Научный архив: статьи

Сложность и ответственность решений, принимаемых при управлении потенциально опасными и рискованными операциями, а также операциями с высокой стоимостью ошибок, часто не позволяют полностью автоматизировать управление высокоразмерными технологическими процессами. В статье представлены проблематика методологии управления, основные положения и этапы методологии прецедентной адаптации контура управления многомерных технологических процессов к изменяющимся условиям их протекания. Приведено описание процедуры нейросетевой адаптации и принципов выбора типа и топологии нейросети, подстраивающей контур управления технологическими установками. Приведены условия оптимальности использования многослойных архитектур нейронных сетей и формулы расчета числа их межнейронных связей и слоев.

Стремительное развитие искусственного интеллекта привело к появлению дискуссий о наличии у функционирующих на его основе систем когнитивных способностей, присущих человеку. Все чаще анализируются вопросы применения искусственных нейронных сетей при решении интеллектуальных задач, в том числе задач судебной экспертизы. Вместе с тем в случае применения нейросетевых технологий, способных имитировать интеллектуальную деятельность человека, важно определить пределы их использования при проведении экспертного исследования и формулировании выводов. Отдельного рассмотрения требуют вопросы компетенции судебного эксперта, а также проблемы комплексности экспертного исследования при использовании нейронных сетей.

Целью настоящего исследования является определение особенностей и пределов использования искусственных нейронных сетей при решении интеллектуальных задач в целом и при производстве экспертного исследования в частности.

Методологическую основу исследования составили диалектический метод познания, общенаучные методы (анализ и синтез, дедукция и индукция, логический метод) и частнонаучные методы исследования (формально-логический, системно-структурный).

Современные искусственные нейронные сети являются лишь моделью человеческого мозга, причем условной моделью, а не полноценным аналогом мозга. Их использование обоснованно в ситуациях, предполагающих выполнение рутинных операций по четко определенным правилам. При производстве экспертного исследования пределами использования нейронных сетей является конкретная подзадача, решаемая на отдельной стадии исследования, при сохранении определяющей роли эксперта в формулировании вывода. Применение методов исследования, основанных на нейронных сетях, должно войти в компетенцию эксперта конкретной экспертной специальности после получения им соответствующих знаний и практических навыков. Отмечена необходимость включения в теорию судебной экспертологии теоретических основ использования искусственных нейронных сетей, которыми эксперт сможет руководствоваться при производстве экспертизы. В заключении обосновано, что использование нейронной сети в составе экспертной методики не относится к формам комплексного исследования, а представляет собой комплексное использование методов в пределах одной экспертной специальности.

Эффективность государственного управления водными ресурсами в значительной степени определяют полнота и актуальность информации о водных объектах бассейнов рек. В статье представлена методология сегментации водоемов в бассейнах рек по данным дистанционного зондирования Земли из космоса с применением нейронных сетей и определения с помощью полученных результатов площадей водоемов и объемов потерь на дополнительное испарение с их поверхности в бассейне р. Урал. Методы. Сегментация водоемов на космоснимках с применением сверточных и трансформерных нейросетевых моделей. Результаты. Приведены основные результаты обучения и сравнения эффективности сверточной и трансформерной нейронных сетей, сегментирующих водные объекты. С помощью наиболее эффективной нейронной сети осуществлена сегментация данных дистанционного зондирования Земли для российской части трансграничного бассейна р. Урал. Проведен анализ количества водоемов и их суммарной площади, идентифицированных с помощью трансформерной нейронной сети, а также объемов потерь на дополнительное испарение с их поверхности. Сформирована база данных сведений о водоемах в разрезе бассейновых округов, бассейнов рек, водохозяйственных участков, административно-территориальных единиц, а также сведений о местоположении водоемов и их площадях, слоях осадков и испарения с водной поверхности.

