згорткова нейронна мережа

Завдання класифікації патернів не втрачає актуальності у сферах трендів, стилю, моди, персоналізації, виробництва та дизайну. Висвітлено дослідження, спрямоване на проєктування та розроблення моделей і засобів класифікації патернів елементів одягу із використанням машинного навчання. Воно вирішує актуальне питання комп’ютерного зору, а саме підвищення ефективності класифікації патернів елементів одягу. Дослідження виконано з власним набором даних, що містить 600 зображень.

Національний кластер кібербезпеки України функціонально орієнтований на побудову систем захисту різних платформ інформаційної інфраструктури, зокрема створення безпечних технологій виявлення deepfake-модифікацій біометричного зображення на основі нейронних мереж у кіберпросторі.
У цьому просторі запропоновано концептуальний підхід до виявлення deepfake-модифікацій, який розгорнуто на основі функціонування згорткової нейронної мережі та алгоритму роботи класифікатора біометричних зображень за структурою «чутливість – показник Юдена – оптимальний поріг – специфічність».

Загрози для клімату та глобальні зміни в екологічних процесах залишаються актуальною проблемою у всьому світі. Тому важливий постійний моніторинг цих змін, зокрема із використанням нестандартних підходів. Це завдання можна виконати на основі дослідження інформації про міграцію птахів. Одним із ефективних методів дослідження міграції птахів є слуховий метод, який потребує вдосконалення.

Стаття присвячена проблемі автоматичної оцінки якості зображень згортковою нейронною мережею при використанні для навчання нейронної мережі поширеної бази зображень TID2013. База TID2013 вибрана з тих міркувань, що вона містить 25 базових реальних зображень, отриманих на основі цих зображень спотворених зображень за допомогою 24 різних методів спотворень та з 5 рівнями спотворень, що створює достатньо велику базу 3000 зображень для навчання нейронної мережі. Для кожного зображення наведена усереднена експертна оцінка його якості.

Проаналізовано загальну архітектуру системи соціалізації груп користувачів за подібними інтересами та функціональні вимоги до неї. Для опрацювання великої частини інформації систему реалізовано із використанням методів нечіткого пошуку текстової інформації та машинного навчання. Зокрема, застосовано алгоритми N-грам, розширення вибірки та структурованої моделі Noisy Channel. Особливістю інтелектуальної системи є опрацювання тексту, аналіз слів у тексті та формування оцінок.

Створено проєкт інформаційної системи для соціалізації за особистими інтересами на основі SEO-технологій та методів машинного навчання. Основна мета цієї інформаційної системи – ідентифікація користувача в системі за допомогою нейронних мереж і вибір подібних користувачів на підставі аналізу поточної інформації користувача. Створено інформаційну систему, яка за допомогою токенів Identity та JWT забезпечує оптимізовані та безпечні функції авторизації, реєстрації та підтримки поточного сеансу користувача системи.

Досліджено особливості найпоширеніших методів і систем пошуку та розпізнавання об'єктів у відеозображеннях. За результатами дослідження показано доцільність побудови засобів пошуку та розпізнавання для платформи iOS у реальному часі. Запропоновано метод функціональної адаптації алгоритму пошуку та розпізнавання об'єктів до особливостей відеозображень, який полягає в опрацюванні відеозображення згладжуючим та мінімізаційним фільтрами, що забезпечує зменшення часу пошуку та розпізнавання об'єктів. Розроблено базову структурну схему таких засобів та алгоритм функціонування.

Дос­лі­дже­но су­час­ні ба­зи да­них бі­оме­дич­них зоб­ра­жень. По­ка­за­но, що от­ри­ман­ня бі­оме­дич­них зоб­ра­жень є до­ро­гим і три­ва­лим. Роз­роб­ле­но ба­зу да­них зоб­ра­жень пе­ред­ра­ко­вих і ра­ко­вих ста­нів мо­лоч­ної за­ло­зи "BPCI2100". Ба­за да­них скла­дається із 2100 файлів зоб­ра­жень та MySQL ба­зи да­них ін­фор­ма­ції ме­дич­них дос­лі­джень (ін­фор­ма­ція про па­цієнта та оз­на­ки зоб­ра­жен­ня). З'ясо­ва­но, що ефек­тив­ним за­со­бом ге­не­ру­ван­ня зоб­ра­жень є ге­не­ра­тив­но-зма­галь­ні ме­ре­жі.