На правах рекламы:
ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Авторитетность издания

ВАК - К1
RSCI, ядро РИНЦ

Добавить в закладки

Следующий номер на сайте

2
Ожидается:
16 Июня 2024

Статьи из выпуска № 1 за 2017 год.

Упорядочить результаты по:
Дате публикации | Заголовку статьи | Авторам

11. Многопроцессорная обработка в задаче пространственной реконструкции по множеству видов [№1 за 2017 год]
Авторы: Бобков В.А., Кудряшов А.П., Мельман С.В.
Просмотров: 5916
Предлагается схема многопроцессорной обработки больших объемов пространственных данных на базе гибридного вычислительного кластера применительно к воксельному методу построения и визуализации 3D-модели сцены подводной обстановки. Рассматривается вычислительная схема воксельного метода, которая состоит из нескольких этапов обработки данных, включая загрузку исходных карт глубин многих видов, построение воксельного представления скалярного поля и построение изоповерхности по воксельному пространству. Вычислительная схема анализируется с точки зрения выявления наиболее вычислительно трудоемких этапов работы и целесообразности организации многопроцессорной обработки. Также рассматривается архитектура используемого гибридного вычислительного кластера, объединяющая три уровня многопроцессорной обработки: вычислительные узлы кластера, многоядерность и графические процессоры видеоплаты. Используются два типа параллельных архитектур: MPI (параллелизм в рамках кластера) и CUDA (параллелизм на графическом ускорителе). Предложенное решение по распределению вычислительной нагрузки основывается на учете характера вычислений на каждом этапе и особенностях используемых параллельных архитектур. Приводится обоснование реализуемой схемы многопроцессорной обработки с качественными и количественными оценками. Реализованная схема обработки данных обеспечивает максимальное ускорение процесса счета применительно к решению задачи 3D-реконструкции сцены на базе рассмотренного вычислительного кластера. Приведены результаты вычислительных экспериментов с реальными данными, полученными со сканера RangeVisionPremium5 Mpix. Анализ результатов тестирования подтвердил возможность принципиального повышения вычислительной производительности в рассматриваемой задаче за счет организации распределенно-параллельной обработки данных. Аналогичная схема может применяться и в других задачах, связанных с обработкой больших объемов пространственных данных.

12. Редактирование и внесение информации в XML-документы автоматизированных информационных систем [№1 за 2017 год]
Авторы: Трусов А.Н., Иванченко П.Ю., Кацуро Д.А.
Просмотров: 7387
В статье рассматриваются вопросы редактирования и автоматизированного внесения изменений в защищенный от внешнего редактирования конфигурационный файл формата eXtensibleMarkupLanguage (XML) некоторой автоматизированной информационной системы финансово-аналитического содержания. Описываются основная идея и концепция создания модуля для редактирования и внесения информации в исходный XML-файл автоматизированной системы. Рассмотрен способ предоставления конечному пользователю функциональных возможностей информационной системы посредством размещения web-страницы в сети Интернет. Приведен алгоритм взаимодействия пользователя с модулями программы. Описана подробная техническая реализация алгоритма по редактированию и автоматизированному внесению изменений в конфигурационный файл автоматизированной информационной системы без прямого взаимодействия с самим программным продуктом. Детально проанализирована структура конфигурационного файла и сформированы требования к его формированию. Представлены фрагменты сформированной структуры конфигурационного файла информационной системы, а также программного кода обращения к элементу дерева в XML-файле. Выбрана подходящая программная реализация для внесения социальных и экономических параметров в конфигурационный файл без взаимодействия с программным продуктом. Потребность в использовании описанного подхода возникает в случаях необходимости оперативной обработки и визуального представления социально-экономической информации на базе ситуационных центров оперативной поддержки принятия экспертных решений в сфере анализа состояния и развития социально-экономических систем. Авторами реализован программный комплекс, состоящий из описываемого модуля и оптимизационной финансово-аналитической автоматизированной информационной системы, который прошел апробацию при решении задач социально-экономического анализа в Ситуационном центре регионального социально-экономического развития Кемеровского филиала Российского экономического университета имени Г.В. Плеханова.

