В работе проведены исследование и анализ моделей и методов глубокого обучения в задачах распознавания и классификации изображений опухолей мозга. Для сравнения эффективности наиболее актуальных и доступных моделей на основе сверточных нейронных сетей были выбраны модели VGG19, Xception и ResNet152. Наилучшие результаты показала модель Xception. Целью данной работы являются оптимизация и обучение выбранной модели с помощью различных методов для повышения точности диагностики опухолей головного мозга человека. Предложена и реализована стратегия для улучшения этой модели с использованием методов переноса обучения и аугментации данных. Из проведенных тестов следует, что улучшенная модель демонстрирует более высокую точность и устойчивость к различным видам искажений данных, что делает ее более эффективной для задач распознавания и классификации изображений.
Цифровая трансформация бизнеса означает перевод многих процессов на предприятии в цифровой вид, т. е. предполагается выполнение процессов с использованием компьютерной техники и ИТ-технологий. При этом важно организовать эффективную интеграцию уже имеющихся на предприятии процессов с современными ИТ-технологиями. Такая интеграция может касаться не только производства, но и других областей человеческой деятельности. Конечно, и раньше многие отрасли в разной мере подвергались автоматизации, но появление искусственного интеллекта (ИИ) может сгладить разницу между отраслями с автоматизацией разной степени и позволит оптимизировать процессы, даже если какие-то из сфер деятельности не предполагают использование ИИ. Тем не менее процесс цифровизации в подавляющем большинстве случаев даст ускорение принятию решений, если использовать системы ИИ, в частности цифрового двойника. Это оптимизирует сбор данных, что позволит использовать их для создания моделей объектов или систем. Модель в дальнейшем будет применяться для анализа и оптимизации работы без физического присутствия объекта. Все вышеизложенное и определяет актуальность темы идентификации места и роли искусственного интеллекта в цифровой трансформации российского бизнеса. В данной статье авторы размышляют над проблемой «Какие шаги необходимо предпринять для развития новых технологий анализа данных в производстве? И как усовершенствовать среду работы с данными?». В статье дается обзор истории использования искусственного интеллекта в бизнесе. Обсуждаются слабые стороны применения технологий искусственного интеллекта. Предпринимается попытка дать ответ на вопрос: что нужно сделать уже сегодня, чтобы предприятие или организация могли занять лидирующие позиции завтра.
Статья посвящена применению возможностей информационного моделирования для создания сложных строительных конструкций на примере арочной фермы с использованием среды визуального программирования Dynamo. Авторы рассматривают преимущества использования этой технологии при проектировании строительных объектов и особенности работы с программой Revit, которая является основным инструментом для реализации представленного проекта. Использование автоматизации проектирования арочных ферм через написание скриптов в Dynamo позволяет значительно сократить временные затраты и повысить точность расчетов. Цель исследования: разработать метод для автоматизированного создания информационной модели арочной фермы в Revit с помощью Dynamo для оптимизации процесса моделирования. В статье приводятся примеры конкретных задач, решаемых с помощью данного подхода, и рассматриваются перспективы дальнейшего развития технологии информационного моделирования в строительстве.
Хотите ли вы создать свою игру в жанре стратегии в реальном времени или симулятор земной поверхности – данная книга будет вам верным помощником. А может быть, вы хотите превзойти в терраморфинге создателей «Периметра»?
Тогда эта книга может стать для вас отправной точкой в нелегком пути. Шаг за шагом вы будете изучать построение ландшафтного движка с использованием DirectX 9 и C++. Вы узнаете, как применять пиксельные и вершинные шейдеры, а также о методиках текстурирования ландшафта, об имитации реалистичных гор, долин, неба, водных поверхностей.
