8 (495) 987 43 74 доб. 3304 Прием заявок на рассмотрение статей E-mail: evlasova@synergy.ru

Мы в соцсетях -              
Рус   |   Eng

Материалы в свободном доступе

№ 4(88) 01 сентября 2020 года
Рубрика: Эффективные алгоритмы
Авторы: Кузнецова  А. А., Малева  Т. В., Соловьев  В. И.

Скачать статью

Развитие роботизированного сбора урожая может способствовать сокращению доли тяжелого ручного труда в садоводстве, достигающего 40%, а также недобора урожая, который доходит до 50%. Роботы для сбора плодов разрабатываются с конца 1960-х гг., однако ни один существующий прототип не используется на практике из-за низкой скорости сбора урожая и большой доли нераспознанных плодов, остающихся на деревьях. Цель исследования – разработка алгоритма обнаружения яблок на изображениях, способного работать быстро и находить как можно большую долю яблок. Для этого предложено использование сверточной нейронной сети YOLOv3 в сочетании со специальными процедурами пред- и постобработки, позволяющими улучшить качество распознавания яблок, в том числе в ситуациях наличия теней, бликов, различных повреждений яблок, пустых просветов между листьями, по форме напоминающих яблоки, перекрытия яблок ветвями, листьями и другими яблоками. Алгоритм распознает и красные, и зеленые яблоки, способен работать как с изображениями одиночных яблок на фотографиях крупного плана, так и с изображениями многочисленных яблок на фотографиях общего плана. Оценка качества алгоритма проводилась на тестовом наборе из 818 изображений красных и зеленых яблок (всего 5142 яблока). Среднее время обнаружения яблока составило 19 мс, доля объектов, которые ошибочно принимаются за яблоки, оказалась на уровне 7,8%, а доля нераспознанных яблок – на уровне 9,2%. И среднее время обнаружения, и частота ошибок оказались заметно меньше, чем во всех известных аналогичных системах. Продолжение...

№ 4(88) 01 сентября 2020 года
Рубрика: Эффективные алгоритмы
Автор статьи: Читалов  Д. И.

Скачать статью

В настоящем исследовании рассматривается процесс проектирования программного модуля для модификации сеточных моделей путем формирования перегородок и интеграция кода модуля в исходный код программной среды (ПС) OpenFO- AM. В существующих версиях графических оболочек для программной среды OpenFOAM реализованы все необходимые возможности для проведения и препроцессинга, и решения, и постпроцессинга численного решения. К таким графическим оболочкам относятся: Salo- me, Helyx-OS, Visual-CFD. Но они имеют недостатки: отсутствие полноценной документации, англоязычный интерфейс, необходимость оплаты консультационных услуг, в некоторых случаях необходимость оплаты лицензии на использование. Таким, образом, проблема создания графической оболочки для программной среды OpenFOAM сохраняет актуальность, особенно в части создания графической оболочки для отечественных специалистов. Предметом исследования является процесс подготовки расчетных сеток в рамках этапа препроцессинга при проведении численного моделирования задач механики сплошных сред на базе программной среды OpenFOAM. Объект исследования – механизм подготовки расчетных сеточных моделей с помощью базовых утилит, входящих в программную среду OpenFOAM, а также утилит, отвечающих за модификацию расчетных сеток. Работа ставит целью реализацию графического интерфейса для работы с утилитой createBaf- fles, обеспечивающей формирование перегородок, в процессе постановки численных экспериментов применительно к задачам механики сплошных сред (МСС). Приведена диаграмма, описывающая алгоритм работы с модулем, определен стек инструментов для написания программного кода модуля. Сформулированы итоги исследования, его практическая значимость и результаты тестирования модуля на примере одной из задач МСС. Продолжение...

№ 4(88) 01 сентября 2020 года
Рубрика: Сетевые технологии
Автор статьи: Лавренков Ю. Н.

Скачать статью

Рассмотрена процедура синтеза нейронной сети, основу которой составляет комплексная структура из парных нейронов-осцилляторов, функционирующих в определенной топологической карте. Применение нейронов-осцилляторов с изменяемым порогом активационной функции делает возможным создание реконфигурируемых контуров нейронной памяти, выступающей в роли запоминающей структуры, способной по отдельным сигналам внешней среды воссоздавать решение задачи. Предложено применение зеркальных дифференциальных нейронов, которые реализуют данный принцип работы памяти. Такой способ организации нейронной сети делает возможным реализовать подход к нейросетевому обучению, предполагающему выполнение реконфигурации всех переменных параметров нейронов. Настройка отдельных кластерных групп и их дальнейшее взаимодействие приводит к формированию набора образцов, которые соответствуют обучающей выборке. Рассматривается применение межнейронных коммутаторов, основанных на использовании акустического метаматериала, свойства которого можно изменять путем использования электрокапиллярных явлений. Коммутаторы способны одновременно аккумулировать множество нейронных сигналов с последующей обработкой через промежуточное преобразование в акустические волны, распространяющиеся по поверхности и через объем метаматериала. Настройка параметров переключательных элементов с применением метода оптической диффузионной томографии делает возможным создание искусственных нейристорных линий и организацию обработки сигналов в межнейронном пространстве. Рассматривается процедура настройки и адаптации нейросетевой архитектуры для решения задачи повышения достоверности передаваемой информации с использованием технологии множественной передачи дубликатов сообщений. Управление способом доступа к среде передачи данных, а также определение оптимального числа используемых частотных каналов осуществляется с помощью разработанной нейронной сети парных осцилляторов на основе анализа помехово-сигнальной обстановки. Обосновывается эффективность предлагаемого нейросетевого управления и оценивается эффективность решения поставленной задачи. Продолжение...

1 .. 5 6 7 8 9 10 11 12 13 .. 386