Radio Electronics, Computer Science, Control
Not a member yet
1174 research outputs found
Sort by
ТЕХНОЛОГІЯ ІНТЕЛЕКТУАЛЬНОГО АНАЛІЗУ ВІДЕОПОТОКУ ДЛЯ АВТОМАТИЧНОГО РОЗПІЗНАВАННЯ ЦІЛЕЙ СИСТЕМИ КЕРУВАННЯ ВОГНЕМ НА ОСНОВІ МАШИННОГО НАВЧАННЯ
Get PDFContext. Target recognition is a priority in military affairs. This task is complicated by the fact that it is necessary to recognize moving objects, different terrain and landscape create obstacles for recognition. Combat actions can take place at different times of the day, accordingly, it is necessary to take into account the perspective of lighting and general lighting. It is necessary to detect the object in the video by segmenting the video frames, recognize and classify.
Objective of the study is to develop a technology for the analysis of the development of a technology for recognizing targets in real time as a component of the fire control system, due to the use of artificial intelligence, YOLO and machine learning.
Method. The article develops a video stream analysis technology for automatic target recognition of the fire control system based on machine learning. The paper proposes the development of a target recognition module as a component of the fire control system within the framework of the proposed information technology using artificial intelligence. The YOLOv8 pattern recognition model family was used to develop the target recognition module. The methods used during the study of the formed dataset.
– Bounding Box: Noise – Up to 15% of pixels (limiting frame: adding salt and pepper noise to the image – up to 15% of pixels).
– Bounding Box: Blur – Up to 2.5px (bounding box: adding Gaussian blur to the image – up to 2.5 pixels).
– Cutout – 3 boxes with 10% size each (cut out a part of the image – 3 boxes of 10% size each).
– Brightness Between –25% and +25% (changing the brightness of the image to increase the resistance of the model to changes in lighting and camera settings – from –25% to +25%).
– Rotation – Between –15 and +15 (rotation of the image object – clockwise or counterclockwise by degrees from –15 to +15).
– Flip – Horizontal (flip the image object horizontally).
Results. The data is collected from open sources, in particular, from videos posted in open sources on the YouTube platform. The main task of data preprocessing is the classification of three classes of objects on video or in real time – APC, BMP and TANK. The dataset is formed using the Roboflow platform based on the labeling tools and subsequently the augmentation tools. The dataset consists of 1193 unique images – approximately equally for each class. The training was conducted using Google Colab resources. It took 100 epochs to train the model.
Conclusions. Analysis is performed according to mAP50 (average precision as 0.85), mAP50-95 (0.6), precision (0.89) and recall (0.75). Big losses are due to the fact that the background was not taken into account during the research – training the module on the basis of confirmed data (images) of the background without technologyАктуальність. Розпізнавання цілей є пріоритетом у військовій справі. Це завдання ускладнюється тим, що необхідно розпізнавати рухомі об’єкти, різний рельєф і ландшафт створюють перешкоди для розпізнавання. Бойові дії можуть відбуватися в різний час доби, відповідно, необхідно враховувати ракурс освітлення та загальне освітлення. Необхідно виявити об’єкт на відео шляхом сегментації відеокадрів, розпізнати та класифікувати його.
Мета – розроблення технології аналізу розроблення технології розпізнавання цілей в реальному масштабі часу, як складової системи управління вогнем, за рахунок використання штучного інтелекту, YOLO та машинного навчання.
Метод. В статті розроблено технолгію аналізу відеопотоку для автоматичного розпізнавання цілей системи керування вогнем на основі машинного навчання. У роботі запропоновано розробку модуля розпізнавання цілей як складової системи управління вогнем в рамках запропонованої інформаційної технології з використанням штучного інтелекту. Сімейство моделей розпізнавання образів YOLOv8 використано для розробки модуля розпізнавання цілей. Методи, які використано під час дослідження сформованого датасету.
– Bounding Box: Noise – Up to 15% of pixels (обмежувальна рамка: додавання до зображення шуму «солі та перцю» – до 15% пікселів).
– Bounding Box: Blur – Up to 2.5px (обмежувальна рамка: додавання до зображення розмиття за Гаусом – до 2,5 пікселів).
– Cutout – 3 boxes with 10% size each (вирізати частину зображення – 3 коробки по 10% розміру кожна).
– Brightness – Between –25% and +25% (зміна яскравості зображення для збільшення стійкості моделі до зміни освітлення та налаштувань камери – від –25% до +25%).
– Rotation – Between –15 and +15 (обертання об’єкта зображення – за або проти годинникової стрілки на ступінь від – 15 до +15).
– Flip – Horizontal (перевертання об’єкта зображення горизонтально).
Результати. Дані зібрані з відкритих джерел, зокрема, з відеозаписів, розміщених у відкритих джерелах на платформі YouTube. Основним завданням попередньої обробки даних є класифікація трьох класів об’єктів на відео або в режимі реального часу – БТР, БМП і ТАНК. Набір даних формується за допомогою платформи Roboflow на основі інструментів маркування та, згодом, інструментів доповнення. Набір даних складається з 1193 унікальних зображень – приблизно порівну для кожного класу. Тренінг проводився з використанням ресурсів Google Colab. На навчання моделі пішло 100 епох.
Висновки. Аналіз проводиться відповідно до показників mAP50 (середня точність 0,85), mAP50-95 (0,6), точності (0,89) і запам’ятовування (0,75). Великі втрати є через те, що під час дослідження не було враховано фон – навчання модуля на основі підтверджених даних (зображень) фону без техніки.Актуальність. Розпізнавання цілей є пріоритетом у військовій справі. Це завдання ускладнюється тим, що необхідно розпізнавати рухомі об’єкти, різний рельєф і ландшафт створюють перешкоди для розпізнавання. Бойові дії можуть відбуватися в різний час доби, відповідно, необхідно враховувати ракурс освітлення та загальне освітлення. Необхідно виявити об’єкт на відео шляхом сегментації відеокадрів, розпізнати та класифікувати його.
Мета – розроблення технології аналізу розроблення технології розпізнавання цілей в реальному масштабі часу, як складової системи управління вогнем, за рахунок використання штучного інтелекту, YOLO та машинного навчання.