В статье представлен комплексный анализ учёта успеваемости обучающихся для решения задач эффективного и оперативного управления образовательным процессом в политехническом университете. Авторами проанализирована и классифицирована информация, которая потенциально может оказывать влияние на успеваемость студентов и их удовлетворённость образовательной организацией. Акцент сделан на применении прогнозных моделей, позволяющих осуществлять адаптацию содержания учебных дисциплин и контрольных мероприятий под текущий контингент обучающихся. В качестве основного средства оценивания рассматривается тестирование. В исследовании использованы обезличенные данные, собранные о студентах первого курса политехнического вуза (2023/24 учеб. год) уровней подготовки бакалавриат и специалитет (n=1549) по таким группам факторов, как демографические, социокультурные, академические и экономические. Использованы методы математической статистики, а именно: определение вида распределения данных при помощи теста Шапиро - Уилка, установление наличия мультиколлинеарности при построении множественной регрессии критерием Пирсона, установление корреляционных зависимостей методом ранговой корреляции Спирмена. Методы машинного обучения, применённые для прогнозирования оценки на промежуточной аттестации по дисциплинам базового цикла (математика и физика), реализованы на языке программирования Python (v. 3.8) с использованием свободно распространяемой библиотеки Keras. Основные результаты: представлена классификация факторов, влияющих на успеваемость и удовлетворённость обучающихся; при помощи методов математической статистики установлена значимость каждого фактора для прогнозирования успеваемости; разработана и представлена модель управления образовательным процессом на основе Agile Learning Design, позволяющая адаптировать конкретную дисциплину под текущий контингент обучающихся.

В данной статье представлен подход к разработке и реализации нейронной сети на языке Python, направленной на автоматическое распознавание одежды на основе изображений из датасета, состоящего из шести категорий. Технология может быть использована для создания базы данных, где описание станет ключом к нахождению определенного вида одежды.

Основная цель исследования заключалась в создании модели машинного обучения, способной классифицировать текстильные изделия. В рамках работы был использован датасет, включающий изображения одежды, разделенные на категории верхней одежды: жакеты, рубашки, рубашки поло, майки, футболки и худи. Несмотря на тщательную предобработку данных, предполагающую изменение размера изображений и нормализацию цветовых значений, точность распознавания категорий одежды составила всего 16 %. Это стало следствием недостаточной размерности датасета и схожести двух категорий, что значительно затрудняло процесс их различения. Код нейронной сети включает в себя несколько ключевых компонентов: предобученная сеть VGG16, два полносвязных слоя (Dense), слои Flatten и Dropout. Архитектура сети была настроена в соответствии с лучшими практиками, однако ограничения исходных данных оказали негативное влияние на итоговые результаты.

Результаты эксперимента подчеркивают необходимость использования более обширных и разнообразных наборов данных для повышения точности классификации. В статье обсуждаются возможные пути улучшения модели, включая методы обогащения данных, которые могут помочь повысить точность модели.

Заключение статьи акцентирует внимание на вызовах в области применения глубинного обучения для распознавания объектов и их классификации, а также подчеркивает важность адекватного выбора и подготовки данных для успешной работы нейронных сетей в реальных задачах.

Показана возможность использования глубоких нейронных сетей для оценки ожидаемой средней районной урожайности озимой пшеницы для территории Северо-Кавказского УГМС. Обучение нейронной сети выполнялось на наборе данных, включающих спутниковые индексы, метеорологические данные, а также временные ряды средней районной урожайности за период с 2012 по 2023 год. Проведен экспериментальный поиск оптимальных гиперпараметров нейронной сети, который позволил достичь баланса между точностью и обобщенностью модели. Проведен сравнительный анализ точности расчётов ожидаемой урожайности, полученных на основе нейронной сети, статистических регрессионных моделей и алгоритмов машинного обучения (дерево решений, случайный лес, линейная регрессия). Результаты анализа показали, что максимальная сходимость между фактической и рассчитанной урожайностями озимой пшеницы достигается с использованием нейронной сети. Полученные результаты демонстрируют перспективность нейросетевого подхода для оценки ожидаемой урожайности озимой пшеницы на основе комплексирования наземных и спутниковых данных.

