глибинне навчання

CREATING A FACIAL RECOGNITION SYSTEM BASED ON A NEURAL NETWORK THAT WORKS IN REAL TIME

The article is devoted to the theoretical foundations and practical aspects of facial recognition using neural networks. The paper analyzes various approaches to feature extraction from facial images, as well as methods for training neural networks for recognition. Special attention is paid to problems related to variations in lighting, facial expressions, and other factors affecting recog- nition accuracy. The paper describes the creation and optimization of a neural network for real-time human face recognition.

Predictive modeling of haze using chaos theory and deep learning algorithms

With the swift growth of urbanization and industrialization, fine particulate matter (PM$_{10}$) has escalated into a major global environmental crisis.  PM$_{10}$ is often used as a haze indicator, severely affecting human health and ecosystem stability.  Accurate prediction of PM$_{10}$ levels is crucial, but existing models face challenges in handling vast data and achieving high accuracy.  This study investigates four years of PM$_{10}$ time series in industrial area in Malaysia.  Paper aims to develop and compare haze predicting models using chaos theory, including

Comparison of some CNN architectures for detecting cardiomegaly from chest X-ray images

In medical image analysis, deep learning and convolutional neural networks (CNN) are widely employed, particularly in tasks such as classification and segmentation.  This study specifically addresses their application in healthcare for detecting cardiomegaly, a condition characterized by an enlarged heart, often related to factors such as hypertension or coronary artery diseases.  The primary objective is to develop an algorithm to identify cardiomegaly in chest X-ray images, constituting a binary classification problem (whether the image exhibits cardiomegaly or not). 

Ансамблеві методи на основі центрування для сегментації зображення

Ансамблеві методи можуть використовуватись для багатьох завдань, одними з найпопулярніших є: класифікація, регресія та сегментація зображень. Сегментація зображень є складною задачею, де використання ансамблевих методів машинного навчання дає можливість покращити точність передбачень нейронних мереж.

МОДЕЛІ МАШИННОГО НАВЧАННЯ ТА ОПТИМІЗАЦІЙНІ СТРАТЕГІЇ ДЛЯ ПІДВИЩЕННЯ ЕФЕКТИВНОСТІ КЛАСИФІКАЦІЇ НА МОБІЛЬНИХ ПРИСТРОЯХ (ENGLISH)

The paper highlights the increasing importance of machine learning (ML) in mobile applications, with mobile devices becoming ubiquitous due to their accessibility and functionality. Various ML models, including Convolutional Neural Networks (CNNs) and Vision Transformers (ViTs), are explored for their applications in real-time classification on mobile devices. The paper identifies key challenges in deploying these models, such as limited computational resources, battery consumption, and the need for real-time performance.

Advanced YOLO models for real-time detection of tomato leaf diseases

The increasing focus on smart agriculture in the last decade can be attributed to various factors, including the adverse effects of climate change, frequent extreme weather events, increasing population, the necessity for food security, and the scarcity of natural resources.  The government of Morocco adopts preventative measures to combat plant illnesses, specifically focusing on tomatoes.  Tomatoes are widely acknowledged as one of the most important vegetable crops, but they are highly vulnerable to several diseases that significantly decrease their productivity.  De

Revolutionizing tomato pest management: Synergy of Deep Learning, IoT, and Precision Agriculture

The increasing worldwide demand for agricultural goods, particularly tomatoes, underscores the need for effective pest control.  Key pests such as Whiteflies, Fruit Fly, and Helicoverpa Armigera pose significant threats to tomato crops.  This research proposes a novel approach by integrating modern technologies such as deep learning and the Internet of Things (IoT) to revolutionize traditional pest management methods.  Using a portable Pest Counting Device equipped with the YOLOv8 deep learning model on a Raspberry Pi 4B, coupled with the Firebase IoT platform, facilita

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.

Інтелектуальні системи допомоги водію на основі комп’ютерного зору та глибинного навчання

У статті представлено інтегровану інтелектуальну систему допомоги водію (ADAS), яка об’єднує кілька ключових функціональних модулів, як-от: система попередження про зіткнення, виявлення смуг руху, розпізнавання дорожніх знаків та виявлення ям на дорогах, що реалізовані за допомогою сучасних моделей глибинного навчання, зокрема YOLOv8n. Система оптимізована для роботи на пристроях Raspberry Pi або NVIDIA Jetson Nano із обмеженими обчислювальними ресурсами із застосуванням модульної архітектури та паралельного опрацювання даних для забезпечення швидкодії в режимі реального часу.

РОЗУМІННЯ ВЕЛИКИХ МОВНИХ МОДЕЛЕЙ: МАЙБУТНЄ ШТУЧНОГО ІНТЕЛЕКТУ

У статті проведено дослідження новітнього напрямку у штучному інтелекті - Великі Мовні Моделі, які відкривають нову еру в обробці природної мови, надаючи можливість створення більш гнучких і адаптивних систем. З їх допомогою досягається високий рівень розуміння контексту, що збагачує досвід користувачів та розширює сфери застосування штучного інтелекту. Великі мовні моделі мають величезний потенціал для переосмислення взаємодії людини з технологіями та зміни уявлення про машинне навчання.