Метод. В статті розроблено технолгію аналізу відеопотоку для автоматичного розпізнавання цілей системи керування вогнем на основі машинного навчання. У роботі запропоновано розробку модуля розпізнавання цілей як складової системи управління вогнем в рамках запропонованої інформаційної технології з використанням штучного інтелекту. Сімейство моделей розпізнавання образів YOLOv8 використано для розробки модуля розпізнавання цілей. Методи, які використано під час дослідження сформованого датасету.
– Bounding Box: Noise – Up to 15% of pixels (обмежувальна рамка: додавання до зображення шуму «солі та перцю» – до 15% пікселів).
– Bounding Box: Blur – Up to 2.5px (обмежувальна рамка: додавання до зображення розмиття за Гаусом – до 2,5 пікселів).
– Cutout – 3 boxes with 10% size each (вирізати частину зображення – 3 коробки по 10% розміру кожна).
– Brightness – Between –25% and +25% (зміна яскравості зображення для збільшення стійкості моделі до зміни освітлення та налаштувань камери – від –25% до +25%).
– Rotation – Between –15 and +15 (обертання об’єкта зображення – за або проти годинникової стрілки на ступінь від – 15 до +15).
– Flip – Horizontal (перевертання об’єкта зображення горизонтально).
Результати. Дані зібрані з відкритих джерел, зокрема, з відеозаписів, розміщених у відкритих джерелах на платформі YouTube. Основним завданням попередньої обробки даних є класифікація трьох класів об’єктів на відео або в режимі реального часу – БТР, БМП і ТАНК. Набір даних формується за допомогою платформи Roboflow на основі інструментів маркування та, згодом, інструментів доповнення. Набір даних складається з 1193 унікальних зображень – приблизно порівну для кожного класу. Тренінг проводився з використанням ресурсів Google Colab. На навчання моделі пішло 100 епох.
Висновки. Аналіз проводиться відповідно до показників mAP50 (середня точність 0,85), mAP50-95 (0,6), точності (0,89) і запам’ятовування (0,75). Великі втрати є через те, що під час дослідження не було враховано фон – навчання модуля на основі підтверджених даних (зображень) фону без техніки
ІДЕНТИФІКАЦІЯ ТА ЛОКАЛІЗАЦІЯ ВРАЗЛИВОСТЕЙ У СМАРТ-КОНТРАКТАХ З ВИКОРИСТАННЯМ АНАЛІЗУ ВЕКТОРІВ УВАГИ В МОДЕЛІ НА ОСНОВІ BERT
No full textContext. With the development of blockchain technology and the increasing use of smart contracts, which are automatically executed in blockchain networks, the significance of securing these contracts has become extremely relevant. Traditional code auditing methods often prove ineffective in identifying complex vulnerabilities, which can lead to significant financial losses. For example, the reentrancy vulnerability that led to the DAO attack in 2016 resulted in the loss of 3.6 million ethers and the split of the Ethereum blockchain network. This underscores the necessity for early detection of vulnerabilities.
Objective. The objective of this work is to develop and test an innovative approach for identifying and localizing vulnerabilities in smart contracts based on the analysis of attention vectors in a model using BERT architecture.
Method. The methodology described includes data preparation and training a transformer-based model for analyzing smart contract code. The proposed attention vector analysis method allows for the precise identification of vulnerable code segments. The use of the CodeBERT model significantly improves the accuracy of vulnerability identification compared to traditional methods. Specifically, three types of vulnerabilities are considered: reentrancy, timestamp dependence, and tx.origin vulnerability. The data is preprocessed, which includes the standardization of variables and the simplification of functions.
Results. The developed model demonstrated a high F-score of 95.51%, which significantly exceeds the results of contemporary approaches, such as the BGRU-ATT model with an F-score of 91.41%. The accuracy of the method in the task of localizing reentrancy vulnerabilities was 82%.
Conclusions. The experiments conducted confirmed the effectiveness of the proposed solution. Prospects for further research include the integration of more advanced deep learning models, such as GPT-4 or T5, to improve the accuracy and reliability of vulnerability detection, as well as expanding the dataset to cover other smart contract languages, such as Vyper or LLL, to enhance the applicability and efficiency of the model across various blockchain platforms.
Thus, the developed CodeBERT-based model demonstrates high results in detecting and localizing vulnerabilities in smart contracts, which opens new opportunities for research in the field of blockchain platform security.Актуальність. З розвитком технології блокчейн та зростанням використання смарт-контрактів, які автоматичновиконуються в блокчейн-мережах, значущість безпеки цих контрактів стала надзвичайно актуальною. Традиційні методи аудиту коду часто виявляються неефективними для виявлення складних уразливостей, що може призвести до значних фінансових втрат. Наприклад, уразливість повторного входу, яка призвела до атаки на DAO у 2016 році, спричинила втрату 3,6 мільйона ефірів та поділ блокчейн-мережі Ethereum. Це підкреслює необхідність раннього виявлення уразливостей.
Мета роботи - розробка та апробація новаторського підходу для виявлення та локалізації уразливостей у смарт-контрактах на основі аналізу векторів уваги в моделі, що використовує архітектуру BERT.
Метод. Описується методика, яка включає підготовку даних та навчання трансформерної моделі для аналізу коду смарт-контрактів. Запропонований метод аналізу векторів уваги дозволяє точно ідентифікувати уразливі ділянки коду. Використання моделі CodeBERT значно покращує точність ідентифікації уразливостей порівняно з традиційними методами. Зокрема, розглядаються три типи уразливостей: повторний вхід, залежність від часу та уразливість tx.origin. Дані попередньо нормалізуються, що включає стандартизацію змінних та спрощення функцій.
Результати. Розроблена модель продемонструвала високий F-score на рівні 95,51%, що значно перевищує результати сучасних підходів, таких як модель BGRU-ATT з F-score 91,41%. Точність методу у завданні локалізації уразливості повторного входу склала 82%.
