации в соответствии с теоремой Стоуна - Вейерштрасса. Для обучения используется алгоритм Adamax при условии контроля наибольшего значения модуля невязки на каждой итерации. Моделирование выполнялось с использованием языка программирования Python и библиотеки Tensorflow. Модельная поверхность рельефа дна была представлена в виде многочлена второго порядка. Образцы получены на основе виртуальных измерений глубин в узлах координатной сетки с пространственным разрешением не хуже, чем один кабельтов. После сбора образцов выполнялось обучение нейронной сети, в ходе которого не использовалась контрольная выборка. В обучении участвовало несколько нейронных сетей, отличающихся количеством скрытых слоев, а также количеством нейронов в них. После обучения было проведено тестирование, которое предполагало движение судна вдоль меридианов, в точности не совпадающих с используемыми для формирования обучающей выборки. При этом наряду с вариантом средних по долготе меридианов рассмотрен вариант выбора меридианов с использованием датчика случайных чисел равномерного распределения. В результате тестирования все рассмотренные сети показали примерно одинаковую приемлемую навигационную точность, близкую к точности, полученной на обучающей выборке.

Предложен метод определения широты места судна по глубине на основе нейронной сети, которая принимает на вход последовательность глубин, измеренных при помощи однолучевого эхолота и прогнозирует широту на момент измерения последней глубины. Сеть имеет два слоя. Первый слой содержит нейроны с функциями активации в виде гиперболического тангенса, второй состоит из одного нейрона, обладающего тождественной функцией активации. Набор учебных данных состоит из обучающей и контрольной выборок. Обучающая выборка формируется на основе слоя глубин, содержащегося в электронной навигационной карте. Контрольная выборка формируется путем псевдослучайных вариаций входных образцов из обучающей выборки. Каждая такая вариация соответствует постоянному изменению уровня моря вследствие ошибок измерений и/или колебаний ветрового и/или приливоотливного характера. Обучается сеть методом Adamax. Критерием эффективности обучения служит наибольшее значение модуля ошибки прогноза широты, определенное для образцов из контрольной выборки. После обучения сеть проходит тестирование на образцах, полученных аналогичным образом, как для контрольной выборки. Моделирование выполнено с использованием языка программирования Python. Для обучения и реализации работы нейронной сети используется библиотека TensorFlow. Моделирование выполнено для нескольких вариантов архитектуры сети, каждый из которых отличается количеством нейронов в скрытом слое. В результате было зафиксировано, что нейронные сети имеют тенденцию к обучению их прогнозированию широты места судна по последовательности глубин, что позволяет рассматривать их в качестве перспективного инструмента для решения задач батиметрической навигации.

В работе выполнен анализ классического метода градиентного спуска и предложен способ динамического изменения шага обучения на основе вычисляемых параметров τ и p. Основной акцент сделан на алгоритме, который позволяет вычислять оптимальные значения параметров τ и p для минимизации времени обучения. Эксперименты демонстрируют, как изменения этих параметров влияют на скорость обучения для различных топологий нейронных сетей и функций активации. Результаты моделирования показывают, что правильный выбор τ и p может значительно сократить временные затраты при обучении нейронных сетей с фиксированной структурой. Использование этих параметров позволяет улучшить процесс обучения, предотвращая застревание в локальных минимумах и обеспечивая баланс между скоростью обучения и точностью результата. Исследования продемонстрировали эффективность адаптивного подхода при различных топологиях нейронных сетей и функциях активации. Представленные графики и численные расчёты показывают зависимость средней скорости обучения от выбранных параметров.

В статье разрабатывается комплексный подход к прогнозированию транспортной загруженности с использованием синтетических данных, имитирующих динамику городского трафика. Гибридная методология позволяет объединить анализ временных рядов и глубокое обучение, что актуально для моделирования нелинейных зависимостей и закономерностей в транспортных данных.

Цель. Целью работы является разработка и тестирование прогностической модели, способной точно предсказывать уровни транспортной загруженности с учётом сезонных и погодных факторов.

Материалы и методы. Для выявления паттернов в данных применено аддитивное разложение временного ряда, спектральный анализ на основе быстрого преобразования Фурье и оценка автокорреляционных зависимостей. Прогностическая модель реализована в виде двухэтапного подхода: классический алгоритм ARIMA используется для базового прогнозирования, а архитектура LSTM с двумя рекуррентными слоями и регуляризацией – для обучения на последовательностях длиной 24 часа. Дополнительно для сопоставления и подтверждения результатов применён ансамблевый метод Random Forest, настроенный с гиперпараметрами: 200 деревьев, максимальная глубина – 12, минимальное количество объектов в листе – 2.

Результаты. Результаты демонстрируют превосходство LSTM-модели над ARIMA и Random Forest по точности предсказаний, что подтверждается визуальным сопоставлением прогнозов с тестовыми данными и метрикой среднеквадратичной ошибки. Выявлены ключевые факторы, влияющие на загруженность: суточные циклы интенсивности трафика, рост нагрузки при осадках (до 30% при снеге и 20% при дожде), а также температурно-зависимая модуляция транспортного потока.

