Программные продукты и системы

Статьи из выпуска № 1 за 2017 год.

Упорядочить результаты по: Дате публикации | Заголовку статьи | Авторам

1. Автоматический синтаксический анализ китайских предложений при ограниченном словаре [№1 за 2017 год]
Авторы: Юй Чуцяо, Бессмертный И.А.
Просмотров: 7403
В работе обсуждается проблема автоматического анализа естественно-языковых текстов на китайском языке. Одной из актуальных задач в этой области является автоматическое извлечение из текстовых документов фактов по запросу, поскольку автоматические переводчики здесь практически бесполезны. Целью работы является прямое извлечение фактов из текстов на языке оригинала без его перевода. Для этого предлагается подход на основе синтаксического анализа предложений анализируемого текста с последующим сопоставлением найденных частей речи с формализованным запросом в форме субъект–предикат–объект. Отличительная особенность предложенного алгоритма синтаксического анализа – отсутствие фазы сегментации последовательности иероглифов, составляющих предложения, на слова. Узким местом при решении данной задачи является словарь, поскольку при отсутствии слова в словаре правильная интерпретация фразы может быть невозможна. Для преодоления этой проблемы в работе предлагается идентификация модели предложения по служебным словам, а ограниченность словаря устраняется предварительным автоматическим построением тезауруса предметной области и словаря общеупотребительных слов на основе статистической обработки корпуса документов. Апробация предложенного подхода выполнена на небольшой предметной области и с ограниченным словарем, где данный метод показал свою работоспособность. Проведен также анализ временных характеристик разработанного алгоритма. Поскольку для синтаксического анализа используется метод простого перебора, скорость работы парсера на реальных задачах может оказаться неприемлемо низкой, что должно стать темой дальнейших исследований.

2. Алгоритм детектирования объектов на фотоснимках с низким качеством изображения [№1 за 2017 год]
Автор: Викторов А.С.
Просмотров: 9495
В статье рассматривается набор алгоритмов, применяемых для распознавания объектов определенного класса на фотоснимках с некачественным изображением, полученных с видеокамеры низкого разрешения. Особенностью рассматриваемой методики детектирования объектов является возможность обнаружения объектов, размеры изображений которых на фотоснимках не превышают нескольких десятков пикселей. Исследуемое изо- бражение сканируется скользящим окном, считывающим участки изображения с заданным перекрытием между соседними участками. Сканируемые участки изображения предварительно обрабатываются дискриминативным автокодировщиком, извлекающим вектор признаков из участка изображения, который анализируется мультиклассовым классификатором, построенным на основе вероятностной модели регрессии, на предмет наличия изображения или части изображения объекта. Для каждого сканируемого участка изображения классификатор вычисляет значение вероятности обнаружения детектируемого объекта определенного класса на данном участке. На основании результатов сканирования изображения делается вывод о наличии изображения объекта и о его наиболее вероятном положении на фотоснимке. Для повышения точности обнаружения границ изображения значение вероятности обнаружения детектируемого объекта определенного класса интерполируется для каждого анализируемого пикселя изображения. После детектирования пикселей на основании их распределения на изображении уточняются границы изображения детектируемого объекта. В ходе проведенного исследования было обнаружено, что использование дискриминативного автокодировщика значительно повысило робастность алгоритма детектирования. В статье дано подробное описание процесса обучения и настройки параметров алгоритмов, используемых в процессе детектирования. Результаты данного исследования могут найти широкое применение для автоматизации различных процессов, например для сбора и анализа информации в различных аналитических системах.

