SCI Библиотека

Использование искусственных нейронных сетей в металловедении для решения задач анализа изображений, в частности сегментации или классификации микроструктур металлов, включает в себя 6 основных этапов: определение проблемы, составление набора данных, выбор модели, обучение модели, оценка модели, интеграция с существующим рабочим процессом. В статье подробно рассмотрены эти этапы, приводится пример их реализации для се-мантической сегментации микроструктур композиционных покрытий, содержащих крупные первичные карбиды. Выделение карбидов нейронной сетью позволяет автоматизировать процесс определения их объемной доли в структуре покрытий.

Сегментация медицинских изображений – одна из важнейших задач лучевой диагностики и терапии. Современные подходы к решению этой задачи основаны на глубоком обучении и показывают высокое качество при обучении на стандартизированных и специально собранных данных. Однако при работе с реальными клиническими изображениями ситуация кардинально меняется из-за принципиально более сложного устройства данных. В задаче сегментации опухолей головного мозга для планирования лучевой терапии размеры и интенсивности изображений существенно варьируются в зависимости от настроек аппарата магнитно-резонансной томографии; отмечается неоднозначность трактовки разными экспертами выявляемых на томограммах изменений; наконец, контуры мишени не всегда соответствуют изображению магнитно-резонансной томографии вследствие использования дополнительных модальностей при планировании облучения. В силу указанных причин сформированные выборки содержат большое количество шумных аннотаций. Мы предлагаем устойчивый алгоритм обучения, основанный на модификации традиционной архитектуры сверточной нейронной сети при помощи модуля для обучения весов, используемых в результирующей функции потерь (взвешенной перекрестной энтропии). Наша модель успешно борется с наличием шума в разметке и значительно уменьшает эффект высокой гетерогенности данных, повышая качество сегментации на 38%.

В данной статье рассматривается способ решения задачи матчинга в сфере обработки естественного языка при помощи ранжирующих моделей. В ходе проведения исследования был подготовлен размеченный набор данных, на основе которого обучена модель машинного обучения для решения задачи ранжирования; реализована персональная метрика оценки качества работы обученной модели. Качественное решение задачи матчинга средствами машинного обучения позволит минимизровать или исключить работу человека в процессе сопоставления объектов, схожих по своему смыслу, но различных по своему текстовому или признаковому описанию.

Возможно ли спрогнозировать долгосрочность трудовых отношений и корректно оценить целесообразность вложения материальных средств и нематериальных благ в кандидата на должность? Возможно ли отказаться от психологического аспекта при рассмотрении соискателя и сделать упор исключительно на математических и логических показателях, указанных в его резюме? Данная статья рассматривает возможность использования математических методов при первичном анализе соответствия кандидата требованиям должности. Статья затрагивает исключительно математический аспект, т. е. предлагает методику расчета рейтинга соискателя на основании сравнения ключевых показателей из его резюме с требованиями должности с использованием метода анализа иерархий и вычисления косинусного расстояния между текстами с целью дальнейшего определения корреляции между компетенциями соискателя и навыками, необходимыми для успешного трудоустройства на должность. В работе приведены частные статистические данные и примеры использования указанной методики на тестовых резюме.

Качественные психофизиологические исследования сопряжены с созданием доступных и хорошо организованных баз данных, требующих большую предварительную работу по разработке измерительных комплексов, включающих не только средства для измерения психофизиологических параметров человека, но и его эмоционального состояния, которое отображается в выражении лица, речи и поведенческих паттернах респондентов. Измерительные комплексы должны также включать и средства обработки экспериментального материала. Суть исследования состояла в проведении эксперимента по созданию прототипа базы речевых данных русскоязычных респондентов, получения ответов на методические вопросы, возникающие у специалистов при использовании базы для задачи распознавания состояния утомления человека. Разработан аппаратно-программный комплекс, позволяющий синхронно регистрировать психофизиологические параметры, видеозаписи поведенческих реакций и аудиозапись речи человека. В качестве модели физического утомления использовался кардиореспираторный тест с физической нагрузкой. До прохождения и после завершении теста добровольцы зачитывали набор стандартных фонетически представительных текстов. Полученные аудиозаписи обрабатывались с помощью специализированной нейронной сети, способной анализировать интегральные спектральные характеристики звука. Результаты эксперимента показали возможность распознавания состояния утомления человека по его речи, что позволяет перейти к созданию большого банка аудиозаписей и совершенствованию алгоритмов распознавания состояния утомления.