Збірники наукових праць ЦНТУ
Permanent URI for this communityhttps://dspace.kntu.kr.ua/handle/123456789/1
Browse
4 results
Search Results
Item Нейромережевий метод виявлення текстурних аномалій у цифровому зображенні(ЦНТУ, 2022) Дрєєв, О. М.; Доренський, О. П.; Дрєєва, Г. М.; Drieiev, О.; Dorenskyi, О.; Drieievа, Н.Сучасні системи комп’ютерного зору часто використовують для оброблення цифрового зображення нейронні мережі. Однак для цього потрібно створювати бази даних для їх навчання, що в здебільшого складає переважну долю ресурсів ІТ-проєкту. Тож актуальною задачею, аспекти якої розглянуто в цій статті, є методи підвищення якості навчання нейронних мереж на даних меншого обсягу. Також актуальним є й можливість оброблення даних, характер яких не був наявним в початковій базі прикладів для навчання. Для розв’язання цієї науково-технічної задачі – підвищення якості сегментації зображення за присутніми текстурними особливостями, – в роботі пропонується використовувати як вхідну інформацію до нейронної мережі не лише безпосередньо цифрове зображення, а й його локальні статистичні показники. Означене розширює інформативність вхідної інформації і нейронній мережі не потрібно вчитися для їх виділення. Для цього достатньо прийняти рішення щодо їх використання або нехтування як ознаками. Також для виділення текстурних особливостей запропоновано використовувати самоорганізаційні вихідні шари, які здатні працювати як класифікатори, що групують елементи за схожими групами ознак. У праці показано застосовність запропонованих рішень до текстурної сегментації цифрових зображень, зокрема картографічних фотографічних зображень. Modern computer vision systems often use neural networks to process images. But to use neural networks, you need to create databases to train these neural networks. In some cases, creating a training database takes the vast majority of the project's financial and human resources. Therefore, the actual task of finding methods to improve the quality of learning neural networks on small data is considered in this article. The ability to process data, which nature was not present in the original training database is relevant, also. To solve the problem of improving the quality of image segmentation by textural anomalies, this research is proposed to use as input to the neural network not only the image but also its local statistic data. It can increase the information content of the input information for the neural network. Therefore, neural networks do not need to learn to choose statistical features but simply use them. This investigation classifies the requirements for image segmentation systems to indicate atypical texture anomalies. The literature analysis revealed various methods and algorithms for solving such problems. As a result, in this science work, the process of finding features in the photo is summarized in stages. The division into stages of search for features allowed to choose arguments for methods and algorithms that can perform the task. At each stage, requirements were formed for methods, that allowed separate the transformation of image fragments into a vector of features by using an artificial neural network (trained on a separate image of the autoencoder). Statistical features supplement by the vector of features of the image fragment. Numerous experiments have shown that the generated feature vectors improve the classification result for an artificial Kohonen neural network, which is able to detect atypical image fragments.Item Обґрунтування автоматизації комп’ютерно-інтегрованої технології ідентифікації та моніторингу нафтових забруднень(ЦНТУ, 2019) Голик, О. П.; Жесан, Р. В.; Ісмаіл, М.; Голик, Е. П.; Жесан, Р. В.; Исмаил, М.; Holyk, O.; Zhesan, R.; Ismail, M.В статті виконано аналіз останніх досліджень з технологій очистки морських вод від нафтових забруднень та обґрунтовано доцільність розробки робота зі штучним інтелектом, який зможе безпосередньо у місці забруднення здійснювати аналіз ступеня забруднення та виконувати відповідні очисні заходи. Запропоновано методику досліджень. В статье выполнен анализ последних исследований технологий очистки морских вод от нефтяных загрязнений и обосновано целесообразность разработки робота с искусственным интеллектом, который сможет непосредственно в месте загрязнения осуществлять анализ степени загрязнения и выполнять соответствующие очистительные действия. Предложена методика исследований. Large oil spills in seawater are not regular, but the damage to the marine ecosystem is significant. Petroleum companies and oil shipment vessels can not prevent oil spills in the future, but they must be prepared to respond quickly to damages. Such technologies are at an early stage of development. The purpose of the article is to study modern automated technologies for monitoring, identification and purification of marine waters from oil pollution. The analysis of recent research has been performed and the need to develop a robot with artificial intelligence has been substantiated. A research methodology and stages of work are proposed. This robot should directly at place oil spill analyze the degree of pollution and clean the sea water. To develop a robot, it is suggested to use statistical methods (for processing data and identifying interactions); mathematical apparatus of fuzzy logic and neural networks; intelligent decision support systems; methods of simulation. Using the database and knowledge base, the robot will be able, depending on the type of pollution, to choose