3. Интеллектуальная поддержка принятия решений при диспетчировании технологических процессов в многономенклатурном машиностроении [№1 за 2017 год]
Авторы: Бурдо Г.Б., Семенов Н.А.
Просмотров: 6890
В последние пятнадцать лет структура машиностроительного и приборостроительного производств претерпела серьезные изменения, обусловленные требованиями заказчиков продукции получать наукоемкие изделия в определенное время. Предприятия указанных отраслей стали разрабатывать и производить одновременно большое число различных изделий, то есть стали многономенклатурными. Исторически многономенклатурные машиностроительные и приборостроительные предприятия не были оснащены автоматизированными инструментальными средствами, позволяющими эффективно управлять технологическими процессами. Это объясняется высокой динамичностью их производственных систем, отсутствием повторяемости находящихся в изготовлении заказов и возникающих производственных ситуаций, а также влиянием значительного числа случайных факторов, нарушающих нормальный ход технологических процессов. В результате срываются сроки поставки продукции и, таким образом, ухудшаются экономические показатели деятельности предприятий и фирм. В связи с этим понятна актуальность создания автоматизированных систем поддержки принятия решений в автоматизированных системам управления технологическими процессами. Диспетчирование технологических процессов имеет своей целью введение их в нормальный график и является одной из важнейших составляющих при управлении ими. В данной работе реализован комбинированный подход к выработке управляющих воздействий. Исходя из наличия большого числа случайных возмущающих воздействий, в автоматизированной системе выполняется учет наиболее значимых и наиболее вероятных из них. Поэтому путем сравнения и анализа планируемых и фактических времен (времена начала и окончания) операций технологических процессов, тенденции развития ситуации (накапливание или уменьшение рассогласования) накапливающимся итогом выявляются наиболее вероятные причины невыполнения плана и возможные управляющие воздействия. Анализ производится с помощью базы знаний, построенной на основе продукционных моделей. Выявленные причины являются «подсказками» для второго этапа. На этом этапе с заранее оговоренной периодичностью или при возникновении исключительной ситуации группой экспертов из числа работников предприятия обсуждаются и оцениваются альтернативы. На основании методики нечеткого управления определяется взвешенная оценка уверенности экспертов в достижимости нужного результата реализацией того или иного управляющего воздействия и принимается окончательное решение.

4. Использование геометрии сцены для увеличения точности детекторов [№1 за 2017 год]
Авторы: Шальнов Е.В., Конушин А.С.
Просмотров: 7939
Ключевым элементом любых систем интеллектуальной видеоаналитики является алгоритм выделения, или детектирования объектов в видео. Недостаточно высокие скорость и точность существующих алгоритмов детектирования являются существенными сдерживающими факторами распространения технологий видеоаналитики. В данной работе предлагается новый алгоритм повышения скорости и точности работы детекторов, основанных на подходе скользящего окна, за счет учета геометрических свойств сцены. В зависимости от расположения камеры относительно сцены для каждой области изображения можно определить, какого размера может быть изображение искомого объекта в данной области. Окна других размеров не могут соответствовать искомым объектам в сцене, поэтому их можно пропускать и за счет этого увеличивать скорость работы детектора. Предлагаемый алгоритм позволяет определить допустимые размеры объекта для каждой области изображения. Сутью алгоритма является нейронная сеть, которая для таких заданных параметров, как калибровка камеры, размер и положение объекта на снимке, определяет, правдоподобна ли данная сцена. Нейронная сеть обучается на множестве синтетических сцен, что позволяет ей работать для произвольных камер. С помощью нейронной сети для каждой видеопоследовательности строится карта допустимых размеров объектов. Детектор затем применяется только к допустимым фрагментам, которые составляют часть от всего множества фрагментов. Экспериментальная оценка предложенного алгоритма на реальных данных показала, что он позволяет повысить скорость работы детектора на 70 % при одновременном увеличении точности его работы.

5. Использование формулы Байеса при оценивании выполнения практик модели CMMI® [№1 за 2017 год]
Авторы: Кожомбердиева Г.И., Бураков Д.П., Гарина М.И.
Просмотров: 10015
Статья посвящена методике экспертного оценивания (на основе объективных свидетельств) степени осуществления практик, обеспечивающих реализацию целей процессных областей модели CMMI®, разработанной в Институте программной инженерии Университета Карнеги–Меллона (SEI). Формирование подобных оценок необходимо для получения вывода об уровне зрелости процессов разработки ПО, достигнутом организацией-разработчиком. В условиях неопределенности и/или неполноты исходной информации о выполнении практик CMMI® с целью повышения степени доверия к принимаемым экспертами-оценщиками решениям целесообразно использовать ин-струментарий, применяемый для принятия решений в слабо формализованных предметных областях. Ранее в работах авторов рассматривались два подхода к формированию оценок: методы нечеткой логики и методы многокритериальной классификации. В настоящей статье предпринимаются попытки сделать процедуру экспертного оценивания еще более простой и гибкой, расширить возможности ее использования, повысить объективность оценки. Предлагается подход, основанный на использовании известной в теории вероятностей теоремы гипотез (формулы Байеса). При этом степень реализации практики CMMI® оценивается через распределение вероятностей на множестве гипотез о том, что степень реализации достигла одного из предопределенных уровней. Под байесовской оценкой степени реализации практики понимается апостериорное распределение вероятностей, пересмотренное и уточненное в ходе оценивания. Значения условных вероятностей, используемых при вычислении байесовской оценки, показывают, насколько гипотезы об уровне выполнения практики подтверждаются полученными объективными свидетельствами.

