Приведены результаты компьютерного моделирования слоистой структуры TiNi-покрытий на подложках двух разновидностей (из титана и стали марки Steel45). Кроме того, на основе результатов моделирования проведен анализ изменчивости функциональных характеристик покрытий (адгезионная прочность и пористость покрытий, шероховатость поверхности покрытий) при варьировании значений ключевых физических параметров напыляемых частиц в определенных диапазонах. Установлено, что при напылении частиц TiNi на титановую подложку (либо на подложку из стали марки Steel45) технологически приемлемым может быть режим, при котором реализуется сценарий растекания частиц на напыляемой поверхности в виде «растекания и одновременного затвердевания капли на твердой основе». При этом, стабильное образованием сплэтов и покрытий происходит для таких наборов ключевых физических параметров (КФП) частиц TiNi, для которых «коэффициент растекания» напыляемых частиц не превосходит значения 4.5. Анализ параметрических зависимостей адгезионной прочности покрытий от КФП показал, что значительный рост адгезионной прочности TiNi-покрытий в большей степени связан с ростом температуры напыляемых частиц и температуры подложки, а также с увеличением диаметра частиц и практически слабо зависит от скорости частиц. В режиме плазменного напыления (APS) пористость покрытий не превосходит традиционных значений (до 7 - 8%), а для высокоскоростных способов напыления (детонационное и HVOF напыления) - менее 1%. Шероховатость TiNi-покрытий достаточно мала и не превосходит 2 мкм. Такие очень плотные покрытия с малой шероховатостью и высокой адгезионной (и когезионной прочностью) востребованы в индустрии материалов.
В работе рассмотрена адаптация реализованного авторами ранее алгоритма определения эффективных электрофизических свойств гетерогенных сред применительно к образцам искусственных сред на примере керна асфальтобетона. Особенностями приведенных в работе образцов дорожного покрытия являются геометрически сложная внутренняя структура и композитный состав вяжущего вещества, выступающего в качестве вмещающей среды. Вяжущий компонент асфальтобетонных смесей состоит из песка и битумных смол, и его свойства требуют предварительного осреднения. Минеральные включения представляют собой хаотично расположенные тетраэдры. Они обладают контрастными по отношению к вмещающей среде свойствами, причем контрастность отмечается одновременно по магнитной проницаемости, диэлектрической проницаемости и электропроводности, что требуется корректно учитывать на уровне математической постановки, на уровне дискретной вариационной постановки, и, как следствие, на уровне сборки матрицы системы линейных алгебраических уравнений (СЛАУ). В приведенном алгоритме авторы выделяют шаг, параллельная реализация которого позволяет значительно сократить время вычисления эффективной электрофизической характеристики, которая в работе вводится как симметричный тензор второго ранга.
В данной работе предложен новый метод улучшения качества зашумленных речевых сигналов. В его основе лежит двухэтапная схема, с первым этапом широкополосной обработки аудиосигнала и вторым этапом обработки отдельных частотных полос. Преобразование сигнала осуществлялось над оконным Фурье-разложением обрабатываемого сигнала. На каждом этапе задействованы слои, моделирующие структурированное пространство состояний (S4), хорошо зарекомендовавшие себя при обработке и предсказании длинных временных рядов. За счет их применения уменьшилось число обучаемых параметров нейронной сети без потери качества работы. Длительность процесса обучения в расчете на одну эпоху уменьшилась по сравнению с рекуррентными сетями из-за применения сверточной формы S4-преобразований. Проведена апробация предложенного метода. Нейронная сеть с S4-преобразованиями реализована на языке Python с применением библиотеки глубокого обучения PyTorch. Обучение сети проведено на наборе данных DNS Challenge 2020. Для тестирования работы на основе того же набора данных сгенерирован набор тестовых примеров, включающих в себя различные классы шумовых добавок. Продемонстрировано превосходство предложенного метода в целом по сравнению с аналогичными решениями, основанными на применении слоев рекуррентных преобразований. Проведен анализ того, какие классы шумов более эффективно очищаются из обрабатываемого сигнала.
