Программные продукты и системы

Статьи из выпуска № 4 за 2025 год.

Упорядочить результаты по: Дате публикации | Заголовку статьи | Авторам

11. Искусственный интеллект и машинное обучение в диагностировании заболеваний легких: обзор программного обеспечения [№4 за 2025 год]
Автор: Бариев И.И.
Просмотров: 2610
Работа посвящена обзору программных продуктов, использующих искусственный интеллект и машинное обучение в диагностировании рентгеновских изображений. Рутинный просмотр большого объема изображений значительно увеличивает усталость врача и потенциально повышает риск диагностических ошибок. Использование автоматизированных систем позволяет снизить нагрузку, обеспечивая предварительный анализ и выделение патологий, что способствует более точной и своевременной постановке диагноза. Современные программы на базе искусственного интеллекта и машинного обучения могут обнаруживать различные патологии, такие как туберкулез, пневмония, опухоли, с точностью, сопоставимой или превосходящей результаты опытных радиологов. Автоматизированные инструменты позволяют ускорить процесс анализа больших объемов данных, что важно в условиях высокой нагрузки, например, при эпидемических вспышках, когда своевременность диагностики критична для контроля распространения болезни. При таком подходе автоматизированные системы могут играть роль помощников, позволяя выполнять предварительный анализ и в дальнейшем привлекать к окончательному заключению экспертов в сложных диагностических случаях. Эти факторы обусловливают появление различных программных продуктов, решающих задачи диагностирования по рентгеновским изображениям легких. В работе рассмотрены наиболее используемые отечественные и зарубежные программные продукты, а также российские узко-специализированные программы, зарегистрированные в ФИПС. Оценена точность классификации заболеваний. Также приведены усредненные значения основных диагностических метрик, такие как чувствительность и специфичность. Выявлены программы, имеющие наилучшие метрики диагностирования заболеваний.

12. Построение маршрутов перемещения с помощью аппарата клеточных автоматов решетчатых газов [№4 за 2025 год]
Авторы: Мендуров С.А., Бойкова А.В.
Просмотров: 1976
Рассмотрены основные подходы к решению задачи построения маршрута: на основе графов, на основе клеточной декомпозиции, потенциальных полей, оптимизационные методы и методы на интеллектуальных алгоритмах. Выявлены общие и частные недостатки каждого из существующих методов поиска маршрута. В различных прикладных областях в условиях динамичной обстановки построение маршрутов по пересеченной местности становится все более актуальным. На качество и оперативность принятия решения отрицательно влияют неполнота, неточность и противоречивость исходной информации. Целью данной статьи является автоматизация процесса принятия решения на перемещение транспортной платформы на основе метода клеточного автомата решетчатых газов. Для этого разработан метод, построенный на клеточной декомпозиции, для решения задач перемещения объектов интереса в районах с затрудненной проходимостью. Каждая клетка в решетке представляет собой участок местности, который может иметь различные характеристики: проходимость, наличие препятствий и другие параметры. Она также может изменять их в зависимости от текущей ситуации, складывающейся на маршруте. Разбиение пространства на управляемые участки упрощает процесс планирования маршрута. В основе решетчатого газа лежит аналогия с поведением молекул. Каждая клетка может взаимодействовать с соседними, что позволяет представить движение объектов интереса как случайный процесс. Заявленный подход обеспечивает формирование оптимального маршрута, учитывающего динамические изменения в окружающей среде. Представлены результаты имитационного моделирования, подтверждающие адаптацию разработанного алгоритма для решения задачи в динамически изменяющейся среде, имеющей разную проходимость, в режиме реального времени. Применение предложенного метода возможно для планирования доставок груза по пересеченной местности, устранения чрезвычайных ситуаций, использования беспилотных систем.

13. Инкрементная разметка рукописных архивных дневников XIX века [№4 за 2025 год]
Авторы: Местецкий Л.М., Зыков В.П.
Просмотров: 2101
В статье рассматривается проблема подготовки данных для машинного обучения алгоритмов распознавания старых рукописных текстов. Исследование построено на архивных материалах дневников XIX века, составляющих национальное культурное наследие. В современных архивах хранятся дневники, содержащие тысячи электронных копий страниц, полученных путем сканирования бумажных рукописей. Особые свойства этих документов – высокий культурный уровень авторов, большие объемы рукописей, единый почерк, единый стиль форматирования текста. Для обучения алгоритмов распознавания требуется подготовить разметку рукописи, состоящую в максимально точном дословном переводе некоторой части текста. Такой перевод выполняется экспертом-асессором высокой квалификации, специалистом по творческому наследию автора дневника. Но даже для него разметка – весьма трудоемкий, наиболее затратный по времени элемент процесса автоматизации работы с архивными рукописными текстами. Целью данного исследования является разработка новой технологии работы эксперта-асессора, позволяющей существенно сократить трудозатраты на разметку рукописных дневников. Предлагается подход, основанный на итерационном наращивании массива размеченных данных небольшими последовательными порциями. Точная разметка очередной порции рукописи получается в два этапа. Сначала выполняется ее автоматическая расшифровка обученным ранее алгоритмом, после чего эксперт делает точный подстрочный перевод, исправляя в режиме редактирования ошибки алгоритма расшифровки. Полученная экспертом точная разметка используется далее для очередной итерации обучения алгоритма. Предложенный подход реализован в виде программного комплекса «Подстрочник», предназначенного для работы специалиста-гуманитария. Программа поддерживает полный цикл операций по разметке данных для обучения алгоритмов расшифровки рукописного текста: автоматический перевод и последующее его редактирование для получения точной разметки, дообучение. Программа прошла практическую проверку при работе с дневниками Ф.П. Литке и А.В. Сухово-Кобылина.

