Работа посвящена проблеме повышения эффективности масочного автоэнкодера за счет разработки стратегии маскирования изображений, которая учитывала бы расположение объектов на изображении и позволяла бы скрыть как можно меньше семантически важной информации. В статье представлен обзор существующих методов маскирования изображений, включая стратегии как с учетом, так и без учета структуры изображения. Предложена стратегия наложения масок на основе алгоритма поиска объектов, анализирующего элементарные характеристики фрагментов изображений. Исследование проводится на примере масочного автоэнкодера с ViT в качестве энкодера. Сравнивается эффективность обучения энкодера с использованием предложенной стратегии и с использованием стратегии случайного маскирования изображений.
В работе рассматривается один из этапов определения кода товарной номенклатуры внешнеэкономической деятельности для товаров, входящих в целевую группу «обувь», состоящий в анализе изображений товарных позиций, присутствующих в сопроводительных документах. Приведено обоснование применения сверточных нейронных сетей для классификации изображений. Рассмотрены возможные подходы к построению специализированных нейросетевых классификаторов. Проведен сравнительный анализ эффективности подходов, основанных на дообучении существующих классификаторов (transfer learning) и на построении сверточных сетей, обученных только на размеченных данных выбранного товарного ассортимента. Исследованы вопросы получения обучающей выборки путем парсинга специализированных сайтов и получения элементов выборки с помощью систем искусственного интеллекта, специализирующихся на генерации изображений по запросу.
В работе проведен анализ текстов описаний товарных позиций ТН ВЭД для обуви, определены признаки, влияющие на классификацию. Предложена систематизация признаков, доступных для визуального распознавания и формализации из документации. Приведены возможности использования методов искусственного интеллекта для решения задач классификации, приведен опыт построения экспертной системы.
Семантическая сегментация - операция в компьютерном зрении, заключающаяся в классификации и попиксельной локализации объектов на цифровом изображении. Данная статья содержит в себе обзор существующих модификаций классической архитектуры сверточной нейронной сети, направленных на решение проблемы искажения информации с исходного изображения. Проведено сравнение эффективности рассмотренных моделей в условиях бинарной и множественной семантической сегментации. Статья может быть полезной для ML/DL-разработчиков, желающих изучить проблематику сегментации изображений в рамках своей предметной области.
За последние 20 лет методы машинного обучения прошли серьезный этап своего развития и сейчас представляют собой весьма функциональный инструмент для анализа данных. В настоящее время они применяются в любой сфере деятельности человека и помогают решать разнообразные задачи - от кредитного скоринга и прогнозирования цен на товары до распознавания номерных знаков автомобилей и синтеза речи. Наиболее актуальными из них являются задачи классификации и кластеризации объектов. В статье приведен обзор и анализ современных методов, способных решать данные задачи.
Панорамная визуализация потока или теплоотдачи на поверхностных моделях является эффективным и информативным методом исследования направления в пограничном слое. Вследствие развития цифровых и технических возможностей научные исследования все более основаны на анализе больших данных с помощью искусственного интеллекта (ИИ). Насколько оправдано применение тех или иных методов ИИ в каждой конкретной задаче, пока открытый вопрос. Цель работы - обзор результатов применения нейронных сетей (НС) и машинного обучения для решения задач диагностики течений с помощью ЖК. А именно, для измерения полей температуры, тепловых потоков и векторов касательного напряжения внешнего трения. Кроме этого, актуальными задачами являются измерение физической характеристики ЖК и получение новых ЖК-смесей. Обсуждаются возможности и ограничения, области применения и перспективы нейросетевого подключения. А также программные средства для его реализации. Анализ литературных данных показал, что применение НС и глубокого машинного обучения для аппроксимации калибровочных зависимостей температуры и касательного напряжения от многофакторного оптического отклика ЖК позволяет получить точность, сравнимую с пределом контрольной выборки.
В статье рассматривается применение искусственного интеллекта (ИИ) для оптимизации распределения ресурсов и нагрузки в цепях поставок. В работе проведен анализ существующих методов, сфокусированных на задачах оптимизации, основной акцент сделан на алгоритмах искусственного интеллекта. Были описаны и проанализированы генетические алгоритмы, муравьиные алгоритмы и алгоритмы имитации отжига. Результаты анализа показали, что генетические алгоритмы обладают способностью находить глобальные оптимальные решения, однако их использование требует больших вычислительных ресурсов и времени. Муравьиные алгоритмы, в свою очередь, эффективно решают задачу нахождения локальных оптимумов, при этом обладая низкой вычислительной сложностью. Алгоритмы имитации отжига позволяют быстро находить решения, однако они сопровождаются вероятностью попадания в локальные минимумы. Данная статья показывает, насколько применение алгоритмов искусственного интеллекта позволяет улучшить решение задач оптимизации в цепях поставок.
Данная статья посвящена проблеме оптимизации управления складскими операциями с использованием системы поддержки принятия решений на основе искусственного интеллекта. Складские операции являются важной составляющей логистической цепи снабжения, и эффективное управление ими может привести к значительному повышению производительности и снижению издержек. В работе представлен анализ, в рамках которого рассматривается применение искусственного интеллекта для оптимизации процессов управления складскими операциями. Предложено использовать систему поддержки принятия решений, основанную на методах искусственного интеллекта, таких как машинное обучение, алгоритмы оптимизации и экспертные системы.
Рассматриваются возможности применения искусственных нейронных сетей при обработке радиолокационных данных. Выполняется обоснование возможности применения нейронной сети для измерения углового положения летательного аппарата моноимпульсным способом. Предлагается алгоритм, основанный на совместном использовании стандартного моноимпульсного способа измерения угла и нейронной сети. Проводится анализ эффективности предлагаемого алгоритма при разных значениях отношения «сигнал/шум».
Постановка проблемы. Современные системы умных парковок в большинстве случаев ориентированы исключительно на сбор и анализ данных о занятости парковочных мест, в то время как взаимодействие с конечным пользователем реализовано недостаточно эффективно. Отсутствие понимания понятных инструментов для водителей ограничивает практическую ценность таких систем. Цель исследования - повышение удобства и эффективности работы пользователей с помощью системы умной парковки для разработки решений по стоимости решений и технологических решений. Методы. Предложенная система разработана с использованием микросервисной схемы и сетевых компонентов интернет-вещей, включая камеры видеонаблюдения, датчики движения, а также сверхточные нейронные сети для срабатывания государственных регистрационных знаков транспортных средств. Обработка данных осуществляется в центральном направлении с последующими результатами для пользователя через удобный интерфейс. Новизна. В отличие от существующих решений акцент сделан на разработке с конечным пользователем. Применение нейросетевых технологий в соединении с Интернетом в рамках микросервисной структуры позволяет собирать данные, их интеллектуальную обработку и представление в единой адаптивной системе устройства. Результаты. Разработанная система обеспечивает мониторинг и анализ данных о доступности парковочных мест, а также предоставляет адаптированный интерфейс с актуальной информацией о местах хранения. Реализация микросервисного резерва позволит достичь гибкости, масштабируемости и устойчивости системы при увеличении нагрузки. Интеграция нейронных сетей повышает точность отслеживания номеров, что, в свою очередь, обеспечивает гарантию качества работы всей парковочной рабочей силы. Практическая изобретательность. Разработанная система может быть использована при проектировании и модернизации городской парковочной адаптации, а также адаптирована для работы в умных транспортных системах. Полученные результаты могут быть полезны муниципальным службам и частным операторам парковочных комплексов.