ISSN 1991-2927
 

АПУ № 2 (56) 2019

Автор: "Михеев Александр Вячеславович"

УДК 004.852

Михеев Александр Вячеславович, Ульяновский областной центр новых информационных технологий при УлГТУ, окончил Ульяновский государственный технический университет. Программист Ульяновского областного центра новых информационных технологий при УлГТУ. Область научных интересов - машинное обучение. [e-mail: a.miheev@simcase.ru]А.В. Михеев,

Святов Кирилл Валерьевич, Ульяновский государственный технический университет, кандидат технических наук, окончил УлГТУ. Декан факультета информационных систем и технологий УлГТУ. Имеет 40 статей, 3 монографии, учебное пособие, 4 свидетельства о регистрации программы для ЭВМ. Область научных интересов - машинное обучение и робототехника. [e-mail: k.svyatov@ulstu.ru]К.В. Святов,

Канин Даниил Павлович, Ульяновский государственный технический университет, студент факультета информационных систем и технологий УлГТУ, кафедра «Вычислительная техника». Победитель соревнований по робототехнике. Область научных интересов - машинное обучение. [e-mail: dan-kan@mail.ru]Д.П. Канин,

Сухов Сергей Владимирович, Ульяновский филиал Института радиотехники и электроники им. В.А. Котельникова РАН, кандидат физико-математических наук, окончил филиал Московского государственного университета им. М.В. Ломоносова в г. Ульяновске. Старший научный сотрудник Ульяновского филиала Института радиотехники и электроники им. В.А. Котельникова РАН. Имеет монографию, 70 статей, 2 патента на изобретения. Область научных интересов: оптика, вычислительная нейробиология, машинное обучение. [e-mail: ssukhov@knights.ucf.edu]С.В. Сухов,

Тронин Вадим Георгиевич, Ульяновский государственный технический университет, кандидат технических наук, окончил УлГТУ. Доцент кафедры «Информационные системы» УлГТУ. Имеет более 50 публикаций, учебное пособие. Область научных интересов: управление проектами, наукометрия, теория решения изобретательских задач. [e-mail: v.tronin@ulstu.ru]В.Г. Тронин

Сегментация сцен в задачах навигации автономного автомобиля с использованием нейросетевых моделей с вниманием55_5.pdf

В статье рассматривается процесс проектирования программного модуля для распознавания дорожных знаков. Данный модуль предназначен для использования в автоматизированной системе управления беспилотным автомобилем и разрабатывается в Ульяновском государственном техническом университете.Одной из главных задач, решаемых при создании систем технического зрения, в том числе для беспилотного транспорта, является создание размеченной выборки, достаточной для обучения нейросетевых моделей. При этом в задаче семантической сегментации сцены подготовка большой выборки может потребовать значительных трудозатрат на «ручную» разметку. В статье рассмотрена модель сверточной сети с мягким механизмом внимания. Данная сеть обучена задаче классификации с возможностью извлечения из внутреннего состояния маски внимания, которую можно использовать для семантической сегментации изображения. Подобный подход позволяет существенно снизить затраты на разметку данных.

Искусственный интеллект, нейронные сети, машинное обучение, компьютерное зрение, сети с вниманием.

2019_ 1

Рубрика: Информационные системы

Тематика: Информационные системы, Искусственный интеллект.



УДК 004.852

Михеев Александр Вячеславович, Ульяновский государственный технический университет, окончил Ульяновский государственный технический университет. Программист Ульяновского областного центра новых информационных технологий при УлГТУ. Область научных интересов - машинное обучение. [e-mail: a.miheev@simcase.ru]А.В. Михеев,

Святов Кирилл Валерьевич, Ульяновский государственный технический университет, кандидат технических наук, окончил УлГТУ. Декан факультета информационных систем и технологий УлГТУ. Опубликовано 40 статей, 3 монографии, 1 учебное пособие, получено 4 свидетельства о регистрации программы для ЭВМ. Область научных интересов - машинное обучение и робототехника. [e-mail: k.svyatov@ulstu.ru]К.В. Святов,