13. Методы автоматической классификации текстов [№1 за 2017 год]
Автор: Батура Т.В.
Просмотров: 30186
Классификация текстов является одной из основных задач компьютерной лингвистики, поскольку к ней сводится ряд других задач: определение тематической принадлежности текстов, автора текста, эмоциональной окраски высказываний и др. Для обеспечения информационной и общественной безопасности большое значение имеет анализ в телекоммуникационных сетях контента, содержащего противоправную информацию (в том числе данные, связанные с терроризмом, наркоторговлей, подготовкой протестных движений или массовых беспорядков). Данная статья представляет собой обзор методов классификации текстов, целями которого являются сравнение современных методов решения задачи классификации текстов, обнаружение тенденций развития данного направления, а также выбор наилучших алгоритмов для применения в исследовательских и коммерческих задачах. Широко известный современный подход к классификации основывается на методах машинного обучения. В данной статье описываются наиболее распространенные алгоритмы построения классификаторов, проводимые с ними эксперименты и результаты этих экспериментов. Обзор подготовлен на основе выполненных за 2011–2016 гг. научных работ, находящихся в открытом доступе в сети Интернет и опубликованных в авторитетных журналах или в трудах международных конференций, высоко оцениваемых научным сообществом. В статье произведены анализ и сравнение качества работы различных методов классификации по таким характеристикам, как точность, полнота, время работы алгоритма, возможность работы алгоритма в инкрементном режиме, количество предварительной информации, необходимой для классификации, независимость от языка.

14. Методы автоматизированного анализа коротких неструктурированных текстовых документов [№1 за 2017 год]
Автор: Козлов П.Ю.
Просмотров: 6534
В работе рассматриваются задачи автоматизированного анализа текстовых документов в органах исполнительной и законодательной власти. Выделяется группа признаков для классификации текстовых документов, приводятся их типы, методы анализа и рубрицирования. Определяется перечень типов документов, которые необходимо классифицировать. Для анализа коротких неструктурированных текстовых документов предлагается использовать метод классификации на основе весовых коэффициентов, экспертной информации, нечеткого логического вывода, для которого усовершенствована вероятностная математическая модель, разработан способ обучения и экспериментально подобрано соотношение весовых коэффициентов. Предварительно разработанный метод необходимо обучить. На этапе обучения слова тезауруса для каждой предметной области разбиваются на три типа: уникальные, редкие и общие, и в зависимости от типа словам присваиваются весовые коэффициенты. Для поддержания актуальности весовых и частотных коэффициентов предлагается использовать динамическую кластеризацию. Разработанный метод позволяет анализировать описанные документы, а также учесть динамичность тезауруса рубрик. Представлена схема работы системы автоматизированного анализа неструктурированных текстовых документов, написанных на естественном языке, различных типов: длинные, короткие, очень короткие. В зависимости от типа документа используется соответствующий метод анализа, который имеет наилучшие показатели точности и полноты при анализе текстовых документов данного типа. В качестве синтаксического анализатора используется парсер MaltParser, обученный на национальном наборе русского языка. Результатом работы всей системы можно считать базу знаний, в которую попадают все извлеченные знания и их отношения. База знаний постоянно пополняется и используется работниками исполнительной и законодательной власти для обработки поступающих запросов.

15. Использование геометрии сцены для увеличения точности детекторов [№1 за 2017 год]
Авторы: Шальнов Е.В., Конушин А.С.
Просмотров: 7863
Ключевым элементом любых систем интеллектуальной видеоаналитики является алгоритм выделения, или детектирования объектов в видео. Недостаточно высокие скорость и точность существующих алгоритмов детектирования являются существенными сдерживающими факторами распространения технологий видеоаналитики. В данной работе предлагается новый алгоритм повышения скорости и точности работы детекторов, основанных на подходе скользящего окна, за счет учета геометрических свойств сцены. В зависимости от расположения камеры относительно сцены для каждой области изображения можно определить, какого размера может быть изображение искомого объекта в данной области. Окна других размеров не могут соответствовать искомым объектам в сцене, поэтому их можно пропускать и за счет этого увеличивать скорость работы детектора. Предлагаемый алгоритм позволяет определить допустимые размеры объекта для каждой области изображения. Сутью алгоритма является нейронная сеть, которая для таких заданных параметров, как калибровка камеры, размер и положение объекта на снимке, определяет, правдоподобна ли данная сцена. Нейронная сеть обучается на множестве синтетических сцен, что позволяет ей работать для произвольных камер. С помощью нейронной сети для каждой видеопоследовательности строится карта допустимых размеров объектов. Детектор затем применяется только к допустимым фрагментам, которые составляют часть от всего множества фрагментов. Экспериментальная оценка предложенного алгоритма на реальных данных показала, что он позволяет повысить скорость работы детектора на 70 % при одновременном увеличении точности его работы.

