Комплексирование нескольких моделей в одну систему технического зрения позволит решать более сложные и комплексные задачи. В частности, для мобильной робототехники и беспилотных летательных аппаратов (БЛА) является актуальной проблемой отсутствие наборов данных для различных условий. В работе в качестве решения данной проблемы предлагается комплексирование нескольких моделей: сегментации, сопровождения и классификации. Это позволит значительно повысить качество решения сложных задач без дополнительного обучения. Модель сегментации позволяет выделять произвольные объекты из кадров, поэтому ее можно использовать в недетерминированных и динамических средах. Модель классификации позволяет определить необходимые для навигации объекты, которые затем сопровождаются с помощью третей модели. В работе подробно описан алгоритм комплексирования моделей. Ключевым элементом в алгоритме является коррекция предсказаний моделей, позволяющая достаточно надежно сегментировать и сопровождать различные объекты. Процедура коррекции предсказаний моделей решает следующие задачи: добавление новых объектов для сопровождения, валидация сегментированных масок объектов и уточнение сопровождаемых масок. Универсальность данного решения подтверждается работой в сложных условиях, на которых не обучали модели, например, подводная съемка или изображения с БЛА. Проведено экспериментальное исследование каждой из моделей в условиях открытой местности и в помещении. Наборы данных включали сцены актуальные для мобильной робототехники. В частности, в сценах присутствовали движущиеся объекты (человек, автомобиль) и возможные преграды на пути робота. Для большинства классов метрики качества сегментации превышали 80%. Основные ошибки связаны с размерами объектов. Проведенные эксперименты наглядно демонстрируют универсальность данного решения без дополнительного обучения моделей. Дополнительно проведено исследование быстродействия на персональном компьютере с различными входными параметрами и разрешением. Увеличение количества моделей значительно повышает вычислительную нагрузку и не достигает реального времени. Поэтому одним из направления дальнейших исследований является повышение быстродействия системы.
Рассмотрено решение научно-технической задачи в области информационной безопасности - задачи обнаружения электромагнитных излучений, создаваемых вычислительной техникой, - в рамках структурно-лингвистического подхода к анализу экспериментальных данных. Подробно рассмотрена реализация этапа присвоения сегментированным участкам спектрограмм символов некоторого алфавита, соответствующих определенным типам поведения, а также реализация этапа анализа полученных последовательностей символов. Описаны модель построения морфологической грамматики и механизм генерации текстов, мало отличающихся от правильных. Этап формирования грамматики был реализован на языке программирования Python 3.7. Выбор данного языка программирования обосновывается его кроссплатформенностью, низким порогом вхождения, а также широким спектром применения: от автоматизации математических вычислений и машинного обучения до разработки веб-приложений. Также одним из преимуществ этого языка является наличие множества качественных библиотек, в том числе используемых для текущей разработки. Для оценки эффективности и точности разработанных алгоритмов проведен статистический эксперимент. Приведены оценка вероятности верной классификации лингвистических цепочек экспериментальных кривых спектрограмм в нужные группы и общая оценка точности верного определения всех кривых в нужные группы. В результате применения структурно-лингвистического подхода к задаче обнаружения электромагнитных излучений, создаваемых вычислительной техникой, можно заключить, что полученные лингвистические описания исследуемых спектрограмм представляют собой короткие и надежные правила для их анализа и позволяют с высокой точностью в автоматизированном режиме определять отклонения в наблюдаемых спектрах от заданных эталонов.
В статье обосновывается необходимость осуществления управления процессом классификации информационных сигналов на основе простой и двухсвязной марковских моделей. Показана возможность объединения полученных ранее моделей и алгоритма классификации в систему принятия решений в целях классификации информационных сигналов (случайных процессов) по критерию максимизации апостериорной вероятности. Предлагается структурная схема системы принятия решений, приводится описание разработанных программных компонентов, последовательно реализующих как вспомогательные, так и базовые процедуры, позволяющие реализовать синтезированные ранее марковские модели и методы оценки их параметров, а также алгоритм классификации. Приводится описание возможности обучения алгоритма классификации как «с учителем», так и в режиме «самообучения», определены объемы выборок предоставляемых отсчетов исследуемых сигналов для формирования баз данных марковских моделей сигналов, марковских моделей классов сигналов. Представлены результаты статистического имитационного моделирования зависимости вероятности ошибки от объема обучающей выборки. Предложены структурные схемы некоторых программных компонентов системы принятия решений. Рассмотрены результаты реализации разработанных ранее моделей, методов и алгоритмов, в виде программных средств, показаны функциональные возможности применения данных средств в составе системы принятия решений. Приведены результаты расчетов, показывающие адекватность получаемых решений и функциональность разработанных программных средств. Делаются выводы о возможности применения системы принятия решений в различных предметных областях, в том числе при классификации состояний сердечно-сосудистой системы пациента по наблюдаемым ритмограммам.
