Научный архив: статьи

Представлены результаты комплексного анализа методов квантования, направленных на оптимизацию моделей машинного обучения для развертывания в условиях ограниченных ресурсов TinyML. Рассмотрены различные схемы квантования, включая равномерное, логарифмическое и обученное квантование и оценено их влияние на производительность разных нейросетевых архитектур, таких как MobileNetV1/V2, ResNet-50, ShuffleNetV2 и Mamba. Результаты экспериментов показывают, что переход от 32-битных чисел с плавающей запятой к 8-битным целочисленным представлениям позволяет уменьшить размер моделей в 4 раза, при этом потеря точности составляет менее 2 %. Гибридные схемы смешанной точности демонстрируют оптимальный баланс между степенью сжатия и сохранением точности. Измерения, проведенные на платформе STM32U5, подтверждают значительное снижение энергопотребления (в 4,3 раза) при использовании 8-битного квантования. Предложены практические рекомендации по выбору оптимальных схем квантования в зависимости от аппаратных ограничений и специфики решаемой задачи. Обозначены перспективные направления дальнейших исследований, в частности, интеграция алгоритмов обучения с подкреплением для динамического выбора битности и разработка методов аппаратно-программной ко-оптимизации для отечественных микроконтроллеров (К1879ВГ1Т)

Микросервисная архитектура — это неотъемлемая часть распределенных программных систем, требующих постоянного масштабирования и независимого развертывания всех элементов. Преимущества микросервисов позволяют значительно повысить эффективность современных веб-приложений и открывают новые возможности для развития бизнеса. Однако динамическая изменчивость современных интернет-сервисов, эволюция пользовательских потребностей, а также различные внешние факторы могут нивелировать преимущества микросервисной архитектуры. Перспективным способом адаптивного управления ресурсами распределенных программных систем являются алгоритмы машинного обучения, в особенности алгоритмы глубокого обучения с подкреплением. Рассмотрена интеграция микросервисной архитектуры и мультиагентного обучения с подкреплением. Объединение указанных подходов позволяет оптимизировать работу веб-приложений в нестационарных средах, позволяя системе адаптироваться к изменениям и находить оптимальные решения. Приведены результаты обучения мультиагентного алгоритма независимого Q-обучения в сервисе выбора дорожного маршрута на основе текущего состояния погоды. Для оценки эффективности системы разработаны и введены дополнительные параметры качества обслуживания, позволяющие в полной мере оценить потенциал интеграции микросервисной архитектуры с мультиагентным обучением для решения комплексных задач в динамических средах

Предложена имитационная компьютерная модель гетерогенного транспортного потока, основанная на подходе клеточных автоматов. В модели присутствуют три типа агентов — участников дорожного движения: транспортные средства, управляемые человеком, беспилотные и девиантные транспортные средства. В основе динамики движения лежат правила поведения, сформулированные в усовершенствованной модели S-NFS. Предложены и проанализированы три правила поведения девиантных агентов: два правила связаны с перестроением, и одно — с намеренным снижением скорости. Показано, что при средней плотности транспортного потока на него в основном влияют девиантные транспортные средства. Рассмотрена задача выявления девиантного поведения в транспортных потоках с использованием нейронных сетей. Исследование проводилось на созданной обучающей выборке, которая получена с помощью разработанной имитационной модели. Наблюдения в выборке включали в себя данные о скорости отслеживаемого транспортного средства, относительных положениях и скоростях соседних транспортных средств, а также информацию о перестроениях. Эти данные организованы в виде матриц, что позволило эффективно внедрить их в архитектуру нейронной сети. Полученные результаты демонстрируют, что нейронные сети, даже с относительно простой архитектурой, эффективно классифицируют транспортные средства в потоке и выявляют их девиантное поведение, что подчеркивает перспективность применения нейронных сетей в интеллектуальных транспортных системах