Висновки. Проведені експерименти підтвердили ефективність запропонованого рішення. Перспективи подальших досліджень включають інтеграцію більш просунутих моделей глибокого навчання, таких як GPT-4 або T5, для покращення точності та надійності виявлення уразливостей, а також розширення набору даних для охоплення інших мов смарт-контрактів, таких як Vyper або LLL, для підвищення застосовності та ефективності моделі на різних блокчейн-платформах.Таким чином, розроблена модель на основі CodeBERT демонструє високі результати у виявленні та локалізації уразливостей у smart-контрактах, що відкриває нові можливості для досліджень у сфері безпеки блокчейн-платформи.Актуальність. З розвитком технології блокчейн та зростанням використання смарт-контрактів, які автоматично виконуються в блокчейн-мережах, значущість безпеки цих контрактів стала надзвичайно актуальною. Традиційні методи аудиту коду часто виявляються неефективними для виявлення складних уразливостей, що може призвести до значних фінансових втрат. Наприклад, уразливість повторного входу, яка призвела до атаки на DAO у 2016 році, спричинила втрату 3,6 мільйона ефірів та поділ блокчейн-мережі Ethereum. Це підкреслює необхідність раннього виявлення уразливостей.
Мета роботи - розробка та апробація новаторського підходу для виявлення та локалізації уразливостей у смарт-контрактах на основі аналізу векторів уваги в моделі, що використовує архітектуру BERT.
Метод. Описується методика, яка включає підготовку даних та навчання трансформерної моделі для аналізу коду смарт-контрактів. Запропонований метод аналізу векторів уваги дозволяє точно ідентифікувати уразливі ділянки коду. Використання моделі CodeBERT значно покращує точність ідентифікації уразливостей порівняно з традиційними методами. Зокрема, розглядаються три типи уразливостей: повторний вхід, залежність від часу та уразливість tx.origin. Дані попередньо нормалізуються, що включає стандартизацію змінних та спрощення функцій.
Результати. Розроблена модель продемонструвала високий F-score на рівні 95,51%, що значно перевищує результати сучасних підходів, таких як модель BGRU-ATT з F-score 91,41%. Точність методу у завданні локалізації уразливості повторного входу склала 82%.
Висновки. Проведені експерименти підтвердили ефективність запропонованого рішення. Перспективи подальших досліджень включають інтеграцію більш просунутих моделей глибокого навчання, таких як GPT-4 або T5, для покращення точності та надійності виявлення уразливостей, а також розширення набору даних для охоплення інших мов смарт-контрактів, таких як Vyper або LLL, для підвищення застосовності та ефективності моделі на різних блокчейн-платформах.Таким чином, розроблена модель на основі CodeBERT демонструє високі результати у виявленні та локалізації уразливостей у smart-контрактах, що відкриває нові можливості для досліджень у сфері безпеки блокчейн-платформи
ВИКОРИСТАННЯ СИСТЕМИ КОМП'ЮТЕРНОЇ МАТЕМАТИКИ MAPLE ДЛЯ ДОКАЗУ ЗАКОНУ ОРТОГОНАЛЬНОСТІ МАТРИЦЬ ПРЯМОГО І ЗВОРОТНОГО ПЕРЕТВОРЕНЬ, СКЛАДЕНИХ ВЛАСОВИМ В. З.
No full textAuthors analyse got Vlasov V. Z. [1] general statement decision of freedimension equations of theory of resiliency, check up his basic properties in the system of programming of Maple. Law of ortogonal of matrices of direct and reverse transformations, made in obedience to work of Vlasov V. Z. is proved in the developed program. A simplifying symbolic record as transcendent operating formulas, which allows to apply COMPUTER for the construction of mathematical models of tasks of theory of resiliency, is in-process utillized.Авторы анализируют полученное В. З. Власовым [1] общее операторное решение трехмерных уравнений теории упругости, проверяют его основные свойства в системе программирования Maple. В разработанной программе доказывается закон ортогональности матриц прямого и обратного преобразований, составленных из полученных операторов. В работе используется упрощающая символическая запись в виде трансцендентных операционных формул, которая позволяет применять ЭВМ для построения математических моделей задач теории упругости.Автори аналізують отримане Власовим В. З. [1] загальне операторне рішення трьохвимірних рівнянь теор ії пружності, перевіряють його основні властивості в системі програмування Maple. У розробленій програмі доводиться закон ортогональності матриць прямого і зворотного перетворень, складених з отриманих операторів. У роботі використовується спрощуючий символічний запис у вигляді трансцендентних операційних формул, який дозволяє застосовувати ЕОМ для побудови математичнихмоделей задач теорії пружності
ЗАСТОСУВАННЯ БАГАТОПРОЦЕСОРНИХ СИСТЕМ ДЛЯ РЕАЛІЗАЦІЇ БАГАТОШАРОВОГО ПЕРСЕПТРОНУ
No full textIn this work the MP model realization on multiprocessing system is offered. The processors organization as a star topology is offered. The given approach allows considerably to lower time of training neural network and enables receptions of the maximal acceleration limited to number of available processors.В данной работе предложена модель реализации МП на многопроцессорной системе при ограниченном количествепроцессоров. В качестве топологии вычислительной системы предложена организация процессоров в виде звезды. Данный подход позволяет значительно снизить время обучения НС, и дает возможность получения максимальногоускорения, ограниченного числом имеющихся процессоров.В даної роботі запропонована модель реалізації багатошарового персептрону на багатопроцесорної системі при обмеженій кількості процесорів. В якості топології обчислювальної системи запропонована організація процесорів у вигляді зірки. Даний підхід дозволяє значно знизити час навчання нейронної мережі та дає можливість одержання максимального прискорення, що обмежений числом наявних процесорів
ТЕХНОЛОГІЇ ПАРАЛЕЛЬНИХ І РОЗПОДІЛЕНИХ ОБЧИСЛЕНЬ ДЛЯ АВТОНОМНОЇ НАВІГАЦІЇ ТРАНСПОРТНИХ ЗАСОБІВ
No full textContext. Autonomous vehicles are becoming increasingly popular, and one of the important modern challenges in their development is ensuring their effective navigation in space and movement within designated lanes. This paper examines a method of spatial orientation for vehicles using computer vision and artificial neural networks. The research focused on the navigation system of an autonomous vehicle, which incorporates the use of modern distributed and parallel computing technologies.
Objective. The aim of this work is to enhance modern autonomous vehicle navigation algorithms through parallel training of artificial neural networks and to determine the optimal combination of technologies and nodes of devices to increase speed and enable real-time decision-making capabilities in spatial navigation for autonomous vehicles.