16. Программный агент определения психологического состояния обучаемого в системах дистанционного обучения [№1 за 2017 год]
Авторы: Е.Л. Хрянин, Швецов А.Н.
Просмотров: 7892
Рассматривается проблема применения программных агентов для оценки психологического состояния студентов в системе дистанционного обучения. Гипотеза исследования: чем лучше психологически материал подходит обучаемому, тем быстрее и качественнее он будет усвоен. Требуется разработать автоматический алгоритм подбора материала. Описывается разработанная система дистанционного обучения, создаваемая более 5 лет и апробированная в одном из государственных вузов. Кратко описана реализация системы дистанционного обучения: схема взаимодействия агентов, основные таблицы БД, реализация серверной и пользовательской частей. Описываются метод и алгоритм определения перцептивной модальности обучаемого в ходе психологического тестирования. Использованы статистические методы для предсказания вероятности входа в систему обучаемым (на основе данных статистики). Предложены весовые коэффициенты частоты использования системы дистанционного обучения обучаемыми для принятия решений агентом определения психологического состояния. Создан алгоритм автоматического решения о необходимости тестирования. Проведено исследование на основе трех групп с участием более 90 человек: контрольная группа, группа с рекомендацией в выборе материала и группа, для которой агент сам выбирает материал. Выведены формулы расчета перцептивной модальности для нескольких последовательных измерений. Приведен пример уточнения расчета при получении противоречивых данных. Эксперимент показал положительные результаты при работе в рекомендательном режиме. С контрольным тестом справились более 61 % обучаемых, а усложненную задачу решили более половины группы (около 42 % и 12 % в контрольной группе соответственно). Сделан вывод о целесообразности применения агента определения психологического состояния в системах дистанционного обучения.

17. Мониторинг частотного ресурса геостационарных спутников-ретрансляторов с использованием энтропии покрытия [№1 за 2017 год]
Авторы: Сухов А.В., Решетников В.Н., Савилкин С.Б.
Просмотров: 7849
Рассмотрен мониторинг радиочастотного спектра для спутников-ретрансляторов, размещаемых на геостационарных орбитах. При этом решена оптимизационная задача обнаружения источников помех при заданных времени поиска и точности определения координат источников помех. Оптимизационная задача решена в целевом информационном пространстве, основанном на энтропии покрытия. Определение местоположения наземных несанкционированных радиопередатчиков выполняется путем анализа временной задержки сигнала и доплеровского смещения частоты сигнала. Местоположение источника помех на поверхности Земли можно определить, используя сигналы передатчика, ретранслируемые через одиночный спутник связи на геостационарной орбите. Небольшой доплеровский сдвиг несущей частоты сигнала, вызванный небольшим перемещением данного спутника на орбите относительно поверхности Земли, можно использовать для расчета местоположения передатчика. В настоящей работе основное внимание сосредоточено на потенциальной точности оценок и выборе эффективного в смысле минимума энтропии покрытия подхода к оптимизации времени измерений. Время сеанса проведения измерений, отношение сигнал/шум и параметры проведения измерений взаимосвязаны между собой. Отношения между реальными и нормативными параметрами измерений использованы в информационной мере – энтропии покрытия. Энтропия покрытия характеризует эффективность систем, которые могут быть представлены вектором показателей эффективности, в соответствии с их целевым применением. Минимальное значение, равное нулю, означает, что нормативные требования выполнены полностью, а положительные значения характеризуют уровень обобщенного несоответствия нормативным требованиям. С использованием энтропии покрытия проведена оценка информационной потенциальной эффективности при обнаружении координат источника помех с использованием эффекта доплеровского сдвига частоты.

