Научный архив: статьи

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.

Предложен метод определения долготы места судна по рельефу дна с использованием нейронной сети, в качестве входного сигнала которой выступает вектор, содержащий значения глубины, измеренные с определенным пространственным шагом при помощи эхолота. Выходом сети служит значение долготы, соответствующее месту последнего измерения глубины. Сеть имеет несколько скрытых слоев, количество которых варьируется от одного до десяти. Скрытые нейроны обладают функциями активации в виде гиперболического тангенса. Единственный нейрон выходного слоя имеет линейную функцию активации. Определены алгоритмы формирования набора учебных данных, настройки и тестирования нейронной сети, формирующие технологию создания нейросетевой системы прогноза долготы места судна по глубинам и реализованные на языке программирования Python. Для работы с нейронными сетями используется библиотека TensorFlow. В качестве источника данных о глубинах выбирается официальная электронная навигационная карта. На основе извлеченного из нее слоя глубин формируется регулярная сетка, значения в узлах которой определяются линейной интерполяцией. Процедура формирования набора учебных и тестовых данных предполагает псевдослучайные изменения уровня моря, которые могут быть вызваны как реальными колебаниями, так и погрешностями измерений. На тестовой выборке сеть показывает приемлемую для навигации точность, причем результаты зависят от количества скрытых слоев. Лучшая точность в виде наибольшего значения модуля ошибки прогноза долготы достигается для сети с наибольшим количеством скрытых слоев. Отмечается также необходимость тестирования разработанной нейросетевой системы на основе моделирования движения судна.

В рамках этой статьи рассмотрены основные принципы, на которых строится работа систем машинного перевода, а также представлен сравнительный анализ перевода текстов разных стилей, чтобы проследить, как системы машинного перевода справляются с определением контекстуального значения слова, использованного в принципиально разных контекстах. Для проведения этого исследования выбраны четыре системы машинного перевода - Google Translate, Яндекс. Переводчик, DeepL и PROMT. В начале статьи перечислены основные подходы к машинному переводу, после чего представлено краткое описание принципов работы, выбранных нами систем машинного перевода. Далее приведены примеры употребления многозначных слов в разных контекстах, а также варианты их перевода на русский язык вышеупомянутыми системами машинного перевода, после чего проведен сравнительный анализ полученных переводов. В случае неправильно распознанных значений в программу-переводчик добавлялся расширенный контекст (абзац вместо предложения), так как предполагалось, что это может улучшить распознавание контекста, и как следствие, количество случаев корректного перевода значений выбранных нами слов. Гипотезой исследования было, что расширение контекста в случае нераспознанного значения должно помочь системе его распознать. Методом сплошной выборки мы отобрали сорок предложений, в которых двадцать одних и тех же слов использованы в разных контекстах и обладают разным значением. Выбирая примеры предложений для анализа, мы не придерживались конкретных тематик. Главным принципом для отбора слов послужило наличие у них многозначности. В заключении статьи представлен вывод и изложены основные аспекты настоящего исследования. Мы считаем, что описанный в этой работе эксперимент послужит хорошим подспорьем для дальнейших исследований в этой области, в частности для понимания того, каким образом осуществляется учет контекста и как возможно улучшить работу систем машинного перевода.

Нейросимволический искусственный интеллект ориентирован на интеграцию символьных и нейросетевых знаний. Поскольку символьные знания могут быть легко адаптированы к новым проблемным областям без необходимости обучения на больших объемах данных, нейросимволический искусственный интеллект является перспективным направлением исследований, в частности, для решения задач, для которых недоступны большие наборы данных, необходимые для обучения классических нейросетевых моделей. К таким задачам в том числе относятся задачи из области поддержки принятия решений при моделировании предприятий. Исследования, ориентированные на применение методов машинного обучения при решении задач из данной области, появились сравнительно недавно, и в настоящее время надежных наборов обучающих данных для них еще нет. В статье проанализированы варианты применения различных подходов к интеграции символьных знаний и нейросетевых моделей на примере задачи классификации моделей предприятий. Модели предприятий представлены в виде графов с типизированными вершинами, а в качестве признаков используются типы вершин модели и их количество (топология графов не рассматривается). Проведены эксперименты с использованием классической нейронной сети, нейронной сети, дополненной семантической функцией потерь, и нейронной сети, дополненной предобработкой данных на основе логических правил (при этом структура самой нейронной сети и параметры ее обучения не меняются). Результаты показывают, что применение семантической функции потерь незначительно ухудшает качество нейросетевой модели, в то время как использование предобработки данных существенно его улучшает. Приведенные экспериментальные данные наглядно демонстрируют перспективность исследований в области нейросимволического искусственного интеллекта при решении задач, не имеющих больших наборов обучающих данных, достаточных для использования классических нейросетевых моделей.

Трудно переоценить значение искусства в жизни человека. Это уникальная сфера жизнедеятельности, где в создаваемых произведениях автор отражает свое эмоциональное восприятие мира. Развитие компьютерных технологий преобразило сферу искусства, наделив творческих личностей необыкновенными возможностями. Создание генеративного искусственного интеллекта ознаменовало начало сотрудничества человека и нейронной сети. Однако так ли безоблачно будущее искусства, которое создают теперь не только творческие личности, но и машины? Как следует определять результат такого сотрудничества, кто является обладателем и каких именно прав на него? Можно ли относить этот результат к произведению искусства? В статье рассмотрены юридические проблемы, возникшие вследствие применения генеративного ИИ, а также этические проблемы, от решения которых зависит будущее людей творческого труда.

Рассматривается применение нейронных систем для анализа градостроительных технологий золотоордынского города Укека на основе строительных материалов - кирпича и керамических водопроводных труб. Показаны основные подходы, алгоритмы и методы обработки данных, включая методы геоинформационных систем (ГИС), алгоритмы кластеризации и оптимизации, а также различные типы нейронных сетей (свёрточные, рекуррентные и глубокие). Исследование базировалось на анализе исторических и археологических материалов Увекского городища. Выявлены сложные паттерны и ассоциации между археологическими, историческими и геологическими данными разных лет. Программные средства включали свёрточные нейронные сети для анализа изображений, рекуррентные для анализа временных последовательностей и глубокие нейронные сети для сложных задач классификации, моделирования и верификации. В результате анализа выявлены ключевые аспекты строительства и инфраструктуры Укека, такие как локализация мест добычи сырья, количество строительных площадок, объём произведённого кирпича, водопроводных линий и территориальное разграничение городской территории на основе цифровой модели рельефа (ЦМР). Рассмотрена хронология оползней и их влияние на развитие города. Результаты исследований подтверждает эффективность смешанных и разноуровневых нейронных сетей для анализа археологических данных, связанных с особенностями средневековых технологий, процессом концентрации производительных сил и средств производства.