Рассмотрены влияние модуля имитации сетчатки глаза человека на возможность распознавания образов нейронной сетью, существующие программные модели сетчатки и их применение в задаче распознавания образов. Разработан модуль имитации сетчатки глаза человека. Модуль состоит из трех слоев. Первый слой имитирует рецепторы сетчатки глаза человека, предложены варианты расположения на этом слое программных рецепторов. Второй и третий слои модуля имитируют слои биполярных и ганглиозных клеток сетчатки. Для этих слоев разработан вариант организации рецептивных полей нейронов. Выполнена оценка качества работы модуля сетчатки глаза человека на задаче распознавания образов. Тестирование проведено на полносвязной нейронной сети. Создано две модели с одинаковыми параметрами. Одна обучалась на выборке изображений фруктов, сфотографированных с разных ракурсов, в оттенках серого, другая — на той же выборке, но предварительно обработанной с помощью модуля имитации сетчатки глаза человека. Приведены графики обучения нейронной сети на обеих выборках, результаты распознавания образов нейронной сетью и рекомендации по использованию описанного модуля

Введение. Дорожно-транспортные происшествия (ДТП) – одна из главных причин смертности. В 2024 г. в ЕС погибло 19 940 чел., в РФ – 14 400 чел. Значительная доля аварий связана с опасными маневрами: резкими перестроениями, обгонами, экстренным торможением и проездом на красный сигнал светофора. Традиционные методы контроля ограничены стоимостью и масштабируемостью.

Цель – разработка системы автоматической детекции и классификации опасных маневров на основе видеоданных с использованием YOLOv8 и Deep SORT.

Материалы и методы. Предложена система из четырёх модулей: модифицированный YOLOv8n (с P2-слоем, LW_C2f, Wise-IoU) для детекции ТС; оптимизированный Deep SORT для трекинга; анализ траекторий с калибровкой камеры; классификация маневров по порогам ускорения (0,35g – смена полосы, 0,30g – торможение), пересечению разметки и состоянию светофора (YOLOv8). Обучено на 45 000 изображений ТС и 20 000 для re-ID.

Результаты. Тестирование на 150 ч видео (разные условия) показало: mAP детекции ТС – 92,7%, MOTA трекинга – 86,3%, точность классификации маневров – 89,3% (F1: смена полосы – 89,4%, торможение – 89,7%, красный свет – 85,2%) при 28 FPS на RTX 3070. Задержка – 0,12 с.

Обсуждение и заключение. Система превосходит аналоги по скорости и охвату маневров, применима для ИТС. Ограничения – снижение точности в тумане/дожде. Перспективы: расширение классов, edge-вычисления, предсказание рисков. Внедрение снизит аварийность и автоматизирует контроль ПДД.

При создании электронных каталогов, значительно упрощающих читателям доступ к нужной информации, возникают определённые сложности. Проблемы, связанные с созданием современного цифрового фонда, особенно актуальны для библиотек, имеющих длительную историю и большие фонды хранения. В статье рассматривается вопрос расширения возможностей библиографического поиска по фондам российских библиотек на основе пополнения электронных каталогов информацией со сканов каталожных бумажных карточек. Описаны существующие способы перевода бумажных карточек в электронный каталог. В рамках исследования были проанализированы преимущества и недостатки различных методов создания электронного каталога, а также проведён обзор различных технических средств, которые могли бы подойти для решения задачи автоматизации создания или пополнения электронного каталога. С помощью «дообучения» и применения нейронных сетей был реализован алгоритм на языке программирования Python, позволяющий выполнять задачи предобработки, локализации необходимых областей, распознавания текста и, что самое главное, конвертирование считанного текста на поля и подполя формата RUSMARC. С его помощью решение задач ретроконверсии библиографических данных происходит значительно быстрее по сравнению с ручным вводом.