Method. The research establishes that the utilization of computer vision and neural networks for road lane segmentation proves to be an effective method for spatial orientation of autonomous vehicles. For multi-core computing systems, the application of parallel programming technology, OpenMP, for neural network training on processors with varying numbers of parallel threads increases the algorithm’s execution speed. However, the use of CUDA technology for neural network training on a graphics processing unit significantly enhances prediction speeds compared to OpenMP. Additionally, the feasibility of employing PyTorch Distributed Data Parallel (DDP) technology for training the neural network across multiple graphics processing units (nodes) simultaneously was explored. This approach further improved prediction execution times compared to using a single graphics processing unit.
Results. An algorithm for training and prediction of an artificial neural network was developed using two independent nodes, each equipped with separate graphics processing units, and their synchronization for exchanging training results after each epoch, employing PyTorch Distributed Data Parallel (DDP) technology. This approach allows for scalable computations across a higher number of resources, significantly expediting the model training process.
Conclusions. The conducted experiments have affirmed the effectiveness of the proposed algorithm, warranting the recommendation of this research for further advancement in autonomous vehicles and enhancement of their navigational capabilities. Notably, the research outcomes can find applications in various domains, encompassing automotive manufacturing, logistics, and urban transportation infrastructure. The obtained results are expected to assist future researchers in understanding the most efficient hardware and software resources to employ for implementing AI-based navigation systems in autonomous vehicles. Prospects for future investigations may encompass refining the accuracy of the proposed parallel algorithm without compromising its efficiency metrics. Furthermore, there is potential for experimental exploration of the proposed algorithm in more intricate practical scenarios of diverse nature and dimensions.Актуальність. Автономні автомобілі стають все більш популярними і одним з важливих сучасних завдань розробки таких автомобілів є забезпечення ефективної навігації останніх у просторі та їх руху у своїй виділеній проїзній смузі. У даній роботі розглянуто метод орієнтування у просторі автомобіля за допомогою комп’ютерного зору та штучних нейронних мереж. Об’єктом дослідження була система навігації автономного автомобіля, що включає в себе використання сучасних технологій розподілених та паралельних обчислень.
Мета роботи – вдосконалення сучасних алгоритмів навігації автономного автомобіля у просторі на основі паралельного навчання штучних нейронних мереж та визначення найоптимальнішої комбінації технологій та пристроїв для збільшення швидкості та можливості отримання рішення в режимі реального часу.
Метод. У роботі встановлено, що використання комп’ютерного зору та нейронних мереж для сегментації смуги дорожнього руху є ефективним методом орієнтації автономного автомобіля у просторі. При цьому для багатоядерних обчислювальних систем застосування технології паралельного програмування OpenMP для тренування нейронної мережі на процесорі з різним числом паралельних потоків збільшує швидкість виконання алгоритму. Проте використання технології CUDA для навчання нейронної мережі на відеопроцесорі дозволило значно збільшити швидкість передбачень в порівнянні з OpenMP. Також досліджено можливість використання технології PyTorch DDP для навчання нейронної мережі на декількох відеопроцесорах (вузлах) одночасно, що , в свою чергу, ще більш покращило час виконання передбачень в порівнянні з використанням одного відеопроцесора.
Результати. Розроблено алгоритм навчання та передбачення штучної нейронної мережі на двох незалежних вузлах з окремими відеопроцесорами та їх синхронізацією задля обміну результатами навчання після кожної епохи із використанням технології PyTorch DDP, що дозволяє масштабувати розрахунки при наявності більшої кількості потужностей і значно пришвидшити навчання моделі.
Висновки. Проведені експерименти підтвердили ефективність запропонованого алгоритму і дозволяють рекомендувати дане дослідження для подальшого розвитку автономних автомобілів та покращення їх навігаційних можливостей. Зокрема результати дослідження можуть знайти застосування у різних сферах, включаючи автомобільну транспортну промисловість, логістику та транспортну інфраструктуру міст. Отримані результати повинні допомогти наступним дослідникам зрозуміти, які апаратні та програмні засоби найефективніше використовувати для реалізації навігаційних систем на основі штучного інтелекту в автономних автомобілях. Перспективами подальших досліджень може бути покращення точності запропонованого паралельного алгоритму не погіршуючи показників ефективності, а також експериментальне дослідження запропонованого алгоритму на більш складних практичних задачах різної природи та розмірності.Актуальність. Автономні автомобілі стають все більш популярними і одним з важливих сучасних завдань розробки таких автомобілів є забезпечення ефективної навігації останніх у просторі та їх руху у своїй виділеній проїзній смузі. У даній роботі розглянуто метод орієнтування у просторі автомобіля за допомогою комп’ютерного зору та штучних нейронних мереж. Об’єктом дослідження була система навігації автономного автомобіля, що включає в себе використання сучасних технологій розподілених та паралельних обчислень.
Мета роботи – вдосконалення сучасних алгоритмів навігації автономного автомобіля у просторі на основі паралельного навчання штучних нейронних мереж та визначення найоптимальнішої комбінації технологій та пристроїв для збільшення швидкості та можливості отримання рішення в режимі реального часу.
Метод. У роботі встановлено, що використання комп’ютерного зору та нейронних мереж для сегментації смуги дорожнього руху є ефективним методом орієнтації автономного автомобіля у просторі. При цьому для багатоядерних обчислювальних систем застосування технології паралельного програмування OpenMP для тренування нейронної мережі на процесорі з різним числом паралельних потоків збільшує швидкість виконання алгоритму. Проте використання технології CUDA для навчання нейронної мережі на відеопроцесорі дозволило значно збільшити швидкість передбачень в порівнянні з OpenMP. Також досліджено можливість використання технології PyTorch DDP для навчання нейронної мережі на декількох відеопроцесорах (вузлах) одночасно, що , в свою чергу, ще більш покращило час виконання передбачень в порівнянні з використанням одного відеопроцесора.
Результати. Розроблено алгоритм навчання та передбачення штучної нейронної мережі на двох незалежних вузлах з окремими відеопроцесорами та їх синхронізацією задля обміну результатами навчання після кожної епохи із використанням технології PyTorch DDP, що дозволяє масштабувати розрахунки при наявності більшої кількості потужностей і значно пришвидшити навчання моделі.
