Программные продукты и системы

Статьи из выпуска № 4 за 2025 год.

Упорядочить результаты по: Дате публикации | Заголовку статьи | Авторам

1. 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: 2267
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.

2. Автоматический синтез интеллектуальных регуляторов на основе алгоритма самоорганизации робастных баз знаний [№4 за 2025 год]
Автор: Игнатьев В.В.
Просмотров: 3917
В данной статье приводится описание разработанной программы, автоматизирующей синтез интеллектуальных регуляторов на основе алгоритма самоорганизации робастных баз знаний. Описан принцип реализации рассматриваемых интеллектуальных регуляторов, которые предназначены для достижения эффективного управления техническими объектами. Целевыми объектами управления являются такие, которые могут быть описаны линейными или нелинейными математическими моделями первого, второго, третьего порядка, в том числе с запаздыванием, и функционирующие в условиях неопределенности. В качестве неопределенностей рассматриваются несколько ее типов – изменение параметров объектов управления, внешние возмущения и лингвистическая неопределенность. Все перечисленные типы учитываются в программе. Она разработана на основе нового математического аппарата, выраженного в соответствующих методах и алгоритмах, реализованных в интеллектуальном регуляторе, обеспечивающем желаемое качество управляющих воздействий на объект, который функционирует в условиях неопределенности. Основу программы составляют научные решения по гибридному проектированию базы правил интеллектуального регулятора, в котором классический регулятор является источником знаний для нечеткого регулятора. На основе полученных знаний происходит синтез нечеткого регулятора с его обучением с помощью нейросети и генетического алгоритма. Сгенерированная новая система нечеткого вывода позволяет получать желаемое управление рассматриваемыми классами объектов. Продемонстрированы результаты работы созданной программы для неустойчивого нелинейного технического объекта третьего порядка. Полученные результаты моделирования позволяют говорить о возможности применения программы для проектирования базы правил интеллектуального регулятора, которая синтезируется автоматически с учетом его структуры. Исходный код про-граммы написан на языке программирования MATLAB и полностью совместим со всеми инструментами данной среды для проектирования систем нечеткой логики, используемых автором в интеллектуальных регуляторах.

3. Генерация и исследование коммуникационных протоколов с помощью NK-автоматов и их модификаций [№4 за 2025 год]
Авторы: Кольчугина Е.А., Стежка В.А.
Просмотров: 3495
Предметом анализа являются методы и алгоритмы, которые позволяют интеллектуальным устройствам исследовать и осваивать коммуникационные протоколы распределенных инфокоммуникационных систем и сред. В качестве научного подхода был выбран эволюционный метод построения NK-автоматов и их модификаций. Цель состояла в том, чтобы получить NK-автомат, способный воспроизводить последовательность пакетов протокола TCP через последовательность своих состояний. Эта последовательность должна быть корректной с точки зрения готового общедоступного эхо-сервера TCP и подходящей для передачи данных в ходе TCP-сессии. Создание такого автомата означает, что интеллектуальное устройство обучилось протоколу TCP. Для достижения этой цели были разработаны модификация классического NK-автомата, TCP-NK-автомат, а также ПО для имитации его работы. В отличие от других модификаций предложенная версия моделирует не активную программную структуру, а пассивную структуру данных – TCP-пакет. В ходе экспериментов с созданным ПО удалось получить экземпляры автоматов, которые генерировали правильные последовательности пакетов протокола TCP, имитируя TCP-сессию, что свидетельствует об успешном обучении. Полученные результаты способны обеспечить совместимость различных устройств через их обучение новым протоколам без использования нейросетей, позволяют обойтись без использования брокеров, представляют возможность исследования и обратного инжиниринга ранее неизвестных протоколов.

4. Динамическое прогнозирование оптимального распределения ресурсов на основе принципа продолжения траекторий [№4 за 2025 год]
Авторы: Коковкин Д.А., Семенов Н.А.
Просмотров: 3173
Проблема распределения ресурсов в общем полностью изучена и решена как задача математического программирования. При этом динамический подход находится на стадии разработки. В статье предпринята попытка построения алгоритма динамического прогнозирования распределения ресурсов. Классическая вариационная задача сведена к задаче оптимального управления ресурсами и решена с помощью принципа продолжения траекторий. Задача о прогнозировании является линейной по управляющему воздействию, ее важная характеристика – легкость определения вершин. Ее применение актуально, так как нужно постоянно решать задачи линейного программирования. В ходе исследования был использован подход, который опирается на правило LIFO и существенно облегчает и ускоряет процедуру обхода граней многогранника. Научная новизна метода заключается в комбинации динамического подхода с правилом LIFO, что позволяет сократить вычислительные затраты и повысить точность прогнозирования. Метод демонстрирует свою эффективность в динамических условиях, позволяя адаптировать стратегию управления в ответ на изменения состояния системы. Представлена модульная схема программы оптимизации, иллюстрирующая алгоритмически-модульную реализацию метода, что помогает лучше понять процесс и последовательность шагов. Предложена концепция оптимального решения задачи. Статья подчеркивает важность комплексного подхода к управлению ресурсами и предлагает новые перспективы для дальнейших исследований. Это позволяет говорить о возможности создания более гибкой и адаптивной системы управления ресурсами, способной оперативно реагировать на изменения внешних условий и требований. В свою очередь, это может привести к повышению эффективности использования ресурсов и к улучшению результатов деятельности в различных областях.

