Стаття присвячена теоретичним основам та практичним аспектам розпізнавання обличь за допомогою нейронних мереж. В роботі аналізуються різні підходи до вилучення ознак з зображень обличь, а також методи навчання нейронних мереж для розпізнавання. Особлива увага приділяється проблемам, пов'язаним з варіаціями освітлення, виразами обличчя та іншими факторами, що впливають на точність розпізнавання.
Поєднання згорткових нейронних мереж (CNN) та генетичних алгоритмів (GA), створює перспективний підхід для топологічної оптимізації складних гратчастих структур. Гратчасті структури використовуються, як основа для комплексних метаматеріалів. Розглядається здатність методу генерувати оптимальні гратчасті структури при мінімальному використанні матеріалу. Згорткова нейронна мережа використовується, як інструмент аналізу, що може оцінювати та прогнозувати ключові параметри згенерованих гратчастих структур.
Зростаючий попит на електроенергію та потреба в екологічно чистих джерелах енергії зумовлюють активний розвиток відновлюваних технологій, серед яких сонячна енергетика має провідну роль. Фотоелектричні (ФЕ) системи здатні перетворювати сонячне випромінювання на електричну енергію, однак ефективність їх роботи залежить від здатності їх адаптації до змін зовнішніх умов, таких як інтенсивність інсоляції та температура навколишнього середовища.
У статті представлено метод оптимізації потокового графа алгоритму глибинної нейронної мережі для зменшення кількості процесорних елементів (ПЕ), необхідних для виконання алгоритму на одноплатних комп'ютерах. Запропонований підхід ґрунтується на використанні структурної матриці для оптимізації архітектури нейронної мережі без втрати продуктивності. Дослідження показало, що завдяки зменшенню ширини графа вдалося зменшити кількість процесорних елементів з 3 до 2, зберігаючи при цьому продуктивність мережі на рівні 75% ефективності.
У статті описано дослідження ідентифікації фейкових новин на основі опрацювання природної мови, аналізу великих даних і технології глибокого навчання. Розроблена система автоматично перевіряє новини на наявність ознак фейкових новин, таких як використання маніпулятивної мови, неперевірених джерел і недостовірної інформації. Візуалізація даних реалізована на основі дружнього інтерфейсу користувача, який відображає результати аналізу новин у зручному та зрозумілому форматі.
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.
У даній роботі на основі мультишарової нейронної мережі досліджено вплив кількості прихованих шарів, числа нейронів у них та типів активаційних функцій на точність класифікації снарядів шістьох типів (А – (а-боєприпаси); А/М – (а/м-боєприпаси; А/Р – (бронебійні); А/РС – (бронебійно-набивні); М – (m-боєприпаси); Р – (бронебійні боєприпаси)), яка оцінюється матрицею помилок.
This paper presents an approach to predict the amount of the wastewater which enters wastewater treatment plant, using artificial neural network. The method presented can be used to give short-term predictions of wastewater inflow-rate. The described neural network model uses a very tiny set of data commonly collected by WWTP control systems.