14. Классификация воздушных целей в РЛС на основе нейросетевой модели с расширенным признаковым пространством [№4 за 2025 год]
Авторы: Минаков Е.И., Грачев А.Н., Башеров М.С., Шпрехер Д.М.
Просмотров: 3126
Предметом исследования является автоматическая классификация объектов радиолокационного наблюдения в обзорных импульсно-доплеровских РЛС. Они функционируют в условиях ограниченного времени наблюдения, высокой плотности помех и значительного перекрытия признаковых пространств между объектами различной физической природы. Особое внимание уделено распознаванию малоразмерных и слабоотражающих целей с неэффективной поверхностью рассеяния, таких как беспилотные летательные аппараты и птицы. Предложен подход, основанный на использовании нейросетевого классификатора типа многослойного перцептрона прямого распространения, обучаемого на расширенном признаковом пространстве, включающем кинематические, статистические и амплитудные характеристики. Для повышения обобщающей способности модели использована комбинированная обучающая выборка, включающая реальные траектории, синтетически сгенерированные данные с применением методов аугментации и результаты статистического моделирования. Статистические признаки рассчитывались в скользящем временном окне. Точность классификации по итогам тестирования составила 96 %, при этом устойчивость модели к шумам и вариативности траекторных данных была подтверждена эмпирически. Проведен комплексный анализ значимости признаков: на этапе проектирования сети выполнена априорная оценка их информативности, а после обучения реализован апостериорный анализ их вкладов с использованием модифицированного алгоритма Гарсона. Полученные результаты позволили обосновать минимально необходимый и физически интерпретируемый состав признаков, обеспечивающий максимальную селективность модели при допустимой вычислительной сложности. Все этапы построения модели, формирования признакового пространства и обучения реализованы в среде MATLAB с использованием пакетов Neural Network Toolbox, Deep Learning Toolbox и Signal Processing Toolbox. Это позволило обеспечить воспроизводимость, адаптивность и техническую применимость разработанного решения. Практическая значимость работы заключается в возможности интеграции разработанного алгоритма в существующие РЛС без необходимости глубокой аппаратной модернизации, что делает данный подход актуальным для задач адаптивного распознавания в условиях реального времени.

15. Автоматизированное формирование образовательных видеоматериалов на основе модульной системы цифрового двойника преподавателя [№4 за 2025 год]
Авторы: Леонов А.Г., Мащенко К.А., Мартынов Н.С., Пчелин К.К., Шляхов А.В.
Просмотров: 2356
В статье представлена система персонального цифрового двойника преподавателя для автоматизированного формирования и актуализации обучающих видеоматериалов в цифровой образовательной платформе. Предложенная архитектура системы состоит из набора взаимосвязанных модулей, каждый из которых решает специализированную задачу и обеспечивает гибкость и масштабируемость решения. На первом этапе автоматическое распознавание речи реализовано с использованием открытой мультиязычной модели Whisper. Это позволяет обрабатывать исходные аудиоданные без предварительного дообучения под конкретный домен данных. Далее извлеченный текст обрабатывается универсальным препроцессором, обеспечивающим нормализацию числительных, предсказание ударений в словах и транскрипцию в международный фонетический алфавит. Для синтеза речи применяется модифицированная версия архитектуры CoquiTTS, поддерживающая zero-shot клонирование голоса по короткому образцу речи преподавателя. Формирование визуальной составляющей обеспечивается модулем LivePortrait, генерирующим реалистичный видеопортрет преподавателя по предоставленной им фотографии. Синхронизация движений губ – синтезированным аудиомодулем LipSync, что повышает воспринимаемое качество видео. Завершающим этапом является автоматическая сборка презентации с интеграцией полученных системой видеофрагментов. В работе проведен сравнительный анализ альтернативных архитектур для каждого модуля, выделены критерии оценки качества синтезированной речи и видеогенерации, а также описаны особенности разработки русскоязычного текстового препроцессора. Экспериментальные результаты показывают сокращение трудозатрат преподавателя на создание и обновление обучающих материалов более чем на 70 % при сохранении их высокого уровня естественности. Обсуждены ограничения текстовой обработки формул и сокращений, а также рассмотрены перспективы оптимизации скорости работы модуля LipSync.