5. Инкрементная разметка рукописных архивных дневников XIX века [№4 за 2025 год]
Авторы: Местецкий Л.М., Зыков В.П.
Просмотров: 2014
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.

6. Искусственный интеллект и машинное обучение в диагностировании заболеваний легких: обзор программного обеспечения [№4 за 2025 год]
Автор: Бариев И.И.
Просмотров: 2514
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.

7. 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: 2989
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.

8. Моделирование режимов управления бортовыми космическими летающими роботами в системах виртуального окружения [№4 за 2025 год]
Авторы: Страшнов Е.В., Кононов Д.А.
Просмотров: 3226
В работе рассматривается задача управления моделями бортовых космических летающих роботов в виртуальной среде. Для ее решения предлагаются методы, основанные на командном, полуавтоматическом и супервизорном режимах управления роботом. Эти режимы характеризуют степень участия человека-оператора в процессе управления. При командном режиме оператор воздействует на органы управления для выполнения команд, каждая из которых отвечает за движение соответствующей части робота. Полуавтоматический способ предполагает участие оператора в управлении только рабочим органом манипулятора. В супервизорном режиме оператор задает команды, по каждой из которых робот совершает некую последовательность действий, и контролирует ход их выполнения. Предлагаемые подходы управления реализованы в рамках решения задач навигации внутри виртуального пространства, захвата поручня манипулятором робота внутри космической станции и стыковки с док-станцией. Были задействованы решения, включающие построение пути движения робота, расчет инверсной кинематики, обеспечение обратной связи по показаниям виртуальных датчиков и вычисление магнитной силы для его удержания во время стыковки с док-станцией. Апробация разработанных подходов проводилась в программном комплексе виртуального окружения VirSim на примере управления виртуальной моделью летающего космического робота с применением реального джойстика. Результаты моделирования показали, что наиболее подходящим решением для космической отрасли является супервизорный режим, в то время как командный и полуавтоматический применимы для решения нетиповых задач под полным контролем человека. Проведен анализ движения летающих роботов при их моделировании в виртуальном окружении. Практическая значимость полученных в статье результатов заключается в возможности сформировать экспертное мнение о применении роботов и методов управления ими для решения различных задач внутри космических модулей.

9. Моделирование сложных технических систем на основе гиперграфов для определения взаимодействий агентов [№4 за 2025 год]
Автор: Зяблова Е.Р.
Просмотров: 3904
В работе отмечается целесообразность использования GH-графов и GH-гиперграфов для моделирования сложных технических систем. Приводится описание программного комплекса моделирования взаимодействия объектов сложных систем с использованием языка Python. Программный комплекс содержит модули динамической визуализации графовой модели на основе графа и вычисления характеристик графа, модули реализации алгоритмов пропорционального разделения графа и поиска кратчайших путей. Для представления графовых структур применяется формат JSON. Данная статья является развитием предыдущих работ автора, где GH-граф определен как нечеткий граф с разнотипными вершинами и множественными разнотипными связями. К преимуществам GH-графа относятся возможность представления разнотипных отношений в сложных системах и уменьшение времени вычисления ряда характеристик за счет использования множественных связей в виде вектора, позволяющих объединить разнотипные связи. Предложена модификация GH-гиперграфа, которая заключается в интеграции GH-графа в гиперграф; GH-гиперграф обладает преимуществами GH-графа и дополнительно допускает использование разнотипных гиперребер и множественных разнотипных связей между вершиной и гиперребром. Это позволяет представить объекты (группы объектов) разных типов, разнотипные отношения между объектом и группой объектов системы и уменьшить время анализа системы. На примере заданной системы охраны протяженного периметра показаны возможности моделирования взаимодействия объектов на основе GH-графов и GH-гиперграфов. В качестве практического примера рассматривается решение задачи формирования зон влияния объектов системы. Метод решения включает этапы моделирования системы и вычисления метрик GH-модели и/или ее частей. Результаты экспериментов показали уменьшение времени вычисления метрик таких моделей размерностью до 1 000 вершин не менее чем в 1,3 раза по сравнению с моделями, допускающими только разнотипные связи между вершинами. Развитие предложенного метода возможно за счет решения задач классификации и прогнозирования с использованием предсказательных моделей на основе объяснимых графовых или гиперграфовых нейронных сетей.

10. Нейросетевая диагностика произношения на английском языке. Разработка веб-сервиса [№4 за 2025 год]
Авторы: Дорохин М.А., Чернышев С.А.
Просмотров: 2529
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.

| 1 | 2 | Следующая → ►