6. Методы автоматизированного анализа коротких неструктурированных текстовых документов [№1 за 2017 год]
Автор: Козлов П.Ю.
Просмотров: 6596
В работе рассматриваются задачи автоматизированного анализа текстовых документов в органах исполнительной и законодательной власти. Выделяется группа признаков для классификации текстовых документов, приводятся их типы, методы анализа и рубрицирования. Определяется перечень типов документов, которые необходимо классифицировать. Для анализа коротких неструктурированных текстовых документов предлагается использовать метод классификации на основе весовых коэффициентов, экспертной информации, нечеткого логического вывода, для которого усовершенствована вероятностная математическая модель, разработан способ обучения и экспериментально подобрано соотношение весовых коэффициентов. Предварительно разработанный метод необходимо обучить. На этапе обучения слова тезауруса для каждой предметной области разбиваются на три типа: уникальные, редкие и общие, и в зависимости от типа словам присваиваются весовые коэффициенты. Для поддержания актуальности весовых и частотных коэффициентов предлагается использовать динамическую кластеризацию. Разработанный метод позволяет анализировать описанные документы, а также учесть динамичность тезауруса рубрик. Представлена схема работы системы автоматизированного анализа неструктурированных текстовых документов, написанных на естественном языке, различных типов: длинные, короткие, очень короткие. В зависимости от типа документа используется соответствующий метод анализа, который имеет наилучшие показатели точности и полноты при анализе текстовых документов данного типа. В качестве синтаксического анализатора используется парсер MaltParser, обученный на национальном наборе русского языка. Результатом работы всей системы можно считать базу знаний, в которую попадают все извлеченные знания и их отношения. База знаний постоянно пополняется и используется работниками исполнительной и законодательной власти для обработки поступающих запросов.

7. Методы автоматической классификации текстов [№1 за 2017 год]
Автор: Батура Т.В.
Просмотров: 30350
Классификация текстов является одной из основных задач компьютерной лингвистики, поскольку к ней сводится ряд других задач: определение тематической принадлежности текстов, автора текста, эмоциональной окраски высказываний и др. Для обеспечения информационной и общественной безопасности большое значение имеет анализ в телекоммуникационных сетях контента, содержащего противоправную информацию (в том числе данные, связанные с терроризмом, наркоторговлей, подготовкой протестных движений или массовых беспорядков). Данная статья представляет собой обзор методов классификации текстов, целями которого являются сравнение современных методов решения задачи классификации текстов, обнаружение тенденций развития данного направления, а также выбор наилучших алгоритмов для применения в исследовательских и коммерческих задачах. Широко известный современный подход к классификации основывается на методах машинного обучения. В данной статье описываются наиболее распространенные алгоритмы построения классификаторов, проводимые с ними эксперименты и результаты этих экспериментов. Обзор подготовлен на основе выполненных за 2011–2016 гг. научных работ, находящихся в открытом доступе в сети Интернет и опубликованных в авторитетных журналах или в трудах международных конференций, высоко оцениваемых научным сообществом. В статье произведены анализ и сравнение качества работы различных методов классификации по таким характеристикам, как точность, полнота, время работы алгоритма, возможность работы алгоритма в инкрементном режиме, количество предварительной информации, необходимой для классификации, независимость от языка.

8. Многопроцессорная обработка в задаче пространственной реконструкции по множеству видов [№1 за 2017 год]
Авторы: Бобков В.А., Кудряшов А.П., Мельман С.В.
Просмотров: 5982
Предлагается схема многопроцессорной обработки больших объемов пространственных данных на базе гибридного вычислительного кластера применительно к воксельному методу построения и визуализации 3D-модели сцены подводной обстановки. Рассматривается вычислительная схема воксельного метода, которая состоит из нескольких этапов обработки данных, включая загрузку исходных карт глубин многих видов, построение воксельного представления скалярного поля и построение изоповерхности по воксельному пространству. Вычислительная схема анализируется с точки зрения выявления наиболее вычислительно трудоемких этапов работы и целесообразности организации многопроцессорной обработки. Также рассматривается архитектура используемого гибридного вычислительного кластера, объединяющая три уровня многопроцессорной обработки: вычислительные узлы кластера, многоядерность и графические процессоры видеоплаты. Используются два типа параллельных архитектур: MPI (параллелизм в рамках кластера) и CUDA (параллелизм на графическом ускорителе). Предложенное решение по распределению вычислительной нагрузки основывается на учете характера вычислений на каждом этапе и особенностях используемых параллельных архитектур. Приводится обоснование реализуемой схемы многопроцессорной обработки с качественными и количественными оценками. Реализованная схема обработки данных обеспечивает максимальное ускорение процесса счета применительно к решению задачи 3D-реконструкции сцены на базе рассмотренного вычислительного кластера. Приведены результаты вычислительных экспериментов с реальными данными, полученными со сканера RangeVisionPremium5 Mpix. Анализ результатов тестирования подтвердил возможность принципиального повышения вычислительной производительности в рассматриваемой задаче за счет организации распределенно-параллельной обработки данных. Аналогичная схема может применяться и в других задачах, связанных с обработкой больших объемов пространственных данных.

