Научный архив: статьи

Рассматриваются вопросы использования метода Physics Informed Neural Networks (PINN) для численного решения нестационарной нелинейной системы дифференциальных уравнений в частных производных, описывающей процесс движения одномерного теплопроводного газа. Используемый подход основан на том, что нейронная сеть приближает решение системы дифференциальных уравнений, при этом учитывая физику моделируемого процесса. Обучение нейронной сети происходит на основе минимизации квадратичного функционала, построенного на невязке дифференциальных уравнений, граничных и начальных условий. Обсуждаются различные виды приближения исходных уравнений в случае, когда оператор по времени непрерывен или дискретен. Выполнен анализ результатов моделирования. Вклад авторов: все авторы сделали эквивалентный вклад в подготовку публикации. Авторы заявляют об отсутствии конфликта интересов.

В статье рассматриваются предпосылки и закономерные последствия развития методов регулирования в инженерных системах: (1) простой регулятор по отклонению и возмущению, (2) регулятор с нечеткой логикой, фаззификатором и базой правил, (3) регулятор с нейронной сетью для динамической подстройки коэффициентов соответствующих звеньев, (4) дискретный нейронный сетевой регулятор с нейронным аппроксиматором и контроллером.

Опыт, наработанный исследователями и инженерами с момента первого описания принципов регулирования в 1910 г., и уровень развития информационных технологий, в частности, нейронный сетевой метод машинного обучения и колоссальный вычислительный потенциал компьютерных устройств, сегодня могут быть интегрированы в принципиально новый метод дискретного нейронносетевого регулирования.
Обзор, проведенный в статье, нацелен на выявление и демонстрацию значимости экспериментальных и эксплуатационных данных, которые должны быть должным образом структурированы и размечены на этапе их сбора и архивации. Именно такой подход позволит прийти к скорейшему внедрению нейронносетевых контроллеров в инженерные
системы, поскольку самым важным этапов для их создания является процесс обучения и оптимизация архитектуры нейронных сетей.
Приводится принцип работы, достоинства и недостатки на фоне существующих и активно используемых регуляторов, оптимальные этапы развития дискретной нейронносетевой концепции регулирования на базе двух нейронных сетей для формирования стратегии регулирования с учетом наиболее вероятного состояния системы в следующий момент времени.

Цель работы: показать правовые проблемы при развитии и внедрении искусственного интеллекта в российской действительности.

Результат. Сделан обзор темы для России, США и Китая. Хотя Россия по использованию искусственного интеллекта находится на 10-м месте в мире, однако его внедрение идет быстрыми темпами. Авторам хотелось показать (и предостеречь), что внедрение того, что называют искусственным интеллектом, развивалось еще в СССР. Один из авторов еще в 1970 году создал лабораторию машинного проектирования для автоматического
проектирования 13-слойных печатных плат бортовых вычислительных машин (авиакосмических комплексов).

К 1980 году в СССР были сотни подразделений в самых разных областях техники, которые занимались автоматизацией проектирования и управления. Развитие автоматизации остановилось в России в связи с остановкой развития промышленности в стране — практически полностью было ликвидировано пассажирское самолетостроение, станкостроение, приборостроение и только в последние годы страна опомнилась и начала говорить о развитии промышленности. Правда, на примере самолетостроения мы видим, что даже давно испытанные и ранее выпускавшиеся пассажирские самолеты никак не начнут выпускаться.

На пути внедрения искусственного интеллекта — не только искусственные преграды в лице нерадивых чиновников, но и объективные обстоятельства: отсутствие правовой базы.

Практическая ценность: настоящая работа является дополнением статьи авторов «Правовые горизонты технологий искусственного интеллекта: национальный и международный аспект» (журнал «Вопросы кибербезопасности», № 1 за 2024 год) и может быть полезной при разработке правовой базы.

В статье рассмотрены основные подходы и особенности цифровой обработки изображений в горной промышленности, начиная от формирования видеопоследовательностей до процесса постобработки.

Произведен анализ основных характеристик видеокамер с учётом особенностей съёмки в условиях производственного процесса и подбора оптимального режима работы видеокамеры. Уточнены зависимости для расчёта количественных характеристик видеокамер при видеонаблюдении в шахтах, описаны особенности цифровых изображений, полученных в шахтах. Рассмотрены основные методы и алгоритмы, применяемые при обработке таких видеоданных: цифровая фильтрация, детекция импульсного шума, сегментация, распознавание объектов.

Проанализированы принципы медианной фильтрации как метода коррекции импульсного шума. Даны рекомендации по оптимизации классических методов цифровой обработки изображений для решения задач видеонаблюдения и постобработки в горной промышленности с учётом ограниченности информационных, трудовых и временных ресурсов. Указаны направления дальнейших исследований в области цифровой обработки изображений в горной промышленности, касающиеся как количественных показателей качества устройств формирования изображений и условий съёмки, так и методов и алгоритмов цифровой обработки изображений.

Исследование посвящено разработке способа обнаружения дефектов в полупроводниковом производстве с помощью нейронных сетей по изображениям , полученным при помощи растрового электронного микроскопа. Проведено исследование метода, позволяющего сократить время обработки полученных изображений при поиске дефектов.