Анализируя научно-популярные фильмы, автор обращает внимание на проблему явного сокращения разнообразия художественных средств в современном научном кино, использующем в основном приемы документалистики (наблюдение, интервьюирование, репортажную съемку), редко прибегающем к постановочным методам и сложным визуальным решениям. Автор исследует возможность сочетания в научном кино игровых и неигровых элементов, а также применения метода «постдок». Актуальность темы обусловлена ее недостаточной изученностью. «Постдок» - термин, появившийся не так давно. В научной литературе пока не существует его единого определения. «Постдок» рассматривается как явление, возникшее в эпоху постправды и связанное, прежде всего, с нашим восприятием документального материала, а также как художественный метод: сочетание игрового и неигрового материала в документальном или научном фильме. Объектом исследования являются созданные в экспериментальной Лаборатории научного кино короткометражные картины, снятые режиссерами в разных жанрах и объединенные в киноальманах. Предметом исследования - режиссерские методы, в том числе сочетание документальности и постановочности в данных фильмах. С помощью анкетирования автор анализирует зрительские предпочтения, возникающие в ходе просмотра киноальманаха. В результате формулируются следующие выводы: 1) метод «постдок» в научном кино позволяет расширить палитру выразительных средств и придать фильмам жанровую окраску, при этом не лишая их научной достоверности; 2) при просмотре зрители обращают внимание на визуальную сторону научно-популярных картин, отдавая предпочтение тем из них, которые созданы в узнаваемых форматах и жанрах.

Введение. Предстательная железа – одна из самых частых локализаций у мужчин среди всех онкологических заболеваний. Гистологическая классификация рака предстательной железы основана на шкале Глисона и часто ограничена субъективным решением и практическим опытом врача-патологоанатома. Программы, основанные на искусственном интеллекте, способны преодолеть данный недостаток и имеют потенциал исследования и использования в клинической практике. Цель исследования – разработать интеллектуальную автоматизированную систему на основе глубокого обучения с целью морфологической диагностики рака предстательной железы с дифференциацией по шкале Глисона.

Материалы и методы. Материалом исследования послужили биоптаты предстательной железы 200 пациентов с подозрением на рак. 882 готовых гистологических препарата оцифровывались на автоматическом сканере с последующим созданием полнослайдовых изображений. Полученные тяжеловесные фотографии формата TIFF конвертировались в приемлемый для работы в аннотаторе формат JPEG. Аннотирование проводилось с помощью веб-инструмента MakeSense. AI. По результатам работы последнего подготавливались наборы данных для обучения моделей первичной и вторичной классификации, а также сегментации.

Результаты. Мера производительности вторичного классификатора, определяющего, присутствуют ли на микрофотографии комплексы рака, без указания их локализации и конкретной степени дифференцировки, составила 0,965. Аналогичный показатель работы сегментатора, выделяющего контуры железистых структур и уточняющего степень их дифференцировки по шкале Глисона, составил в среднем 0,798.

Заключение. Качественная работа сегментатора требует большего объема данных и дальнейшего обучения нейросети, однако результаты подтверждают, что алгоритм искусственного интеллекта имеет высокий потенциал для улучшения качества морфологической диагностики.

Введение. Глобальное распространение африканской чумы свиней, смертельно опасного вирусного геморрагического заболевания домашних свиней и диких кабанов, диктует необходимость применения эффективных мер предупреждения и раннего выявления вспышек. Контроль численности популяции, а также поиск туш диких кабанов, погибших от африканской чумы свиней и являющихся источником передачи вируса, считаются приоритетными мерами в управлении заболеванием в дикой природе.

Цель исследования. Обобщение имеющихся в настоящее время знаний о передовых технологиях применения беспилотных летательных аппаратов (дронов) в условиях дикой природы в сочетании с методами искусственного интеллекта. Материалы и методы. При выполнении работы применялись аналитические методы исследований с использованием баз данных PubMed, Springer, Wiley Online Library, Google Scholar, CrossRef, РИНЦ, еLIBRARY, CyberLeninka.

Результаты. В данном обзоре рассматривается возможность применения беспилотных летательных аппаратов (дронов) и искусственного интеллекта (нейронных сетей) для обнаружения диких кабанов и их останков в контексте борьбы с африканской чумой свиней. Подробно обсуждается роль диких кабанов в распространении заболевания и необходимость контроля их популяции, значение своевременного удаления трупов кабанов, при этом подчеркивается важность использования современных технологий для учета численности и плотности популяции дикого кабана. Проанализирована информация о применении дронов, оснащенных различными техническими средствами, при изучении популяций крупных видов животных в условиях дикой природы, отмечены преимущества и особенности использования беспилотных летательных аппаратов. Также обобщен опыт применения нейронных сетей в контексте автоматической обработки полученных с помощью дронов изображений животных.

