нейронна мережа

Створення та оптимізація легких генеративних змагальних нейромереж для покращення якості відео На клієнтських пристроях з використанням WebGPU

Розглянуто проблеми для задач покращення якості цифрових відеозображень для хмарних середовищ, а також на клієнтській стороні за допомогою генеративно-змагальних нейромереж (GAN), адаптованих для роботи у браузері. Запропоновано метод, що використовує WebGPU для прискореного виконання згорткових обчислень, що дає змогу збільшувати роздільну здатність та покращувати якість низькоякісного відео в реальному часі без значного навантаження на сервери.

ЗАСТОСУВАННЯ АДАПТИВНОЇ НЕЙРОННОЇ МЕРЕЖІ ДЛЯ ІДЕНТИФІКАЦІЇ ДРОБОВИХ ПАРАМЕТРІВ ПРОЦЕСІВ ТЕПЛО- ТА ВОЛОГОПЕРЕНЕСЕННЯ У ФРАКТАЛЬНИХ СЕРЕДОВИЩАХ

Фізично обґрунтовані нейронні мережі (PINN) є потужним підходом у машинному навчанні, що дозволяє розв’язувати прямі, обернені задачі та задачі ідентифікації, пов’язані з моделями, що описуються дробовими диференціальними рівняннями, за рахунок включення залишків операторних рівнянь, граничних та початкових умов в цільову функцію під час навчання.

СТВОРЕННЯ СИСТЕМИ РОЗПІЗНАВАННЯ ОБЛИЧ НА ОСНОВІ НЕЙРОМЕРЕЖІ, ЩО ПРАЦЮЄ В РЕЖИМІ РЕАЛЬНОГО ЧАСУ

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.

АНАЛІЗ ПРОДУКТИВНОСТІ ГЕНЕТИЧНОГО АЛГОРИТМУ, ДОПОВНЕНОГО ЗГОРТКОВОЮ НЕЙРОННОЮ МЕРЕЖЕЮ, ДЛЯ ТОПОЛОГІЧНОЇ ОПТИМІЗАЦІЇ МЕТАМАТЕРІАЛІВ

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.

Порівняльний аналіз алгоритмів відстеження точки максимальної потужності фотоелектричної панелі

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.

Оптимізація ширини потокового графа алгоритму у нейронних мережах для зменшення використання процесорних елементів на одноплатних компʼютерах

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.

Інтелектуальна система передбачення фейкових новин на основі технологій NLP та машинного навчання

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.

ГЕНЕРАЦІЯ ТА РОЗПІЗНАВАННЯ ФРАКТАЛЬНИХ КАМУФЛЯЖНИХ СТРУКТУР З ВИКОРИСТАННЯМ НЕЙРОННИХ МЕРЕЖ

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.

Оцінка точності класифікації за допомогою нейромережі прямого поширення динамічних об’єктів

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.

Система розпізнаванням об’єктів на основі моделі Yolo

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.