В статье предлагается новый подход к изучению взаимодействия сигналов биомедицинской природы, в частности, данных электроэнцефалограмм (ЭЭГ), путем анализа структуры временных задержек пар сигналов относительно друг друга. Анализ литературы показал, что большинство методов оценки взаимодействия сигналов при анализе ЭЭГ основаны на вычислении функции когерентности, что не учитывает задержки сигналов относительно друг друга по времени. Ввиду этого предлагается рассмотреть метод анализа структуры временных задержек пар сигналов на примере данных ЭЭГ, состоящий из следующих этапов: фильтрации сигналов в нескольких перекрывающихся частотных диапазонах; нахождения последовательности временных задержек пары сигналов; вычисления матрицы расстояний между рядами временных задержек сигналов с использованием расстояния Евклида, манхэттенского расстояния и расстояния Чебышева; оценки плотности распределения для расстояний между последовательностями временных задержек на тестовой выборке. В статье приводится исследование свойств предложенного метода на модельных сигналах, построенных на основе функций с хорошо известными свойствами, а также применение метода на реальных данных ЭЭГ, что позволило выявить и проанализировать задержки реакции людей на фотостимуляцию в зависимости от различных отведений ЭЭГ. Результаты показывают, что разница временных задержек сигналов между различными отведениями ЭЭГ в большинстве случаев у испытуемых отсутствует, но у некоторых испытуемых она составляет около 0,3 сек. (при вычислении с помощью евклидовой метрики), что является существенным запаздыванием на фотостимуляцию между различными участками мозга. При этом метрики, отличные от евклидовой, дают иную оценку расстояний между последовательностями временных задержек, позволяя получить более детализированную, или, напротив, более общую картину. Данный метод может быть полезен при картировании головного мозга на основе данных ЭЭГ.
При исследовании надежности в зависимости от типа изделий используют параметрические и непараметрические модели. Параметрические модели работают с цензурированными выборками, где данные для расчета надежности представлены как наработки отказавших и работающих изделий. Наработками отказавших изделий является время, за которое они вышли из строя в процессе эксплуатации, а наработками работающих изделий - время, которое они успешно проработали. Обычно рассматривают три основных закона распределения наработок до отказа - экспоненциальный, Вейбулла и нормальный. Чаще всего применяется закон распределения Вейбулла, поскольку экспоненциальный является его частным случаем и позволяет контролировать динамику изменения надежности. Непараметрический анализ обладает преимуществом получения надежных результатов без привязки к определенному распределению данных о сроке службы. Однако из-за этой гибкости непараметрические методы могут оказаться сложными и менее удобными для решения различных задач, типичных для инженерного проектирования. В то же время, параметрический анализ может более четко выявить специфические тенденции и закономерности отказов, что делает его предпочтительным в некоторых ситуациях. Рассмотрим и проанализируем применение непараметрической модели для оценки надежности космических аппаратов на примере обобщенного распределения Вейбулла.
В статье представлен новый метод сжатия аудиоданных с потерями. Метод базируется на психоакустических принципах восприятия звука человеком. Учет данных принципов позволяет получить метод сжатия аудиоданных различной природы: музыкальных композиций, речевого сигнала, различных звуков другого происхождения. Стоит отметить, что каждый из них имеет свои особенности. Речевые сигналы содержат паузы и имеют менее разнообразный частотный диапазон по отношению к музыке, что приводит к разработке специфических методов их компрессии. Целью построения представленной теории сжатия аудиоданных с потерями является достижение равенства исходного и восстановленного сигналов в перцептуальном смысле. Именно такой подход позволяет получить метод сжатия аудиоданных, который позволяет в значительной степени уменьшить битовое представление аудиосигнала, оставляя его на слух очень близким к оригиналу. Большое внимание при разработке метода уделено квантованию по уровню, причем при квантовании спектральных составляющих сигнала используется теория едва заметных изменений звука. Представляется целесообразным учет этой теории, поскольку она является значимой при обработке аудиосигналов, однако, до сих пор не была использована при разработке методов сжатия аудиоданных. Предлагаемая в статье процедура квантования по уровню сочетает в себе преимущества как адаптивного, так и равномерного квантования. Для адаптивного квантования основное преимущество это значительно меньшее число уровней квантования, которое необходимо для достижения сопоставимого с равномерным квантованием уровня шума квантования. Представленный метод квантования, который являясь по сути неравномерным (адаптивным) не требует передачи значения каждого из уровней квантования (или шага квантования). Кроме того, ошибка квантования в разработанном методе не превышает 1 дБ, что является порогом едваразличимых изменений звука.