18. Статистический анализ результатов испытаний изделий авиационной техники в условиях случайного цензурирования [№1 за 2017 год]
Авторы: Агамиров Л.В., Агамиров В.Л., Вестяк В.А.
Просмотров: 7595
В работе рассматривается методика точечного и интервального оценивания параметров распределений, применяемых при статистическом анализе усталостных испытаний элементов авиационных конструкций на базе метода наименьших квадратов, учитывающая наличие цензурированных наблюдений. Актуальность работы определяется тем, что при решении задачи оценивания параметров распределений характеристик усталостных свойств для статистического анализа результатов усталостных испытаний изделий авиационной техники необходимо учитывать образцы, для которых произошла остановка испытаний до достижения ими критического состояния. Решение данной задачи с использованием известных методов (метода максимального правдоподобия) затруднено из-за немонотонности целевых функций, наличия ряда локальных экстремумов и т.д. Первая часть статьи посвящена методике оценивания параметров распределения наблюдаемой случайной величины для полной выборки, преобразованной из многократно цензурированной (неполной) выборки путем бутстреп-моделирования, основанного на порядковых статистиках. Преобразование исходной случайно цензурированной выборки в квазиполную осуществляется для того, чтобы можно было использовать метод наименьших квадратов для оценки параметров распределения, поскольку этот метод применим только для полных выборок. Во второй части статьи говорится о построении доверительных границ для квантиля распределения наблюдаемой случайной величины. В авиационной технике это применимо для оценки гарантированного ресурса, нормируемого по нижней доверительной границе квантиля долговечности. Авторами разработана методика приведения в общем случае многократно цензурированной неполной выборки к эквивалентной квазиполной выборке, для которой можно использовать метод наименьших квадратов, а следовательно, получить наиболее устойчивые и эффективные оценки с минимальной дисперсией. Таким образом, решена задача точечного и интервального оценивания параметров распределений характеристик усталостных свойств элементов авиационных конструкций с учетом наличия многократно цензурированных наблюдений.

19. Алгоритм детектирования объектов на фотоснимках с низким качеством изображения [№1 за 2017 год]
Автор: Викторов А.С.
Просмотров: 9432
В статье рассматривается набор алгоритмов, применяемых для распознавания объектов определенного класса на фотоснимках с некачественным изображением, полученных с видеокамеры низкого разрешения. Особенностью рассматриваемой методики детектирования объектов является возможность обнаружения объектов, размеры изображений которых на фотоснимках не превышают нескольких десятков пикселей. Исследуемое изо- бражение сканируется скользящим окном, считывающим участки изображения с заданным перекрытием между соседними участками. Сканируемые участки изображения предварительно обрабатываются дискриминативным автокодировщиком, извлекающим вектор признаков из участка изображения, который анализируется мультиклассовым классификатором, построенным на основе вероятностной модели регрессии, на предмет наличия изображения или части изображения объекта. Для каждого сканируемого участка изображения классификатор вычисляет значение вероятности обнаружения детектируемого объекта определенного класса на данном участке. На основании результатов сканирования изображения делается вывод о наличии изображения объекта и о его наиболее вероятном положении на фотоснимке. Для повышения точности обнаружения границ изображения значение вероятности обнаружения детектируемого объекта определенного класса интерполируется для каждого анализируемого пикселя изображения. После детектирования пикселей на основании их распределения на изображении уточняются границы изображения детектируемого объекта. В ходе проведенного исследования было обнаружено, что использование дискриминативного автокодировщика значительно повысило робастность алгоритма детектирования. В статье дано подробное описание процесса обучения и настройки параметров алгоритмов, используемых в процессе детектирования. Результаты данного исследования могут найти широкое применение для автоматизации различных процессов, например для сбора и анализа информации в различных аналитических системах.

20. Автоматический синтаксический анализ китайских предложений при ограниченном словаре [№1 за 2017 год]
Авторы: Юй Чуцяо, Бессмертный И.А.
Просмотров: 7331
В работе обсуждается проблема автоматического анализа естественно-языковых текстов на китайском языке. Одной из актуальных задач в этой области является автоматическое извлечение из текстовых документов фактов по запросу, поскольку автоматические переводчики здесь практически бесполезны. Целью работы является прямое извлечение фактов из текстов на языке оригинала без его перевода. Для этого предлагается подход на основе синтаксического анализа предложений анализируемого текста с последующим сопоставлением найденных частей речи с формализованным запросом в форме субъект–предикат–объект. Отличительная особенность предложенного алгоритма синтаксического анализа – отсутствие фазы сегментации последовательности иероглифов, составляющих предложения, на слова. Узким местом при решении данной задачи является словарь, поскольку при отсутствии слова в словаре правильная интерпретация фразы может быть невозможна. Для преодоления этой проблемы в работе предлагается идентификация модели предложения по служебным словам, а ограниченность словаря устраняется предварительным автоматическим построением тезауруса предметной области и словаря общеупотребительных слов на основе статистической обработки корпуса документов. Апробация предложенного подхода выполнена на небольшой предметной области и с ограниченным словарем, где данный метод показал свою работоспособность. Проведен также анализ временных характеристик разработанного алгоритма. Поскольку для синтаксического анализа используется метод простого перебора, скорость работы парсера на реальных задачах может оказаться неприемлемо низкой, что должно стать темой дальнейших исследований.

← Предыдущая | 1 | 2 | 3 | Следующая →