Висновки. Проведені експерименти підтвердили ефективність запропонованого алгоритму і дозволяють рекомендувати дане дослідження для подальшого розвитку автономних автомобілів та покращення їх навігаційних можливостей. Зокрема результати дослідження можуть знайти застосування у різних сферах, включаючи автомобільну транспортну промисловість, логістику та транспортну інфраструктуру міст. Отримані результати повинні допомогти наступним дослідникам зрозуміти, які апаратні та програмні засоби найефективніше використовувати для реалізації навігаційних систем на основі штучного інтелекту в автономних автомобілях. Перспективами подальших досліджень може бути покращення точності запропонованого паралельного алгоритму не погіршуючи показників ефективності, а також експериментальне дослідження запропонованого алгоритму на більш складних практичних задачах різної природи та розмірності
МЕТОД ПОШУКУ АРХІТЕКТУР ГЕНЕРАТИВНО-ЗМАГАЛЬНИХ МЕРЕЖ ДЛЯ СИНТЕЗУ БІОМЕДИЧНИХ ЗОБРАЖЕНЬ
No full textContext. The article examines the problem of automatic design of architectures of generative-adversarial networks. Generativeadversarial networks are used for image synthesis. This is especially true for the synthesis of biomedical images – cytological and histological, which are used to make a diagnosis in oncology. The synthesized images are used to train convolutional neural networks. Convolutional neural networks are currently among the most accurate classifiers of biomedical images.
Objective. The aim of the work is to develop an automatic method for searching for architectures of generative-adversarial networks based on a genetic algorithm.
Method. The developed method consists of the stage of searching for the architecture of the generator with a fixed discriminator and the stage of searching for the architecture of the discriminator with the best generator.
At the first stage, a fixed discriminator architecture is defined and a generator is searched for. Accordingly, after the first step, the architecture of the best generator is obtained, i.e. the model with the lowest FID value.
At the second stage, the best generator architecture was used and a search for the discriminator architecture was carried out. At each cycle of the optimization algorithm, a population of discriminators is created. After the second step, the architecture of the generative-adversarial network is obtained.
Results. Cytological images of breast cancer on the Zenodo platform were used to conduct the experiments. As a result of the study, an automatic method for searching for architectures of generatively adversarial networks has been developed. On the basis of computer experiments, the architecture of a generative adversarial network for the synthesis of cytological images was obtained. The total time of the experiment was ~39.5 GPU hours. As a result, 16,000 images were synthesized (4000 for each class). To assess the quality of synthesized images, the FID metric was used.The results of the experiments showed that the developed architecture is the best. The network’s FID value is 3.39. This result is the best compared to well-known generative adversarial networks.
Conclusions. The article develops a method for searching for architectures of generative-adversarial networks for the problems of synthesis of biomedical images. In addition, a software module for the synthesis of biomedical images has been developed, which can be used to train CNN.Актуальність. У статті досліджено проблему автоматичного проектування архітектур генеративно-змагальних мереж. Генеративно-змагальні мережі використовуються для синтезу зображень. Особливо це актуально для синтезу біомедичних зображень –цитологічних і гістологічних, які використовуються для постановки діагнозу в онкології. Синтезовані зображення використовуються для навчання згорткових нейронних мереж. Згорткові нейронні мережі є одними із найточніших класифікаторів біомедичних зображень на сьогодні.
Мета роботи – це розробка автоматичного методу для пошуку архітектур генеративно-змагальних мереж на основі генетичного алгоритму.
Метод. Розроблений метод складається з етапу пошуку архітектури генератора з фіксованим дискримінатором і етапу пошуку архітектури дискримінатора із найкращим генератором. На першому етапі визначається фіксована архітектура дискримінатора та здійснюється пошук генератора. Відповідно після першого кроку отримується архітектура найкращого генератора, тобто модель із найнижчим значенням FID.
На другому етапі використано найкращу архітектуру генератора та проводено пошук аріхтектури дискримінатора. На кожному циклі алгоритму оптимізації створюється популяція дискримінаторів. Після другого кроку отримується аріхтектура генеративно-змагальної мережі.
Результати. Для проведення експериментів використано цитологічні зображення раку молочної залози на платформі Zenodo. В результаті дослідження розроблено автоматичний метод пошуку архітектур генеративно змагальних мереж.В результаті комп’ютерних експериментів отримано архітектуру генеративно змагальної мережі для синтезу цитологічних зображень. Загальний час експерименту склав ~39.5 GPU годин. В результаті синтезовано 16 000 зображень (по 4000 на кожен клас). Для оцінки якості синтезованих зображень використано метрику FID . Результати експериментів показали, що розроблена архітектура є найкращою. Значення FID мережі становить 3.39. Цей результат є найкращим, порівняно з відомими генеративно-змагальними мережами.
Висновки. У статті розроблено метод пошуку архітектур генеративно-змагальних мереж для задач синтезу біомедичних зображень. Крім цього розроблено програмний модуль для синтезу біомедичних зображень, який може бути використаний для навчання CNN.Актуальність. У статті досліджено проблему автоматичного проектування архітектур генеративно-змагальних мереж. Генеративно-змагальні мережі використовуються для синтезу зображень. Особливо це актуально для синтезу біомедичних зображень –цитологічних і гістологічних, які використовуються для постановки діагнозу в онкології. Синтезовані зображення використовуються для навчання згорткових нейронних мереж. Згорткові нейронні мережі є одними із найточніших класифікаторів біомедичних зображень на сьогодні.
Мета роботи – це розробка автоматичного методу для пошуку архітектур генеративно-змагальних мереж на основі генетичного алгоритму.
Метод. Розроблений метод складається з етапу пошуку архітектури генератора з фіксованим дискримінатором і етапу пошуку архітектури дискримінатора із найкращим генератором. На першому етапі визначається фіксована архітектура дискримінатора та здійснюється пошук генератора. Відповідно після першого кроку отримується архітектура найкращого генератора, тобто модель із найнижчим значенням FID.
На другому етапі використано найкращу архітектуру генератора та проводено пошук аріхтектури дискримінатора. На кожному циклі алгоритму оптимізації створюється популяція дискримінаторів. Після другого кроку отримується аріхтектура генеративно-змагальної мережі.
Результати. Для проведення експериментів використано цитологічні зображення раку молочної залози на платформі Zenodo. В результаті дослідження розроблено автоматичний метод пошуку архітектур генеративно змагальних мереж.В результаті комп’ютерних експериментів отримано архітектуру генеративно змагальної мережі для синтезу цитологічних зображень. Загальний час експерименту склав ~39.5 GPU годин. В результаті синтезовано 16 000 зображень (по 4000 на кожен клас). Для оцінки якості синтезованих зображень використано метрику FID . Результати експериментів показали, що розроблена архітектура є найкращою. Значення FID мережі становить 3.39. Цей результат є найкращим, порівняно з відомими генеративно-змагальними мережами.
