нейронна мережа

В роботі розглядається метод генерації фрактальниї камуфляжних структур (сіток) за допомогою рандомізованої системи ітераційних функцій. В даний метод закладена можливість змінювати основу структури (вид сітки), це в свою чергу дасть можливість визначати параметри, за допомогою яких даний об’єкт можна буде індентифікувати, як фрактальну камуфляжну сітку. В математичному описі удосконаленої РСІФ введено параметри діапазон кольорів (набір кольорів), який дозволить підлаштовувати фрактальну структуру до кольорів ланшафту, де буде застосовуватися камуфляжна сітка.

Побудовано систему розпізнавання об’єктів, знятих у режимі реального часу на відеокамеру в зашумленому та змінному щодо навколишніх умов середовищі. Досліджено методику наповнення бази даних для мобільних військових об’єктів. Для розпізнавання об’єктів використано нейромережу YOLO v8, яка дає змогу відстежувати рухомі та ідентифікувати об’єкти, які потрапляють на відео із відеокамери. Ця нейромережа дає змогу відстежувати об’єкти зі зміною масштабу, під час руху з перешкодами.

В умовах ринкової економіки особливо важливим є випуск і забезпечення населення конкурентоспроможною харчовою продукцією, де м'ясні вироби займають вагому частку.  Рівень свіжості м'яса є одним із факторів, що визначає його якість. Сьогодні традиційні способи визначення рівня свіжості м'яса все ще широко використовується. Серед них варто виокремити органолептичні, мікроскопічні та хімічні методи, які є часо- та трудомісткими.

У роботі досліджено проблему ембедингу ознак, які використовують у датасетах для навчання нейронних мереж. Використання ембедингів підвищує продуктивність нейронних мереж, а отже, є важливою ланкою підготовки даних для методів глибинного навчання. Такий процес ґрунтується на семантичній метриці. Запропоновано для ембедингу використовувати онтології предметних областей, до яких належить відповідна ознака. У цій роботі розроблено такий метод й досліджено його використання для завдання рубрикування текстових документів. Результати досліджень підтвердили перевагу розробленого методу.

Показано, що для групового управління мобільними робототехнічними платформами (МРП) можуть використовуватися такі підходи: централізований (зосереджений), децентралізований (розподілений) та гібридний. Визначено, що актуальним завданням є розроблення системи нейронечіткого управління групою МРП, яка повинна виконувати: розподіл завдань між МРП, визначення маршрутів руху МРП, спільне планування робіт та їх синхронізацію.

In this paper, we construct a new conjugate gradient method for solving unconstrained optimization problems.  The proposed method satisfies the sufficient decent property irrespective of the line search and the global convergence was established under some suitable.  Further, the new method was used to train different sets of data via a feed forward neural network.  Results obtained show that the proposed algorithm significantly reduces the computational time by speeding up the directional minimization with a faster convergence rate.

Визначено вимоги до мобільної роботехнічної платформи (МРТП) з інтелектуальною системою управління рухом і захистом передачі даних, основними з яких є забезпечення: зменшення габаритів, енергоспоживання та вартості; дистанційного та інтелектуального автономного управління рухом; криптографічного захисту передачі даних у реальному часі; збереження працездатності в умовах дії зовнішніх чинників; адаптації до вимог замовника; здатність самостійно виконувати завдання в умовах невизначеності зовнішньої обстановки.

 Розглянуто особливості проектування системи автоматизованого генерування віршованих творів, що відкриває нові можливості художнього мовлення та сфери шоу-бізнесу, насамперед підготовки віршів і пісень. Доволі часто тексти пісень без особливого змісту стають успішними через відсутність складних сюжетів, а також через ненав'язливість і легкість їхнього сприйняття слухачами. Проаналізовано відомі літературні джерела та наявні програмні продукти, які можуть генерувати віршовані твори, поєднуючи різні методи та алгоритми.

Сформовано вимоги, вибрано метод і розглянуто основні етапи розроблення мобільних засобів нейроподібного криптографічного шифрування та дешифрування даних у реальному часі. Показано, що розроблення мобільних засобів нейроподібного криптографічного шифрування та дешифрування даних у реальному часі з високою ефективністю використання обладнання зво- диться до мінімізації апаратних затрат із забезпеченням множини вимог, характеристик і обме- жень.

У роботі запропоновано спосіб оптимізації структури багатошарової нейронної мережі на основі мінімізації нелінійної узагальненої похибки, яка ґрунтується на принципі мінімальної довжини опису. Відповідно до цього принципу, узагальнена похибка мережі під час роботи з новими даними визначається похибкою апроксимації даних нейронною мережею у нелінійному наближенні та похибкою опису моделі. З умови мінімуму узагальненої похибки мережі виведено вирази для обчислення оптимального розміру мережі (кількість синаптичних зв’язків та кількість нейронів у прихованих шарах).