В статье рассматривается архитектура вычислительного узла конвейерного типа, предназначенная для реализации набора вычислений, соответствующих классам вычислительных задач с подобным набором операций и линейной последовательностью действий, для которой возможна реализация архитектуры с передачей данных между отдельными стадиями конвейера. В качестве типов задач рассматриваются цифровая обработка сигналов, вычисление трансцендентных и хэш-функций, базовые операции с плавающей точкой и операции вычисления выхода нейрона для построения нейроморфных вычислительных структур. Совмещение нескольких типов операций в рамках одного конфигурируемого конвейера позволяет расширить область применения таких вычислительных структур, реализуемых в составе СБИС ускорителей вычислений. Применение конфигурируемых конвейеров позволяет частично сконцентрировать вычислительные ресурсы, уменьшив таким образом возможное многообразие коммутаций между ними, характерное для многоядерных процессоров с архитектурой связей типа «решетка». Кроме того, характерные особенности задач цифровой обработки сигналов в виде большого динамического диапазона коэффициентов фильтра при их реализации в последовательном конвейерном вычислителе позволяют использовать минимально необходимое количество стадий конвейера, динамически адаптируя их к конкретному набору используемых коэффициентов фильтра. Аналогично выполняется операция «обрезки» при реализации нейросетей. Для конвейера предложено двухступенчатое конфигурирование с регистром конфигурации коммутаторов, содержащим несколько программируемых наборов управляющих сигналов, и памятью последовательности включения этих наборов, что позволяет динамически управлять работой конвейера при его реализации в составе СБИС.
В статье рассматривается архитектура вычислительного узла конвейерного типа, предназначенная для реализации набора вычислений, соответствующих классам вычислительных задач с подобным набором операций и линейной последовательностью действий, для которой возможна реализация архитектуры с передачей данных между отдельными стадиями конвейера. В качестве типов задач рассматриваются цифровая обработка сигналов, вычисление трансцендентных и хэш-функций, базовые операции с плавающей точкой и операции вычисления выхода нейрона для построения нейроморфных вычислительных структур. Совмещение нескольких типов операций в рамках одного конфигурируемого конвейера позволяет расширить область применения таких вычислительных структур, реализуемых в составе СБИС ускорителей вычислений. Применение конфигурируемых конвейеров позволяет частично сконцентрировать вычислительные ресурсы, уменьшив таким образом возможное многообразие коммутаций между ними, характерное для многоядерных процессоров с архитектурой связей типа «решетка». Кроме того, характерные особенности задач цифровой обработки сигналов в виде большого динамического диапазона коэффициентов фильтра при их реализации в последовательном конвейерном вычислителе позволяют использовать минимально необходимое количество стадий конвейера, динамически адаптируя их к конкретному набору используемых коэффициентов фильтра. Аналогично выполняется операция «обрезки» при реализации нейросетей. Для конвейера предложено двухступенчатое конфигурирование с регистром конфигурации коммутаторов, содержащим несколько программируемых наборов управляющих сигналов, и памятью последовательности включения этих наборов, что позволяет динамически управлять работой конвейера при его реализации в составе СБИС.
В данной статье описывается процесс реализации такого метода машинного обучения, как рекомендательная система; рассматривается построение коллаборативной рекомендательной системы, в основе которой лежит алгоритм сингулярного разложения или сингулярной декомпозиции матрицы. Описаны процесс сбора тестовых данных, их обработки, а также обучение модели и её оценка согласно некоторым метрикам.
Рассматривается возможность применения такого метода машинного обучения, как деревья решений, для определения метеорологической дальности видимости на основе других погодных показателей (температура воздуха, атмосферное давление, относительная влажность, скорость и направление ветра, облачность, текущая погода и др.). Описаны процесс сбора и обработки данных, а также обучение модели и её итоговая точностью.
Работа посвящена разработке веб-приложения для прогнозирования исходов спортивных событий, которое позволит оценить составленные программой проценты на исходы определенной подборки матчей по разным видам спорта.
Рассмотрена задача о движении внешней нагрузки с постоянной скоростью вдоль замороженного канала с неравномерным сжатием. Лед моделируется как тонкая вязкоупругая пластина постоянной толщины. Края пластины приморожены к стенкам канала. Прогиб ледового покрова описывается в рамках линейной теории упругости. Жидкость под пластиной невязкая и несжимаемая. Течение жидкости, вызванное прогибом пластины, является потенциальным. Внешняя нагрузка моделируется движущимся с постоянной скоростью распределением давления. Задача решается с помощью преобразования Фурье вдоль канала и методом нормальных мод для формы прогибов льда поперек канала. Основным параметром для исследования в данной модели является эффект неоднородного сжатия ледового покрова.
В работе рассматриваются и сравниваются некоторые методы составления прогноза, основанные на нечетких математических моделях, рассматриваются преимущества и недостатки того или иного метода.