Графовые нейронные сети в настоящее время являются объектом все возрастающего интереса в области машинного обучения и анализа данных. Их специализированная архитектура позволяет эффективно моделировать и анализировать сложные структуры данных на графах, такие как социальные сети, биоинформационные сети, транспортные сети и другие. С возрастанием объема данных, представленных в виде графов, растет их значимость как инструмента для понимания и прогнозирования сложных взаимосвязей и паттернов. Данная работа направлена на оценку эффективности метода L2-регуляризации, применяемого при машинном обучении в контексте задачи кластеризации узлов графа. Под кластеризацией понимается объединение узлов в группы, выделяемые по степени их связности. При обучении используется специальный метод регуляризации и реализующий его алгоритм распространения меток LPA (Label Propagation Algorithm), а также расширение данного подхода на две популярные архитектуры графовых нейронных сетей: GraphSAGE (Graph Sample and Aggregation) и GAT (Graph Attention Networks). В рамках исследования проводится сравнительный анализ эффективности применения метода LPA на различных датасетах, широко применяемых в научных и практических задачах. Результаты исследования показывают заметное улучшение точности анализа графовых моделей данных при использовании анализируемого подхода. Проведенное исследование способствует более глубокому пониманию воздействия общего подхода L2-регуляризации в плане обучения графовых нейронных сетей.
Работа посвящена изучению возможностей применения искусственных импульсных (или спайковых) нейронных сетей для решения задачи приближенной факторизации Винера - Хопфа для процессов Леви в рамках интеллектуальной системы машинного обучения. Одним из приложений факторизации Винера - Хопфа является вычисление цен барьерных опционов, в связи с чем рассматриваемая задача имеет важный прикладной аспект для вычислительной финансовой математики в части создания гибридных численных методов, комбинирующих современные технологии нейросетей третьего поколения и классические методы вычислительной математики. В рамках статьи предложена импульсная нейронная сеть с моделью «интегрировать-и-сработать» с утечками для факторизации тригонометрического полинома в комплексной форме, коэффициенты которого представляют собой распределение вероятностей. Искомые многочлены-факторы имеют аналогичную вероятностную интерпретацию, при этом у первого фактора первая половина коэффициентов равна нулю, а у второго - вторая половина. Вероятностная интерпретация задачи позволяет обойтись без кодирования и декодирования входных и выходных данных в спайки и обратно. Обучение сети проводится для одного набора коэффициентов полинома с целью минимизировать ошибку приближения этого полинома произведением факторов, коэффициенты которых предсказываются сетью, для чего программно реализована собственная функция потерь. В отличие от традиционного подхода к подбору параметров модели на обучающей выборке, в данной работе предлагается минимизировать ошибку приближения конкретной характеристической функции процесса Леви произведением многочленов-факторов. При этом модель не использует фактические значения коэффициентов факторов при обучении, а только значения многочленов, вычисленные с помощью быстрого преобразования Фурье. В рамках вычислительных экспериментов представлен пример факторизации полинома 255-й степени, связанного с гауссовым процессом Леви, с помощью спайковой нейросети. Программная реализация предлагаемого в статье подхода к решению задачи факторизации написана на языке программирования Python с использованием фреймворка машинного обучения pyTorch и библиотеки snnTorch импульсных нейронных сетей.
В эстетической теории выделяются разные подходы к пониманию чувственного и логического. Автор согласен с теорией И. Канта, что чувственное восприятие субъективно и воображению даётся возможность придумывать вымышленных персонажей, которых не существует в реальной жизни. Цифровые технологии позволяют оживить и ввести в художественный спектакль таких персонажей. Такой процесс становится возможным с помощью компьютерных алгоритмов, которые используются при создании арт-практик. Существует множество противоречивых публикаций, где отсутствует понимание технологического процесса поставленной задачи, например, о том, что можно написать программу, которая по картинкам «обучит машину эстетике». Поэтому автор статьи обращается к трем технологическим решениям (виртуальная реальность, дополненная реальность, ИИ основанный на данных) и рассматривает на примере существующих программ и приложений, как происходит процесс взаимодействия компьютерных алгоритмов художественного творчества с воображением и мастерством постановщиков сценического искусства (спектакль, опера, хореография). Данный вопрос автор решает в рамках алгоритмической эстетики, которая рассматривает процесс коммуникации, но в отличие от теории медиа, рассматривает процесс обмена информации в двоичном коде. Алгоритмы, по которым работают написанные программы, не создают «кодовый дух», а позволяют создавать инструменты художественного творчества и развивать мастерство талантливых людей.