Заключение. Интеграция беспилотных летательных аппаратов и искусственного интеллекта, вероятно, может стать ключевым инструментом в контроле популяции дикого кабана и быстром обнаружении туш кабанов, погибших вследствие африканской чумы свиней, что в целом позволит повысить эффективность мер, направленных на борьбу с данным заболеванием.

В условиях цифровой трансформации банковской системы и расширения доступности финансовых услуг проблема обеспечения безопасности банковских транзакций приобретает стратегическое значение. Актуальность темы обусловлена необходимостью изучения проблемы эффективности методов прогнозирования и предотвращения мошенничества, которые являются важными составляющими комплексной системы экономической безопасности в банковском секторе. В данном исследовании сделан акцент на формировании моделей обнаружения мошенничества с банковскими картами. В результате исследования предложены конкретные рекомендации по совершенствованию систем антифрод-защиты в банковском секторе с использованием моделей машинного обучения. В рамках этого исследования были разработаны и протестированы модели XGBoost и ANN для выявления мошеннических транзакций, реализованные на языке Python. Эксперименты продемонстрировали их высокую эффективность, а также гибкость и способность адаптироваться к новым данным. Использование этих моделей позволяет банкам оперативно обнаруживать подозрительные операции, что снижает риски потерь и улучшает общую защищенность финансовой системы. Обеспечение безопасного функционирования системы совершения банковских транзакций требует комплексного подхода, включающего не только внедрение современных аналитических инструментов, но и постоянное обучение и обновление моделей для выявления новых способов мошенничества. Реализация предложенных мер позволит кредитным организациям повысить эффективность защиты от мошенничества, снизить финансовые потери от мошеннических действий и укрепить доверие клиентов.

Актуальность рассматриваемой темы по разработке универсальных прикладных методов оценки эффективности и результативности промышленной политики в оборонно-промышленном комплексе (ОПК) обусловлена ее высокой практической значимостью в контексте вызовов технологического развития, связанных с цифровизацией и информатизацией, а также особенностями современного этапа экономического развития России в условиях финансовых и технологических санкций со стороны западных государств. Цель статьи заключается в разработке основных положений методического подхода к оценке эффективности промышленной политики в ОПК на основе использования аппарата экономико-математического моделирования, предполагающего построение нейросетей на базе нечеткой логики. В ходе исследования авторами были решены следующие задачи: математически формализован объект анализа; разработан алгоритм определения эффективности промышленной политики в ОПК с использованием нейронных сетей; формализована модель оценки эффективности такой промышленной политики, основанная на нечетких множествах; предложена система показателей оценки промышленной политики в ОПК; определена последовательность действий при построении нечеткой модели оценки эффективности промышленной политики в ОПК средствами Fuzzy Logic на программной платформе MatLab

Введение. Технологии искусственного интеллекта всё больше и больше проникают в различные сферы жизнедеятельности. Академические исследования не стали исключением. Ввиду этого возникает необходимость изучения самостоятельности (оригинальности) дипломного исследования, выполненного с помощью нейронной сети, как основного критерия его качества.

Материалы и методы. Исследование, в первую очередь, построено на анализе, оценки мнений различных специалистов в сфере разработки систем искусственного интеллекта, науки и образования. Изучение разных способов проведения исследований в современных условиях осуществлялось с помощью применения описательного, сравнительного методов научного познания.

Анализ. В процессе разрешения проблемы проводится оценка факта признания работы, написанной с использованием технологий искусственного интеллекта, как самостоятельно выполненное исследование. Приводятся мнения различных специалистов в сфере разработки систем искусственного интеллекта, науки и образования. Анализируются различные способы проведения исследований в современных условиях.

Результаты. Автор считает, что написание нейросетью оригинального исследования особенно в правовой сфере без активного участия человека, невозможно. Поскольку оригинальность исследования означает проведение его впервые с применением новых методов, инструментов и получением новых результатов и выводов. Нейронная сеть (система чат-GPT) не способна создавать новую информацию (изобретать что-то новое), поскольку основана на текстах, которые были написаны ранее людьми, а, следовательно, она не сможет провести свое собственное исследования. Делается итоговый вывод о возможности использования системы искусственного интеллекта в качестве инструмента (средства) при решении только стандартных задач (например, при проверке ошибок, переводе иностранной литературы, сборе обобщенного научного материала, оформление работы и др.) в процессе написания дипломной работы студентом.