Моделирование и анализ данных. Рубрика в журнале - Сетевое научное издание «Системный анализ в науке и образовании»
Статья научная
Восстановление спектров нейтронов по результатам измерений многошаровым спектрометром Боннера является некорректно поставленной обратной задачей и требует специальных методов решения. В работе представлены методы восстановления спектра с помощью регрессионной модели алгоритма машинного обучения «случайный лес», а также обученной на синтетических данных нейронной сети. Алгоритмы были обучены и протестирован на базе данных, состоящей из 500 тысяч спектров, искусственно сгенерированных по методу FRUIT, и реальными спектрам из сборника МАГАТЭ и схожих работ по тематике — 340 штук. В качестве входных признаков модели были использованы показания спектрометра для восьми и десяти шаров-замедлителей. Показано, что разработанный алгоритм применим для восстановления спектров нейтронов. Восстановленные спектры по характеру графика близки к исходным. По спектрам была рассчитана мощность эффективной дозы для изотропного облучения, показано, что средняя ошибка при оценке дозы составляет 25%.
Бесплатно
Разработка и исследование нейросетевых алгоритмов быстрой реконструкции треков частиц
Статья научная
Работа посвящена разработке эффективных методов решения задачи восстановления треков (траекторий движения) частиц, порождаемых столкновением ускоренных заряженных частиц или атомных ядер с неподвижной мишенью. Важными свойствами данной задачи являются: необходимость её решения в режиме реального времени; большие объёмы обрабатываемых данных; значительный уровень зашумлённости этих данных, обусловленный особенностями устройства трековых детекторов. Для решения поставленной задачи предлагается три метода: на основе преобразования Хафа, с использованием технологии самоорганизующихся карт Кохонена и графовых нейронных сетей. Приводятся результаты численного исследования предложенных методов при решении модельной задачи трекинга частиц.
Бесплатно
Разработка универсальной платформы для оценки и улучшения качества цифровых изображений
Статья научная
В работе разработана система обработки изображений, включающая реализацию алгоритмов повышения качества на языке C++. Пользователь может применять различные методы обработки, а также оценивать результат с помощью метрик NIQE и PIQE. Система демонстрирует высокую эффективность и может быть использована в задачах компьютерного зрения и подготовки данных для машинного обучения, в медицине и других областях, где качество изображения имеет решающее значение.
Бесплатно
Разработка фреймворка для оценки технической защищённости WEB-ресурсов по рекомендациям OWASP
Статья научная
В статье описан процесс разработки модульного фреймворка для оценки технической защищённости веб-приложений на основе рекомендаций OWASP. Проведён анализ актуальных угроз, рассмотрены методики OWASP Top 10, а также существующие инструменты сканирования. Предложенная архитектура включает модули сбора данных, проверки уязвимостей (SQL-инъекции, XSS, API-ошибки) и генерации отчётов с использованием языковой модели. Разработанное решение обеспечивает автоматизацию процессов аудита безопасности и может применяться в учебных, исследовательских и практических целях.
Бесплатно
Распознавание исторических рукописных документов с применением методов глубокого машинного обучения
Статья научная
Настоящая работа посвящена разработке и анализу нейросетевых подходов и методов к решению задачи распознавания рукописных документов. Для решения данной задачи в работе предлагается использовать модели глубоких нейронных сетей. Рассматриваются вопросы конфигурации и обучения рассматриваемых моделей, также описываются и анализируются возможные их усовершенствования. Приводятся результаты численного исследования всех предложенных подходов и сравнение их эффективности в решении поставленной задачи.
Бесплатно
Статья научная
В работе проведен анализ текстов описаний товарных позиций ТН ВЭД для обуви, определены признаки, влияющие на классификацию. Предложена систематизация признаков, доступных для визуального распознавания и формализации из документации. Приведены возможности использования методов искусственного интеллекта для решения задач классификации, приведен опыт построения экспертной системы.
Бесплатно
Статья научная
Целью настоящего исследования является разработка и апробация программного инструмента, который на основе искусственного интеллекта способен прогнозировать интеллектуальные (IQ) и эмоциональные (EQ) компоненты личности на основе анализа особенностей ввода текста. Исследование проведено среди студентов в возрасте от 17 до 27 лет с использованием комплексного подхода, включающего сбор данных о поведении при наборе текста, психологические измерения и статистический анализ. Были применены как классические психологические методы тестирования, так и технологии машинного обучения для обработки данных и построения моделей прогнозирования. Практические результаты показали, что особенности набора текста имеют прогностическую ценность в отношении некоторых показателей интеллекта и эмоционального интеллекта. В частности, скорость ввода, количество ошибок и их типы коррелируют с определенными эмоциональными способностями. Исследование подтверждает возможность разработки новых методов психологической оценки на основе цифровых поведенческих данных, позволяющих быстро и объективно отражать интеллектуальные и эмоциональные ресурсы личности. Работа представляет собой важный вклад в междисциплинарную область между психологией и информатикой.
Бесплатно
Сравнение методов кластеризации K-Means и Gaussian Mixture для анализа спутниковых снимков
Статья научная
В работе проведён сравнительный анализ двух алгоритмов кластеризации без учителя – K-Means и Gaussian Mixture Model (GMM) – применительно к задаче выделения природных объектов на спутниковых снимках. Признаковое пространство сформировано из попиксельных спектральных характеристик и локальных статистик (среднее и эксцесс яркости в окне 15×15) с последующей стандартизацией. Оптимальное число кластеров (k = 12) подобрано методом локтя. Для каждого алгоритма построены модели на спектральных признаках (S-варианты) и на расширенном пространстве (C-варианты), качество оценено по индексам Silhouette, Davies–Bouldin и Calinski–Harabasz и визуально. Дополнительно проверена устойчивость моделей при переносе на новое изображение. Показано, что выбор алгоритма должен определяться прикладной задачей: S-KMeans – быстрая базовая кластеризация, C-GMM – детекция границ объектов, S-GMM – масштабирование на новые снимки.
Бесплатно