9. Моделирование воздействия атаки Black Hole на беспроводные сети [№1 за 2017 год]
Авторы: Шахов В.В., Юргенсон А.Н., Соколова О.Д.
Просмотров: 8653
Технологии, основанные на беспроводных сенсорных сетях, проникают в самые важные сферы жизнедеятельности общества. Многие решения в области архитектуры Интернета вещей опираются на результаты исследований беспроводных сенсорных сетей, в частности, это касается предложений, разработанных в рамках ряда проектов Седьмой рамочной программы Европейского союза по развитию научных исследований и технологий. Следовательно, особое внимание необходимо уделять обеспечению безопасности таких сетей. В статье обсуждаются проблемы функционирования сетей в условиях несанкционированных вторжений. Обеспечить абсолютную защиту, полностью нивелировать последствия вторжений возможно далеко не во всех случаях. Однако эффективный выбор механизмов защиты позволит существенно снизить ущерб. Для этого необходимо разрабатывать и исследовать адекватные математические модели. Авторы рассматривают моделирование атаки Black Hole на узлы беспроводных сенсорных сетей и исследуют оценку нанесенного ущерба. Эта атака является одним из наиболее опасных разрушающих информационных воздействий, в результате ее может теряться более 90 % информации, передаваемой в сток. В качестве модели беспроводной сети используются графы единичных кругов (UDG-графы), которые наиболее адекватно описывают связи в этих сетях, где передача информации между узлами возможна, если они находятся в пределах взаимной достижимости радиосигнала. Для моделирования передачи данных по выбранному алгоритму маршрутизации в графе строится остовное дерево. Авторами получены формулы для вычисления аналитических оценок для некоторых случаев вида остовного дерева. Чтобы оценить уязвимость дерева передачи данных к атакам, использовалась величина «нормированное число вершин, от которых потеряна информация» – среднее число вершин, от которых потеряна информация, деленное на общее число вершин в дереве. Полученные аналитические результаты согласуются с результатами имитационного моделирования. Предложен метод противодействия атакам типа Black Hole, оценена его эффективность.

10. Мониторинг частотного ресурса геостационарных спутников-ретрансляторов с использованием энтропии покрытия [№1 за 2017 год]
Авторы: Сухов А.В., Решетников В.Н., Савилкин С.Б.
Просмотров: 7909
Рассмотрен мониторинг радиочастотного спектра для спутников-ретрансляторов, размещаемых на геостационарных орбитах. При этом решена оптимизационная задача обнаружения источников помех при заданных времени поиска и точности определения координат источников помех. Оптимизационная задача решена в целевом информационном пространстве, основанном на энтропии покрытия. Определение местоположения наземных несанкционированных радиопередатчиков выполняется путем анализа временной задержки сигнала и доплеровского смещения частоты сигнала. Местоположение источника помех на поверхности Земли можно определить, используя сигналы передатчика, ретранслируемые через одиночный спутник связи на геостационарной орбите. Небольшой доплеровский сдвиг несущей частоты сигнала, вызванный небольшим перемещением данного спутника на орбите относительно поверхности Земли, можно использовать для расчета местоположения передатчика. В настоящей работе основное внимание сосредоточено на потенциальной точности оценок и выборе эффективного в смысле минимума энтропии покрытия подхода к оптимизации времени измерений. Время сеанса проведения измерений, отношение сигнал/шум и параметры проведения измерений взаимосвязаны между собой. Отношения между реальными и нормативными параметрами измерений использованы в информационной мере – энтропии покрытия. Энтропия покрытия характеризует эффективность систем, которые могут быть представлены вектором показателей эффективности, в соответствии с их целевым применением. Минимальное значение, равное нулю, означает, что нормативные требования выполнены полностью, а положительные значения характеризуют уровень обобщенного несоответствия нормативным требованиям. С использованием энтропии покрытия проведена оценка информационной потенциальной эффективности при обнаружении координат источника помех с использованием эффекта доплеровского сдвига частоты.

| 1 | 2 | 3 | Следующая → ►