Висновки. У статті розроблено метод пошуку архітектур генеративно-змагальних мереж для задач синтезу біомедичних зображень. Крім цього розроблено програмний модуль для синтезу біомедичних зображень, який може бути використаний для навчання CNN
РОЗПІЗНАВАННЯ ОБЛИЧЧЯ ЗА ДОПОМОГОЮ ДЕСЯТИВИМІРНОГО ЕЛІПСОЇДА ПРОГНОЗУВАННЯ ДЛЯ НОРМАЛІЗОВАНИХ НА ОСНОВІ ПЕРЕТВОРЕННЯ БОКСА-КОКСА ДАНИХ
No full textContext. Face recognition, which is one of the tasks of pattern recognition, plays an important role in the modern information world and is widely used in various fields, including security systems, access control, etc. This makes it an important tool for security and personalization. However, the low probability of identifying a person by face can have negative consequences, so there is a need for the development and improvement of face recognition methods. The object of research is the face recognition process. The subject of the research is a mathematical model for face recognition.
One of the frequently used methods of pattern recognition is the construction of decision rules based on the prediction ellipsoid. An important limitation of its application is the need to fulfill the assumption of a multivariate normal distribution of data. However, in many cases, the multivariate distribution of real data may deviate from normal, which leads to a decrease in the probability of recognition. Therefore, there is a need to improve mathematical models that would take into account the specified deviation.
The objective of the work is to increase the probability of face recognition by constructing a ten-variate prediction ellipsoid for data normalized by the Box-Cox transformation.
Method. Application of the Mardia test to test the deviation of a multivariate distribution of data from normality. Building decision rules for face recognition using a ten-variate prediction ellipsoid for data normalized based on the Box-Cox transformation. Obtaining estimates of the parameters of the univariate and ten-variate Box-Cox transformations using the maximum likelihood method.
Results. A comparison of the results of face recognition using decision rules, which were built using a ten-variate ellipsoid of prediction for data normalized by various transformations, was carried out. In comparison with the use of univariate normalizing transformations (decimal logarithm and Box-Cox) and the absence of normalization, the use of the ten-variate Box-Cox transformation leads to an increase in the probability of face recognition.
Conclusions. For face recognition, a mathematical model in the form of a ten-variate prediction ellipsoid for data normalized using the multivariate Box-Cox transformation has been improved, which allows to increase in the probability of recognition in comparison with the use of corresponding models that are built either without normalization or with the use of univariate normalizing transformations. It was found that a mathematical model built for normalized data using a multivariate Box-Cox transformation has a higher probability of recognition since univariate transformations neglect the correlation between geometric features of the face.Актуальність. Розпізнавання обличчя, яке є одним із завдань розпізнавання образів, відіграє важливу роль у сучасному інформаційному світі та знаходить широке застосування в різних галузях, включаючи системи безпеки, управління доступом та ін. Це робить його важливим інструментом для забезпечення безпеки та персоналізації. Однак низька ймовірність ідентифікації особи за обличчям може мати негативні наслідки, тому існує потреба в розробці та вдосконаленні методів розпізнавання обличчя. Об’єктом дослідження є процес розпізнавання обличчя. Предметом дослідження є математична модель для розпізнавання обличчя.
Один з часто використовуваних методів розпізнавання образів полягає в побудові правил прийняття рішень на основі еліпсоїда прогнозування. Важливим обмеженням його застосування є необхідність виконання припущення про багатовимірний нормальний розподіл даних. Однак у багатьох випадках багатовимірний розподіл реальних даних може відхилятися від нормального, що призводить до зниження ймовірності розпізнавання. Тому виникає необхідність удосконалення математичних моделей, які враховували б зазначене відхилення.
Мета роботи полягає у підвищенні ймовірності розпізнавання обличчя шляхом побудови десятивимірного еліпсоїду прогнозування для нормалізованих за допомогою перетворення Бокса-Кокса даних.
Метод. Застосування тесту Мардіа для перевірки відхилення багатовимірного розподілу даних від нормального. Побудова правил прийняття рішень для розпізнавання обличчя за допомогою десятивимірного еліпсоїду прогнозування для нормалізованих на основі перетворення Бокса-Кокса даних. Отримання оцінок параметрів одновимірного та десятививимірного перетворень Бокса-Кокса за допомогою методу максимальної правдоподібності.
Результати. Здійснено порівняння результатів розпізнавання облич за допомогою правил прийняття рішень, які побудовані за допомогою десятивимірного еліпсоїду прогнозування для нормалізованих за різними перетвореннями даних. У порівнянні із застосуванням одновимірних нормалізуючих перетворень (десяткового логарифму та Бокса-Кокса) та у випадку відсутності нормалізації використання десятивимірного перетворення Бокса-Кокса призводить до збільшення ймовірності розпізнавання облич.
Висновки. Для розпізнавання обличчя удосконалено математичну модель у вигляді десятивимірного еліпсоїду прогнозування для нормалізованих за допомогою багатовимірного перетворення Бокса-Кокса даних, що дозволяє підвищити ймовірність розпізнавання у порівнянні із застосуванням відповідних моделей, які побудовані або без нормалізації, або із використанням одновимірних нормалізуючих перетворень. Досліджено, що математична модель, побудована для нормалізованих даних за допомогою багатовимірного перетворення Бокса-Кокса, має більшу ймовірність розпізнавання за рахунок того, що одновимірні перетворення нехтують кореляцією між геометричними ознаками обличчя.Актуальність. Розпізнавання обличчя, яке є одним із завдань розпізнавання образів, відіграє важливу роль у сучасному інформаційному світі та знаходить широке застосування в різних галузях, включаючи системи безпеки, управління доступом та ін. Це робить його важливим інструментом для забезпечення безпеки та персоналізації. Однак низька ймовірність ідентифікації особи за обличчям може мати негативні наслідки, тому існує потреба в розробці та вдосконаленні методів розпізнавання обличчя. Об’єктом дослідження є процес розпізнавання обличчя. Предметом дослідження є математична модель для розпізнавання обличчя.