Сухов Сергей Владимирович, Ульяновский филиал Института радиотехники и электроники им. В.А. Котельникова РАН, кандидат физико-математических наук, окончил филиал Московского государственного университета им. М.В. Ломоносова в г. Ульяновске. Старший научный сотрудник Ульяновского филиала Института радиотехники и электроники им. В.А. Котельникова РАН. Опубликованы 1 монография, 70 статей, получено 2 патента на изобретения. Область научных интересов - оптика, вычислительная нейробиология, машинное обучение. [e-mail: ssukhov@knights.ucf.edu]С.В. Сухов,

Канин Даниил Павлович, Ульяновский государственный технический университет, студент факультета информационных систем и технологий УлГТУ, победитель соревнований по робототехнике. Область научных интересов - машинное обучение. [e-mail: dan-kan@mail.ru]Д.П. Канин,

Акимов Яков Андреевич, Ульяновский государственный технический университет, студент факультета информационных систем и технологий УлГТУ, победитель соревнований по робототехнике. Область научных интересов - машинное обучение. [e-mail: yasha.akimov.73@gmail.com]Я.А. Акимов,

Волков Павел Михайлович, Ульяновский государственный технический университет, студент факультета информационных систем и технологий УлГТУ, победитель соревнований по робототехнике. Область научных интересов - машинное обучение. [e-mail: p.vollkkoff@yandex.ru]П.М. Волков

Изменение освещения сцен при помощи каскада нейронных сетей54_7.pdf

В статье рассматривается процесс моделирования искусственного освещения поверхностей с учетом теней на выпуклых и вогнутых поверхностях с использованием методов машинного обучения и методов работы с трехмерными объектами.Несмотря на многообразие приложений для обработки фотографий (LightRoom, Photoshop, Snapchat, Instagram и многие другие), есть проблема, связанная с корректным моделированием освещения на поверхностях, обусловленная свойствами самого формата данных фотографии. Во-первых, фотография двумерная и содержит лишь косвенную информацию о трехмерных объектах, изображенных на ней. Во-вторых, фотография фиксирует определенное состояние объектов с определенным набором свойств, которых недостаточно для моделирования теней и освещения в других состояниях. Недостающую информацию трудно воссоздать классическими алгоритмами или эвристиками из-за большого количества параметров объектов для распознавания на фотографии и их возможных комбинаций. Однако методы машинного обучения способны аппроксимировать очень сложные функциональные связи на основе обучающих выборок. В данной статье описывается решение задачи моделирования искусственного освещения и теней на фотографии с использованием нескольких нейронных сетей, обученных на синтетических данных.

Искусственный интеллект, нейронные сети, машинное обучение, компьютерное зрение.

2018_ 4

Рубрика: Искусственный интеллект

Тематика: Искусственный интеллект.


УДК 004.852

Святов Кирилл Валерьевич, Ульяновский государственный технический университет, кандидат технических наук, окончил Ульяновский государственный технический университет. Декан факультета информационных систем и технологий УлГТУ. Имеет статьи, монографии, учебное пособие и свидетельства о регистрации программы для ЭВМ. Область научных интересов - машинное обучение и робототехника. [e-mail: k.svyatov@ulstu.ru]К.В. Святов,

Михеев Александр Вячеславович, Ульяновский областной центр новых информационных технологий при УлГТУ, окончил УлГТУ, программист Ульяновского областного центра новых информационных технологий при УлГТУ. Область научных интересов - машинное обучение. [e-mail: a.miheev@simcase.ru]А.В. Михеев,

Шлямов Максим Андреевич, Ульяновский государственный технический университет, студент факультета информационных систем и технологий УлГТУ. Область научных интересов - машинное обучение. [e-mail: m.shlyamov@simcase.ru]М.А. Шлямов