Рассмотрены наиболее распространенные виды дефектов стальных канатов, возникающих при эксплуатации пассажирских канатных дорог, а также причины их возникновения. Проведен анализ геометрических параметров и структуры стального каната с имеющимся дефектом «волнистость», построена компьютерная 3D-модель с использованием видеоаналитики. Рассмотрен оптический метод обнаружения поверхностных дефектов стальных канатов на базе машинного зрения и искусственного интеллекта для дистанционного непрерывного мониторинге его технического состояния.

Пассажирские канатные дороги занимают важное место в инфраструктуре горноклиматических зон, лыжных спортивно-туристических комплексов, а также при использовании этого вида транспорта в качестве канатного метро в крупных городах и агломерациях. В статье рассмотрены принципы обеспечения безопасности при эксплуатации пассажирских канатных дорог, основанные на оценке риска. Сформулированы процедуры оценки риска посредством сопоставления выявленных опасностей критериям приемлемого риска. Рассмотрены основные опасные факторы, влияющие на безопасность эксплуатации пассажирских канатных дорог такие как «расположение на значительной высоте подвижного состава, закрепленного на стальном канате», «движущийся на большой скорости с использованием стальных канатов подвижной состав с пассажирами» и «неквалифицированные действия персонала», для минимизации воздействия которых предложены технические, технологические и организационные мероприятия по обеспечению безопасности при эксплуатации пассажирских канатных дорог на базе использования цифровых информационных технологий.

Выполнен сравнительный анализ приложений для контроля активности пользователя. Исследование показало, что функциональных возможностей существующих приложений недостаточно, чтобы оперативно определить какой деятельностью занимается пользователь, что говорит о необходимости дополнительного автоматизированного анализа данных. В статье представлено решение анализа данных активности пользователя, а именно: описаны параметры, собираемые с запущенных приложений пользователя; описана архитектура нейронной сети, использующаяся непосредственно для анализа этих данных. Представленные результаты работы показывают, что обученная с учителем нейронная сеть автоматически определяет, какой деятельностью занимается пользователь Разработанное программное обеспечение в удобной и наглядной форме отображает информацию активности пользователя в виде различных диаграмм.

Проблема определения размеров, занимаемых радиолокационным изображением (РЛИ) пространственно-распределенной цели (ПРЦ) на двумерной растровой картинке наблюдаемого участка земной (водной) поверхности, формируемой космическим радиолокатором с синтезированной апертурой, актуальна в самых различных задачах космического мониторинга. В данной работе названная проблема решается применительно к определению размеров РЛИ надводных кораблей на фоне отражений от морской поверхности. В качестве моделей РЛИ используются как феноменологические, так и реальные, основанные на базе SSDD. Принятие решения о размерах НК производится как классическими (параметрическими и непараметрическими) алгоритмами, так и алгоритмами, основанными на машинном обучении с использованием искусственных нейронных сетей. Приведены результаты сравнительного анализа названных алгоритмов.

Статья посвящена проблеме определения ракурса надводного корабля по его радиолокационному изображению, полученному в радиолокаторах с синтезированной апертурой. К основным методам решения названной задачи относятся классический байесов метод многоальтернативной проверки гипотез и его модификации и/или метод классификации надводных кораблей, расположенных под различными ракурсами, с помощью искусственных нейронных сетей (ИНС). В работе показано, что для достижения высокой эффективности распознания ракурсов при использовании ИНС необходимо обладать значительными вычислительными ресурсами, а также иметь доступ к большой, репрезентативной и масштабной обучающей выборке. При наличии достаточных вычислительных и временных ресурсов ИНС демонстрирует высокие результаты в разнообразных условиях наблюдения, однако стоит отметить, что для их эффективного обучения требуется значительное количество процессорного времени, составляющее несколько часов. В то же время классические методы способны проводить вычисления за доли секунды, даже на сравнительно маломощных устройствах. Также стоит учесть, что с увеличением числа распознаваемых классов ИНС могут потреблять до десятков гигабайт оперативной памяти, что ограничивает доступность этого метода в задаче распознавания ракурсов пространственно-распределенных целей.

Данная работа посвящена применению методов аппроксимации для моделирования беспроводных радиоканалов связи. Показана актуальность и перспективность применения беспилотных летательных аппаратов в составе летающих самоорганизующихся сетей для передачи высокоскоростной информации в условиях «умных городов». Отмечена также и проблема использования данных сетей, связанная с технической сложностью обеспечения приемлемой надежности и качества беспроводной связи, связанная с многолучевостью распространения сигналов и рядом других факторов. Показано, что в данном аспекте особую актуальность представляет развитие методов математического моделирования для анализа сигналов на входах радиоприемников БПЛА для оценки их амплитудно-фазовых преобразований каналом связи. Установлено, что связь между сигналами на передающей и приемной стороне произвольного беспроводного радиоканала связи в предположении о его линейности может однозначно определяться комплексной передаточной функцией в частотной области, которая на практике является весьма сложной и плохо поддается аналитическому описанию. В связи с этим предложен подход к ее аппроксимации эквивалентной моделью, описываемой дробно-рациональными функциями комплексного переменного, физически реализуемыми смешанными соединениями различных линейных инерционных и безынерционных звеньев, а для моделирования динамических характеристик - методика численно-аналитического моделирования на основе спектрального метода и кусочно-линейной аппроксимации. Показаны результаты применения предложенных решений.