16. Программно-алгоритмическая поддержка интеллектуальных систем управления на технологиях мягких вычислений [№4 за 2025 год]
Авторы: Решетников А.Г., Ульянов С.В.
Просмотров: 2778
В работе представлен первый этап проектирования встраиваемых самоорганизующихся интеллектуальных систем управления с применением программного инструментария QSCIT. Он основан на технологии мягких вычислений SCOptKBTM и предназначен для проектирования робастных баз знаний в самоорганизующихся интеллектуальных системах управления. В качестве объекта интеллектуализации рассматривается управление давлением азота в криогенной установке испытательного стенда сверхпроводящих магнитов соответствующей фабрики. Такой магнит исследуется как объект управления с плохо формализованной структурой и с многими скрытыми параметрами в модели технологического процесса охлаждения. Основу интеллектуального управления составляет информационно-термодинамический закон оптимального распределения качественных характеристик управления, таких как устойчивость, управляемость и робастность. Описаны функционирующая установка и технологический процесс управления. Формирование базы знаний осуществляется на основе извлечения знаний из обучающего сигнала. Получить его без использования математической модели объекта управления позволяет применение генетического алгоритма. Подробно рассматривается технология проектирования встраиваемых нечетких регуляторов на основе физически измеряемого сигнала обучения. Приводится описание процесса извлечения обучающего сигнала с применением генетического алгоритма на реальной установке. Представлено разработанное ПО, используемое в системе TANGO Controls, для настройки и управления экспериментальными установками. В статье дано сравнение нечетких регуляторов, разработанных с использованием программного инструментария «Оптимизатор баз знаний» с классическим ПИД-регулятором. Представлены преимущества и ограничения применения технологии на мягких вычислениях.

17. Формирование контента единого цифрового пространства научных знаний на базе веб-ориентированного программного комплекса [№4 за 2025 год]
Авторы: Власова С.А., Калёнов Н.Е., Сотников А.Н.
Просмотров: 2358
В статье рассматриваются вопросы, связанные с исследованиями в области формирования единого цифрового пространства научных знаний (ЕЦПНЗ). Оно представляет собой общедоступную цифровую среду, объединяющую информацию о различных объектах, связанных с наукой. В качестве таких объектов может выступать цифровая копия физической сущности (текст книги, архивный документ, музейный предмет), база данных, сведения об ученом, научном мероприятии, научном факте и т.п. ЕЦПНЗ строится как система связанных данных с использованием принципов Semantic Web и онтологического подхода. Работа посвящена вопросам формирования контента под-пространств, входящих в состав ЕЦПНЗ. Приводится общая блок-схема алгоритма ввода данных в подпространство, основанного на сформированной онтологии (совокупность справочников атрибутов, связей объектов и статических словарей значений атрибутов и связей), и описывается реализующий алгоритмы диалоговый программный комплекс. Алгоритмы формирования контента тематического подпространства базируются на анализе объектов вспомогательного класса Форматы, относящегося к универсальному подпространству. Они служат основой для построения сценария диалога ввода данных и реализации автоматического формально-логического контроля вводимой информации. Разработанный программный комплекс создан с использованием технологии Microsoft ASP.NET на платформе Microsoft.NET Framework на языке C#. Он включает четыре модуля: формирование словарей объектов, формирование связей между объектами и атрибутами объектов, редактирование словарей, просмотр объектов. Для каждого модуля описан сценарий диалога, приведены примеры его реализации, иллюстрированные скриншотами.

18. Нейросетевая диагностика произношения на английском языке. Разработка веб-сервиса [№4 за 2025 год]
Авторы: Дорохин М.А., Чернышев С.А.
Просмотров: 2639
В статье рассматривается разработка веб‑сервиса для коррекции произношения английского языка при помощи нейросетевого распознавания фонем. Предметом исследования является автоматическая оценка фонематической точности речи обучающегося и предоставление ему визуальной обратной связи о найденных ошибках. Для решения поставленной задачи использованы методы глубокого обучения: предварительно обученный ASR‑модуль на базе Wav2Vec 2.0 преобразует аудиосигнал в последовательность фонем, а последующий классификатор сравнивает полученную транскрипцию с эталонной (генерируемой при помощи фонематической модели языка). При обнаружении несоответствий система выделяет неверные звуки цветом и предлагает пользователю повторить произношение. В качестве метода исследования применялись экспериментальные подходы к сбору специализированного набора данных, содержащего записи с ошибками произношения на уровне отдельных фонем. Для оценки качества модели использовались стандартные метрики точности и расстояние Левенштейна. Полученные результаты показали, что предложенная система достигает более 90 % точности распознавания корректных фонем. Практическая значимость работы проявляется в возможности интеграции сервиса в онлайн‑курсы и приложения по изучению иностранных языков, а также в предоставлении индивидуальной обратной связи для улучшения качества речи учащихся.

◄ ← Предыдущая | 1 | 2