Программный комплекс визуального мониторинга грузоперевозок53_7.pdf

В статье рассматривается процесс проектирования и реализации программного комплекса для контроля полноты загрузки грузового транспорта при проезде контрольных пунктов с использованием алгоритмов технического зрения и методов машинного обучения. Контроль полноты загрузки используется в рамках государственного надзора за эксплуатацией российских дорог, а также контроля объема перевозимого груза в частных компаниях при исполнении заказов в рамках услуг по грузоперевозке. В статье рассматривается задача контроля объема перевозимого груза в грузовых автомобилях с открытым бортом, при этом в качестве груза рассматривается сыпучий нерудный материал (песок, щебень, уголь). В настоящее время задача весового контроля автомобильных грузоперевозок решается в большинстве случаев с использованием весов. Также известны решения с использованием ультразвуковых датчиков расстояния, которые генерируют сигнал, соответствующий форме автомобиля при проезде под несколькими такими датчиками. Однако данные решения достаточно дороги в установке, не учитывают разницу в сигналах в случае использования разных типов или моделей автомобилей на одном маршруте перевозки. Кроме того, масса не всегда отражает полноту загрузки кузова, т. к. некоторые материалы при малом объеме весят гораздо больше полезного груза. А при разных погодных условиях (при повышенной влажности, например) масса определенных грузов может существенно изменяться в пределах 15%. При этом эффективность перевозок оценивается из расчета минимально возможного количества проездов для вывоза груза заданного объема. Решить задачу контроля объема перевозимого сыпучего груза представляется возможным с использованием системы технического зрения. Описанию разработки такой системы и посвящена данная статья.

Автоматизированное проектирование, искусственный интеллект, нейронные сети, машинное обучение, компьютерное зрение.

2018_ 3

Рубрика: Информационные системы

Тематика: Информационные системы, Искусственный интеллект.


УДК 004.415.2

Шишкин Вадим Викторинович, Ульяновский государственный технический университет, кандидат технических наук, доцент, окончил радиотехнический факультет Ульяновского политехнического института. Профессор кафедры «Измерительно-вычислительные комплексы» Ульяновского государственного технического университета, декан факультета информационных систем и технологий УлГТУ. Имеет статьи в области автоматизации проектирования промышленных изделий, а также интеллектуального анализа данных. [e-mail: shvv@ulstu.ru]В.В. Шишкин,

Стенюшкин Денис Игоревич, Ульяновский государственный технический университет, окончил факультет информационных систем и технологий УлГТУ. Аспирант кафедры «Измерительно-вычислительные комплексы» УлГТУ. Имеет статьи в области автоматизации проектирования промышленных изделий, а также интеллектуального анализа данных. [e-mail: denisstenyushkin@yandex.ru]Д.И. Стенюшкин,

Михеев Александр Вячеславович, Ульяновский государственный технический университет, окончил факультет информационных систем и технологий УлГТУ. Аспирант кафедры «Измерительно-вычислительные комплексы» УлГТУ. Имеет статьи в области проектирования измерительно-вычислительной техники, а также интеллектуального анализа данных. [e-mail: sr.alex.anderson@gmail.com]А.В. Михеев

Автоматизация проектирования нейросетевых классификаторов37_14.pdf

В статье описана система моделей и методов автоматизированного проектирования нейросетевых классификаторов, основанная на замкнутом цикле с обратной связью в виде анализа накопленного опыта. Цель такой системы - сокращение сроков проектирования классификаторов. В качестве формализма для описания накопленного опыта применено пространство, каждая точка которого соответствует набору параметров классификатора - пространство параметров. Данное пространство формируется параметрами, значение которых определяется на протяжении всего жизненного цикла классификатора: от постановки задачи до процесса эксплуатации. Выбранный формализм позволяет формулировать накопленный опыт и операции по его анализу в терминах множеств и операций над ними, что повышает наглядность и облегчает автоматизацию данных процессов. Анализ накопленного опыта, основанный на сравнении проекций точек пространства параметров на определенные направления, позволяет выявить проектные решения, пригодные для повторного применения. Такие решения включают архитектуры классификаторов, параметры архитектуры и веса входов нейронов. Использование отобранных значений параметров в качестве начальных при обучении и настройке нового классификатора позволило добиться сокращения времени, затрачиваемого на эти процессы, на 15%.

Нейросетевые классификаторы, проектирование классификаторов, пространство параметров, замкнутый цикл проектирования.

2014_ 3

Рубрика: Системы автоматизации проектирования

Тематика: Системы автоматизации проектирования, Информационные системы.


© ФНПЦ АО "НПО "Марс", 2009-2018 Работает на Joomla!