Один з часто використовуваних методів розпізнавання образів полягає в побудові правил прийняття рішень на основі еліпсоїда прогнозування. Важливим обмеженням його застосування є необхідність виконання припущення про багатовимірний нормальний розподіл даних. Однак у багатьох випадках багатовимірний розподіл реальних даних може відхилятися від нормального, що призводить до зниження ймовірності розпізнавання. Тому виникає необхідність удосконалення математичних моделей, які враховували б зазначене відхилення.
Мета роботи полягає у підвищенні ймовірності розпізнавання обличчя шляхом побудови десятивимірного еліпсоїду прогнозування для нормалізованих за допомогою перетворення Бокса-Кокса даних.
Метод. Застосування тесту Мардіа для перевірки відхилення багатовимірного розподілу даних від нормального. Побудова правил прийняття рішень для розпізнавання обличчя за допомогою десятивимірного еліпсоїду прогнозування для нормалізованих на основі перетворення Бокса-Кокса даних. Отримання оцінок параметрів одновимірного та десятививимірного перетворень Бокса-Кокса за допомогою методу максимальної правдоподібності.
Результати. Здійснено порівняння результатів розпізнавання облич за допомогою правил прийняття рішень, які побудовані за допомогою десятивимірного еліпсоїду прогнозування для нормалізованих за різними перетвореннями даних. У порівнянні із застосуванням одновимірних нормалізуючих перетворень (десяткового логарифму та Бокса-Кокса) та у випадку відсутності нормалізації використання десятивимірного перетворення Бокса-Кокса призводить до збільшення ймовірності розпізнавання облич.
Висновки. Для розпізнавання обличчя удосконалено математичну модель у вигляді десятивимірного еліпсоїду прогнозування для нормалізованих за допомогою багатовимірного перетворення Бокса-Кокса даних, що дозволяє підвищити ймовірність розпізнавання у порівнянні із застосуванням відповідних моделей, які побудовані або без нормалізації, або із використанням одновимірних нормалізуючих перетворень. Досліджено, що математична модель, побудована для нормалізованих даних за допомогою багатовимірного перетворення Бокса-Кокса, має більшу ймовірність розпізнавання за рахунок того, що одновимірні перетворення нехтують кореляцією між геометричними ознаками обличчя
РЕЗОНАНСНІ ВЛАСТИВОСТІ МІКРОХВИЛЬОВИХ РЕЗОНАТОРІВУ ВИГЛЯДІ СФЕРИЧНОГО СЕКТОРА
No full textThe influence of spherical and truncated spherical sector geometrical structure resonators on resonance frequency and em field structure is investigated. It has been shown that the resonance frequency discrepancies for H011, E111 and E112 modes are mainly defined by vertex angle of spherical sector. For E modes in truncated cavities an effect of resonance frequency diminishing with cavity volume reduction has been detected.Исследовано влияние на резонансные свойства и структуру электромагнитного поля геометрии резонаторов, выполненных в виде сферического сектора и усеченного сферического сектора. Показано, что различие между резонансными частотами колебаний типа Н011, Е111 и Е112 в большей мере определяется углом при вершине сферического сектора. Выявлено, что в усеченных резонаторах для Е типов колебаний с уменьшением объема резонатора его резонансная частота уменьшается.Досліджено вплив на резонансні властивості й структуру електромагнітного поля геометрії резонаторів, виконаних у вигляді сферичного сектора й усіченого сферичного сектора. Показано, що розходження між резонансними частотами коливань типу Н011, Е111 і Е112 у більшій мері визначається кутом при вершині сферичного сектора. Виявлено, що в усічених резонаторах для Е типів коливань зі зменшенням об'єму резонатора його резонансна частота зменшується
ІНФОРМАЦІЙНА СИСТЕМА КОНТРОЛЮ ВУЛИЧНОГО ОСВІТЛЕННЯ У РОЗУМНОМУ МІСТІ
No full textContext. In the context of the rapid development of technologies and the implementation of the concept of smart cities, smart lighting becomes a key element of a sustainable and efficient urban environment. The research covers the analysis of aspects of the use of sensors, intelligent lighting control systems with the help of modern information technologies, in particular such as the Internet of Things. The use of such technologies makes it possible to automate the regulation of lighting intensity depending on external conditions, the movement of people or the time of a day. This contributes to the efficient use of electricity and the reduction of emissions into the atmosphere.
Objective. The purpose of the paper is to analyze the procedures for creating an information system as a tool for monitoring and evaluating the level of illumination in a smart city with the aim of improving energy efficiency, safety, comfort and effective lighting management. The implementation of a smart lighting system for Lviv will help improve energy efficiency and community safety.
Method. A content analysis of scientific publications was carried out, in which the results of research on the creation of street lighting monitoring systems in real urban environments were presented. The collection and analysis of data on street lighting in the city, such as energy consumption, illumination level, lamp operation schedules, and others, was carried out. Machine learning methods were used to analyze data and predict lighting needs. Using the UML methodology, the conceptual model of the street lighting monitoring information system was developed based on the identified needs and requirements.
Results. The role of data processing technologies in creating effective lighting management strategies for optimal use of resources and meeting the needs of citizens is highlighted. The study draws attention to the challenges and opportunities of implementing smart lighting in cities, maximizing the positive impact of smart lighting on modern urban environments. The peculiarities of the development and use of an information system for controlling street lighting in a smart city are analyzed. The potential advantages and limitations of using the developed system are determined.
Conclusions. The project on the creation of an information system designed to provide an energy-efficient lighting system in a smart city will contribute to increasing security, particularly, ensuring the safety of the community through integration with security systems, reducing energy consumption, through minimizing the electricity usage in periods when the need for lighting is not necessary.
It has been determined that to implement an information system for remote monitoring and lighting control in a smart city, it is advisable to consider the possibility of using a complex lighting control system. Calculations were made on the example of Lviv for the city’s lighting needs. The use of motion sensors to determine the need to turn on lighting was analyzed. A conceptual model of the information system was developed using the object-oriented methodology of the UML notation. The main functionality of the information system is defined.Актуальність. У контексті стрімкого розвитку технологій та впровадження концепції смарт-сіті, розумне освітлення стає ключовим елементом сталого та ефективного міського середовища. Дослідження охоплює аналіз аспектів використання давачів, інтелектуальних систем управління освітлення з допомогою сучасних інформаційних технологій, зокрема таких як Інтернет речей. Застосування таких технологій дозволяє автоматизувати регулювання інтенсивності освітлення в залежності від зовнішніх умов, руху людей чи часу доби. Це сприяє ефективному використанню електроенергії та зниженню викидів в атмосферу.