В статье показаны возможности применения методов машинного обучения для построения и анализа системы аутентификации на основе динамики нажатий клавиш. В работе обоснована необходимость улучшения многофакторной системы аутентификации. Предложен способ классификации работ поведенческой биометрии для сравнения и использования результатов исследований. Рассмотрены базовые возможности обработки и генерирования динамических и статических признаков динамики нажатий клавиш. Протестированы различные комбинации наборов признаков и выборок обучения, описана лучшая комбинация с равной частой ошибок (Equal Error Rate) 4,7%. Итеративный анализ качества системы позволяет установить важность первых символов последовательности ввода, а также нелинейную взаимосвязь степени ранжирования модели и EER. Высокие показатели, достигнутые бустинговой моделью, свидетельствуют о значительном потенциале поведенческой аутентификации для дальнейшего улучшения, развития и применения. Приводится значимость данного метода, его практическая полезность не только в задаче аутентификации, перспективы развития, включая использование нейросетевых методов и анализ динамики данных. Несмотря на достигнутые результаты, отмечается необходимость дальнейшей работы над моделью, включая разработку дополнительных моделей кластеризации, классификации, изменение набора признаков и построение каскада. Подчеркивается важность исследуемой области, способной принести значительный вклад в развитие информационной безопасности и технологий.
В статье показаны возможности применения семантического анализа постов пользователей социальной сети ВКонтакте для мониторинга и прогнозирования депрессии. Подчеркивается серьезность проблемы депрессии, ее негативное влияние на здоровье и социум, а также актуальность ранней диагностики и помощи. В работе также обоснована необходимость и перспективы анализа данных русскоязычных социальных сетей для предотвращения развития депрессии у пользователей. В статье предложен подход, который позволяет проводить анализ текстовых данных и использовать логистическую регрессию для классификации пользователей по наличию депрессии. Результаты исследования показывают высокую точность модели с использованием логистической регрессии, что представляет потенциал для автоматизации процессов выявления и поддержки пользователей, страдающих депрессией по данным пользовательской информации в социальных сетях. Также приводится значимость данного метода, его практическая полезность для персонализированных интервенций, преимущества и перспективы развития, включая использование нейросетевых методов и анализ динамики данных. Несмотря на достигнутые результаты, отмечается необходимость дальнейшей работы над моделью, включая изучение других методов машинного обучения и учет изменений в психическом состоянии пользователя со временем. Развитие методов прогнозирования депрессии на основе данных социальных сетей, предложенных в статье, является важным направлением, способным принести значительный вклад в области психологии, здравоохранения и информационных технологий.
Локализация, классификация и отслеживание объектов вторжения в защищаемую зону особо важных объектов составляют основу системы их защиты. Цель автора статьи - исследование путей повышения эффективности функционирования системы путем использования распределенных сенсорных сетей в составе киберфизических систем. Показано, что достижение этой цели предполагает организацию взаимодействия алгоритмов отслеживания с традиционными алгоритмами инициализации/маршрутизации в сенсорных сетях. Рассматривается проблема совместной обработки данных узлами в распределенных сенсорных сетях. Предметом рассмотрения являются актуальные и сложные методы отслеживания множества движущихся объектов в защищаемой зоне, реализация которых средствами сенсорных сетей предполагает решение ряда проблем, среди которых следует выделить две основные. Первая - это разработка эффективных методов обмена информацией между локальными узлами в зоне вторжения, вторая - организация совместной обработки сигналов группой узлов на основе собранной информации о состоянии среды в зоне их ответственности в результате наступления событий. Показано, что основные этапы процедуры отслеживания состоят из обнаружения целей, их классификации, оценок местоположения и прогнозирования траектории передвижения цели. Модельным примером реализации процедуры принята задача обнаружения, локализации и отслеживания проникновения одного объекта в защищаемую зону. Рассмотрены подходы, лежащие в основе этих алгоритмов, а также основные аспекты их реализации. Предлагаемые решения учитывают ограничения, связанные с возможностями локальных узлов, сетью в целом и маршрутизацией. Источником данных для предлагаемых алгоритмов являются сигналы от звуковых, сейсмических, тепловых и т.п. сенсоров, у которых мощность сигнала имеет выраженный максимум в зависимости от расстояния от цели до узла сети. Полученные результаты распространяются на проблему отслеживания множества объектов, что предполагает оценку применимости методов идентификации и классификации в условиях, когда наблюдается наложение воспринимаемых сигналов сенсорами разных объектов. Обсуждаются алгоритмы для решения таких задач.