Статья посвящена актуальной проблеме модернизации инструментария финансово-экономического прогнозирования в государственном секторе на основе применения современных технологий искусственного интеллекта и машинного обучения. Цель работы продемонстрировать преимущества перехода от традиционных статистических моделей к гибридным системам прогнозирования, способным обрабатывать многомерные временные ряды различной частоты. Представлены результаты разработки функционального прототипа цифровой экосистемы, включающей расширенный набор экономико-математических моделей, в том числе нейронные сети Колмогорова-Арнольда (KAN), долгую краткосрочную память (LSTM), авторегрессионные модели с интегрированием и скользящим средним (ARIMA) и резервуарные вычисления (Echo State Networks). Определены практические рекомендации по внедрению системы дашбордов, функционирующих в интернет- пространстве, для поддержки принятия решений в управлении государственными финансами. Показано, что применение предложенной методологии позволяет повысить точность прогнозов фискальных показателей и повысить прозрачность процесса бюджетного планирования и исполнения бюджета.

В данной статье на основе собранного массива данных с сайта Государственной думы РФ за период с 24 октября 1994 г. по 1 декабря 2022 г. настроены модели машинного обучения и нейронная сеть для прогнозирования итогов рассмотрения законопроектов нижней палатой парламента. Для предварительной обработки данных использовалась модель rubert-tiny, для прогнозирования – классификатор случайного леса, логистическая регрессия и модель нейронной сети из трех линейных слоев.

Модели продемонстрировали следующие результаты: 94% точности (метрика F1 взвешенная) при прогнозировании на основе текстов прилагаемых к законопроекту документов и 87% точности при обучении на параметрах паспорта законопроекта. Обученные только на текстах законопроекта модели демонстрировали точность в 75,6%. Наиболее важным фактором, оказывающим влияние на результат прогноза, оказался текст заключения. Вторым по важности признаком стал «Субъект права законодательной инициативы» с 31,5% значимости в прогнозировании. На основе объединенных текстовых данных и параметров паспорта законопроекта лучше всего проявил себя алгоритм случайного леса. Среди обученных только на текстовых параметрах алгоритмов на первое место вышла логистическая регрессия. На вероятность принятия законопроекта не оказали существенного влияния текст финансового обоснования, текст пояснительной записки или тематика законопроекта. Автором сделаны выводы о направлениях практического применения обученных моделей, а также определены дальнейшие научные проблемы в сфере математического анализа и прогнозирования законотворчества.

Отметили достижения отечественных ученых, инженеров и конструкторов по применению пестицидов в сельском хозяйстве. (Цель исследования) Провести ретроспективный анализ развития технологий защиты растений и средств механизации в Российской Федерации. (Материалы и методы) Использовали публикации в научных журналах, монографии, материалы конференций, экспозицию научно-методического кабинета (музея) Всероссийского научно-исследовательского института защиты растений, архивные фотоматериалы. (Результаты и обсуждение) Представлены сведения о создании в 1931-1941 годах отечественных конных, навесных тракторных, автомобильного полевого и портального садового опрыскивателей. В 1960-е годы усилия были направлены на определение оптимальных размеров и радиуса фитоцидного действия капель распыленной жидкости для внесения средств защиты растений, прежде всего при малообъемном опрыскивании. Развивались аэрозольные технологии. Отметили вклад доктора технических наук В. Ф. Дунского в разработку теоретических основ физики и техники мелкокапельного и малообъемного опрыскивания. Важное значение для развития и совершенствования технических средств защиты растений имела разработка системы машин для комплексной механизации сельскохозяйственного производства при научно-методическом руководстве ученых Всероссийского института механизации сельского хозяйства. С уменьшением норм расхода рабочей жидкости потребовались ротационные (дисковые) распылители для наземной и авиационной опрыскивающей аппаратуры. Были созданы более экологически безопасные распылители с сепарацией или принудительным осаждением мелких капель, предложен способ электрозарядки капель. Современные подходы в разработке новых технологий защиты растений базируются на концепции точного земледелия. К ним относится дифференцированная обработка культур с учетом пространственной неоднородности распределения вредных объектов на участках поля. (Выводы) Технологии защиты растений и средства механизации развивались и совершенствовались с появлением новых химических средств. Следует отметить использование спектрометрии для формирования библиотек спектральных образов культурных и сорных, здоровых и больных растений для автоматической дешифрации снимаемой информации с участков поля с помощью нейронных сетей (искусственный интеллект), применение беспилотных летательных аппаратов для внесения средств защиты растений.