Мета роботи полягає в аналізі процедур створення інформаційної системи, як інструменту моніторингу та оцінювання рівня освітленості в розумному місті з метою покращення енергоефективності, безпеки, комфорту та ефективного управління освітленням. Реалізація системи розумного освітлення для міста Львова сприятиме покращенню енергоефективності та безпеки громади.
Метод. Проведено контент-аналіз наукових публікацій, в яких подано результати дослідження щодо створення систем моніторингу вуличного освітлення в реальних міських середовищах. Проведено збір та аналіз даних про вуличне освітлення в місті, таких як енергоспоживання, рівень освітленості, графіки роботи світильників та інші. Використано методи машинного навчання для аналізу даних та прогнозування потреб в освітленні. З використанням методології UML розроблено концептуальну модель інформаційної системи моніторингу вуличного освітлення на основі виявлених потреб і вимог.
Результати. Висвітлюється роль технологій опрацювання даних у створенні ефективних стратегій управління освітленням для оптимального використання ресурсів та задоволення потреб містян. У дослідженні звертається увага на виклики та можливості впровадження розумного освітлення у містах, максимізації позитивного впливу розумного освітлення на сучасні міські середовища. Проаналізовано особливості розроблення та використання інформаційної системи для контролю вуличного освітлення в розумному місті. Визначено потенційні переваги та обмеження використання розробленої системи.
Висновки. Проект із створення інформаційної системи, що покликана забезпечити енергоефективну систему освітлення в розумному місті, сприятиме підвищенню безпеки, зокрема, забезпечення безпеки громади через інтеграцію з системами безпеки, зменшення енергоспоживання, через мінімізацію використання електроенергії в періоди, коли потреба освітлення не є необхідною.
Визначено, що для реалізації інформаційної системи дистанційного моніторингу та управління освітленням в розумному місті, доцільно розглянути можливість використання комплексної системи управління освітленням. Проведено розрахунки на прикладі Львова потреби освітленні міста. Проаналізовано використання давачів руху для визначення необхідності увімкнення освітлення. Розроблена концептуальна модель інформаційної системи з використанням об’єктно-орієнтованої методології нотації UML. Визначено основний функціонал інформаційної системи. Актуальність. У контексті стрімкого розвитку технологій та впровадження концепції смарт-сіті, розумне освітлення стає ключовим елементом сталого та ефективного міського середовища. Дослідження охоплює аналіз аспектів використання давачів, інтелектуальних систем управління освітлення з допомогою сучасних інформаційних технологій, зокрема таких як Інтернет речей. Застосування таких технологій дозволяє автоматизувати регулювання інтенсивності освітлення в залежності від зовнішніх умов, руху людей чи часу доби. Це сприяє ефективному використанню електроенергії та зниженню викидів в атмосферу.
Мета роботи полягає в аналізі процедур створення інформаційної системи, як інструменту моніторингу та оцінювання рівня освітленості в розумному місті з метою покращення енергоефективності, безпеки, комфорту та ефективного управління освітленням. Реалізація системи розумного освітлення для міста Львова сприятиме покращенню енергоефективності та безпеки громади.
Метод. Проведено контент-аналіз наукових публікацій, в яких подано результати дослідження щодо створення систем моніторингу вуличного освітлення в реальних міських середовищах. Проведено збір та аналіз даних про вуличне освітлення в місті, таких як енергоспоживання, рівень освітленості, графіки роботи світильників та інші. Використано методи машинного навчання для аналізу даних та прогнозування потреб в освітленні. З використанням методології UML розроблено концептуальну модель інформаційної системи моніторингу вуличного освітлення на основі виявлених потреб і вимог.
Результати. Висвітлюється роль технологій опрацювання даних у створенні ефективних стратегій управління освітленням для оптимального використання ресурсів та задоволення потреб містян. У дослідженні звертається увага на виклики та можливості впровадження розумного освітлення у містах, максимізації позитивного впливу розумного освітлення на сучасні міські середовища. Проаналізовано особливості розроблення та використання інформаційної системи для контролю вуличного освітлення в розумному місті. Визначено потенційні переваги та обмеження використання розробленої системи.
Висновки. Проект із створення інформаційної системи, що покликана забезпечити енергоефективну систему освітлення в розумному місті, сприятиме підвищенню безпеки, зокрема, забезпечення безпеки громади через інтеграцію з системами безпеки, зменшення енергоспоживання, через мінімізацію використання електроенергії в періоди, коли потреба освітлення не є необхідною.
Визначено, що для реалізації інформаційної системи дистанційного моніторингу та управління освітленням в розумному місті, доцільно розглянути можливість використання комплексної системи управління освітленням. Проведено розрахунки на прикладі Львова потреби освітленні міста. Проаналізовано використання давачів руху для визначення необхідності увімкнення освітлення. Розроблена концептуальна модель інформаційної системи з використанням об’єктно-орієнтованої методології нотації UML. Визначено основний функціонал інформаційної системи. 
СТАТИСТИЧНИЙ АНАЛІЗ ЗНАЧЕНЬ ХАРАКТЕРНИХ ОЗНАК ПРИ РОЗПІЗНАННІ ЗОБРАЖЕНЬ
No full textResults of researches on application of the statistical approach are resulted at formation, an estimation of values, the analysis of properties and an establishment of equivalence of characteristic attributes of images with a view of structural recognition of objects. Experimental estimations confirm an opportunity of construction of optimum local decisions.Приведены результаты исследований по применению статистического подхода при формировании, оценке значений, анализе свойств и установлении эквивалентности характерных признаков изображений в целях структурного распознавания объектов. Экспериментальные оценки подтверждают возможность построения оптимальных локальных решений.Приведені результати досліджень по застосуванню статистичного підходу при формуванні, оцінці значень, аналізі властивостей та установленню еквівалентності характерних ознак зображень в цілях структурного розпізнання об’єктів. Експериментальні оцінки підтверджують можливість побудови оптимальних локальних рішень