a method of cleaning sea water from oil pollution. In order to develop a robot that should perform the functions of monitoring, identifying and purifying seawater from oil pollution in real time, it is necessary to have information on types of oil spills, their chemical composition and methods of purification. On the basis of the information obtained, create databases and knowledge that will enable the development of the intellectual system with the neural network. Since the impacts of oil pollution can grow rapidly, it is necessary that such works be located directly at the facility (near wells, oil refineries, oil pipelines, etc.), in particular, by sea transport. This can solve the problem of remote sensing of oil spills. In addition, when developing a robot, it is necessary to consider the possibility of analyzing meteorological information. Now is working is ongoing on the accumulation of oil pollution statistics.Item Адаптивна автоматизована система збору та контролю основних параметрів мікроклімату в теплиці(КНТУ, 2016) Віхрова, Л. Г.; Каліч, В. М.; Прокопенко, Т. А.; Vіhrova, Larisa; Kalich, Viktor; Prokopenko, TetyanaУ статті запропонований програмно-технічний комплекс автоматизованого збору та контролю основних параметрів мікроклімату в теплиці призначений для контролю мікроклімату в середині теплиці; відстеження зовнішніх метеоумов; аналізу одержуваних даних, як бази знань адаптивної системи керування. The purpose of this article is to improve the reliability and efficiency of the equipment of greenhouses, timely receipt of information technology, reducing power consumption and increasing the protection of plants against adverse factors through the creation of automated data collection and monitoring of basic parameters of microclimate in greenhouses, as the knowledge base of the adaptive control system. It was established that the architecture of the adaptive control system of temperature and humidity conditions in the greenhouse arch type, constructed using fuzzy approach should include block neural adaptation, at the entrance of which are agronomic requirements of growing production, and the knowledge base of the process that is constantly updated according to controlled disturbance. As a result, for climate control in the middle of a greenhouse; tracking external weather conditions; Analysis of the data was proposed program-technical complex automated data collection and monitoring of basic parameters of microclimate in greenhouses, as the knowledge base of the adaptive control system. The software and hardware automated data collection and monitoring of basic parameters of microclimate of greenhouse vegetables in a real time will create renewed energy efficient modes of operation knowledge base greenhouses for adaptive management system that will improve the efficiency of growing vegetables.Item Интеллектуальная мультиагентная система сбора и анализа данных для моделей знаний предметных областей(КНТУ, 2014) Стенин, А. А.; Бурлаков, В. М.; Курбанов, В. В.; Стенін, О. А.; Stenin, А.; Burlakov, V.; Kurbanov, V.Предложенные в статье модель и методы построения мультиагентной интеллектуальной системы посредством логической оценки получаемых данных позволяют сократить время и повысить качество работы эксперта-аналитика. Реализация их предусматривает построение нейронной сети с нейронами, обладающими памятью и интегральной логикой. В частности, предложен оригинальный метод реализации логики на основе генетического алгоритма, который обрабатывает пополняемую базу знаний и совершенствует каждое следующее поколение «генов», посредством взвешивания семантических данных на основе суперпозиции эталонной реакции на ситуацию и оценки ситуации текущим поколением «генов». Запропоновані в статті модель і методи побудови мультиагентної інтелектуальної системи за допомогою логічної оцінки одержуваних даних дозволяють скоротити час і підвищити якість роботи експерта-аналітика. Реалізація їх передбачає побудову нейронної мережі з нейронами, що володіють пам'яттю і інтегральною логікою. Зокрема, запропоновано оригінальний метод реалізації логіки на основі генетичного алгоритму, який обробляє поповнювану базу знань і вдосконалює кожне наступне покоління «генів», за допомогою зважування семантичних даних на основі суперпозиції еталонної реакції на ситуацію і оцінки ситуації поточним поколінням «генів». The low efficiency of the existing automated systems for the collection and analysis of data for the formation of specialized knowledge models in subject areas, concern to the absence of intelligent adaptive mechanisms for continuous updating of information modeling knowledge. We propose in this article the intelligent multiagent system related with the solution of the problem of reducing the time of search for the required data and to improving their semantic quality. Reducing the search time is because we select the control decisions of evaluations on sets kinds of situations and specificity logic, but not of themselves sets. Improving the quality of information at each iteration happens because of selection behaviors with a high frequency of use and cutoff field of superimposed evaluations by the index of logic specificity and situation index. Multiagent is disclosed in the introduction imitating agents (primary agents evaluators) with dynamic mental state (in base, the state of those they imitate - static), when passing "behavior selection" by experts and "evolution", they dynamically continue to exist or reborn in static agents evaluators.