Возможность своевременно отличать заболевшие сельскохозяйственные культуры от здоровых играет реша­ющую роль в обеспечении продовольственной безопасности и минимизации экономических потерь. Машинное зрение в сочетании с алгоритмами глубокого обучения позволяет эффективно и точно отслеживать состояние посадок картофеля, выявляя симптомы заболеваний, что является более продуктивным подходом по сравнению с традиционными методами визуальной оценки. (Цель исследования) Сравнительный анализ одноэтапного и двухэтапного подходов к распознаванию заболевших и здоровых растений картофеля на основе алгоритмов глубокого обучения. (Материалы и методы) В исследовании использовали два подхода к процессу обучения нейронной сети с целью распознаванию заболевших и здоровых растений картофеля: одноэтапный и двухэтапный. В рамках одноэтапного подхода применялся один алгоритм глубокого обучения для одновременной классификации и локализации растений. Двухэтапный подход включал использование двух алгоритмов: первый определял границы растений, а второй классифицировал их как здоровые или заболевшие. С целью обучения алгоритмов использовались различные базы данных, включая снимки листьев и кустов картофеля. (Результаты и обсуждение) Проведен сравнительный анализ эффективности одноэтапного и двухэтапного подходов к распознаванию заболевших растений картофеля с использованием алгоритмов глубокого обучения. По каждому методу обучения было определено общее среднеквадратичное отклонение и среднеквадратичное отклонение для координат, построены матрицы запутанности. (Выводы) Двухэтапный подход продемонстрировал высокую эффективность в дифференциации больных и здоровых кустов картофеля, несмотря на небольшое снижение точности определения координат по сравнению с методом двухэтапного обучения, где использовались снимки как отдельных листьев, так и растений в целом. Данные методы имеют уникальные преимущества и могут быть интегрированы с современными технологиями для более эффективного выявления фитопатологий.

В данной работе мы оцениваем возможность применения нейронных сетей долгой краткосрочной памяти (Long Short-Term Memory, LSTM) для задач экономического прогнозирования. Мы сравниваем качество краткосрочных прогнозов валовой добавленной стоимости отраслей промышленности, полученных при использовании LSTM-модели и бенчмарков: модели случайного блуждания, интегрированной модели авторегрессии скользящего среднего и приближенной динамической факторной модели. По сравнению с другими моделями LSTM показывает меньшую среднюю абсолютную ошибку прогноза в 16 из 18 случаев и меньшую среднеквадратическую ошибку - в 13 из 18 случаев.

В современном мире проблема лесных пожаров приобретает все большую актуальность, что стимулирует поиск новых и эффективных методов и технологий для их обнаружения и ликвидации. Огонь может охватывать огромные территории за считанные часы, становясь неуправляемой силой, с которой не могут справиться даже самые современные средства пожаротушения. Применение беспилотных летательных аппаратов (БПЛА) является одним из перспективных направлений в этой сфере. Данная статья посвящена исследованию и анализу использования БПЛА для обнаружения лесных пожаров, а также созданию управляющего приложения на языке программирования Python. Основное внимание уделено созданию уникального приложения, которое позволяет осуществлять комплексный контроль над БПЛА, включая планирование маршрутов, мониторинг параметров полета и обработку данных в реальном времени. Практическая значимость работы заключается в создании универсального инструмента для управления БПЛА, который может быть использован в различных сферах применения: от сельскохозяйственного мониторинга до поисково-спасательных операций. Разработанное приложение позволяет существенно повысить эффективность использования беспилотных технологий и расширить возможности их применения в современных условиях.