Цель. Обосновать теоретические подходы к реализации маркетинга гостиничных услуг. Методика. Для проведения исследования использован ряд общенаучных и специфических методов, позволивших реализовать поставленную цель исследования, а именно: теоретического анализа, синтеза и обобщения, индукции и дедукции, сравнения, систематизации и группировки, моделирования.
Результаты. Исследованы вопросы, связанные с обоснованием теоретических подходов реализации маркетинга гостиничных услуг. Исследованы исторические аспекты возникновения и развития гостиничного дела; особенности сферы услуг, индустрии гостеприимства, гостиничные услуги. Предложена для целей маркетинга классификация гостиничных услуг, разработана концептуальная модель. Научная новизна. Уточнена дефиниция «гостиница», сформулировано определение «маркетингом гостиничных услуг»; предложена классификация гостиничных услуг для маркетинговых целей по шести признакам; сформирована концептуальная модель маркетинга гостиничных услуг. Практическая значимость. Результаты исследования, представляют интерес для представителей бизнеса, а также ученых, исследующих вопросы, связанные с формированием и совершенствованием маркетинговых стратегий гостиничных услуг, использованием новых технологий в маркетинге и изучением поведения потребителей.
Разработан алгоритм классификации и слежения за объектом. Алгоритм основан на использовании нейронной сети YOLOv5 для высокоточной классификации объектов в реальном времени. Разработана программная реализация алгоритма на базе языка программирования Python и библиотеки OpenCV. В ходе исследования была проведена отладка программы и оптимизация ее работы для повышения производительности и точности системы. Оценка технического решения показала, что разработанная система значительно улучшает точность и скорость обработки данных на конвейерной линии, а также обеспечивает адаптивность к изменениям в производственном процессе.
Цель. Целью статьи является исследование вопросов классификации знаниевых услуг в современной нестабильной институциональной среде. Методика. В исследовании реализованы диалектические и общенаучные методы - анализ синтез, индукция, дедукция; методы обобщения, систематизации, группировки и экономического анализа, позволившие сформулировать выводы, предложить рекомендации.
Результаты. Исследованы институциональная среда, определены качественные характеристики нестабильной институциональной среды; определено значение и подходы к классификации; предложены основы классификации знаниевых слуг; дано определение. Научная новизна. Дано определение «классификация знаниевых услуг», предложена классификация знаниевых услуг. Практическая значимость. Результаты исследования представляют интерес для руководителей предприятий, вузов, представителей Министерства экономического развития, Министерства образования и науки ДНР, а также ученых, исследующих проблемы развития в условиях «экономики знаний».
В статье предлагается новый метод распознавания строений на спутниковых снимках. Представленный метод является гибридным, он основан на алгоритме исключения областей и методе жука. Алгоритм исключения областей представляет собой хорошо известный и эффективный способ сегментации изображения на регионы схожих пикселей по различным признакам: цвет, текстура, яркость, форма и т.д. Метод жука - классический метод контурного анализа, выполняющий последовательное вычерчивание границы между объектом и фоном. В рамках работы предлагаемого алгоритма сначала метод исключения областей выделяет потенциальные области, в которых могут находиться строения и устраняет нежелательные элементы на изображении (растительность, водные поверхности и дороги), которые могут быть ложно распознаны как строения. Далее модифицированный метод жука определяет местоположение и контуры строений. На финальном этапе среди обнаруженных объектов выявляются искусственно созданные объекты, у которых имеется объем. Для реализации проверки объектов на искусственное происхождение и объемность разработаны собственные методы. Представленный алгоритм распознавания показывает хорошую точность распознавания и не требует обучающей выборки. В статье описывается программная реализация предлагаемого метода. Демонстрируются результаты вычислительных экспериментов по оцениванию эффективности метода и сравнению с тремя известными алгоритмами распознавания.