ПРОГРАММНЫЕ СИСТЕМЫ: ТЕОРИЯ И ПРИЛОЖЕНИЯ

18+

Электронный научный журнал Института программных систем имени А.К. Айламазяна Российской академии наук

Титульная страница
О журнале
Редакция
Условия публикации
Текущий выпуск
Архив выпусков

© 2010 Электронный научный журнал «Программные системы: Теория и приложения»
Институт программных систем имени А.К. Айламазяна РАН
© 2010

Статьи представлены в формате PDF

Для чтения файлов в формате PDF рекомендуется
программа Adobe Reader

            


• Содержание выпуска •
• Программное и аппаратное обеспечение для суперЭВМ •
• Искусственный интеллект, интеллектуальные системы, нейронные сети •
• Информационные системы в культуре и образовании •
• Методы оптимизации и теория управления •
• Математические основы программирования •
• Программное и аппаратное обеспечение распределенных и суперкомпьютерных систем •

Искусственный интеллект, интеллектуальные системы, нейронные сети

Ответственные за рубрику: д.т.н. Хачумов В.М., к.т.н Куршев Е.П.
Слева для каждой статьи показаны: присвоенный статье порядковый номер; дата поступления статьи в редакцию; количество страниц статьи в формате А5; ссылка на полный текст статьи в формате PDF .

 

27

Поступила в редакцию 05.10.2017

Подписана в печать 01.11.2017

10 с.

PDF

Н. А. Власова, А. В. Подобряев
Автоматическое выявление границ именных групп с использованием информации об именованных сущностях

В настоящей работе ставится задача автоматического выявления границ именных групп, заполняющих валентность предиката в предложении. Рассматриваются именные группы любых видов, за исключением сочиненных. Используется предварительная автоматическая сегментация предложений на фрагменты, заведомо содержащие искомые именные группы. Для проведения границ именных групп внутри найденных фрагментов применяется метод машинного обучения. В системе признаков используется информация об извлеченных на предварительном этапе анализа именованных сущностях разных типов, а также данные из базы знаний. Приводятся результаты эксперимента по выявлению границ именных групп.


Ключевые слова:
частичный синтаксический анализ, автоматическое извлечение информации, именованные сущности, машинное обучение.

Ссылка на статью обязательна

http://psta.psiras.ru/read/psta2017_4_21-30.pdf

цифровой идентификатор статьи DOI

https://doi.org/10.25209/2079-3316-2017-8-4-21-30

30

Поступила в редакцию 21.10.2017

Подписана в печать 04.12.2017

15 с.

PDF

А. В. Смирнов, Е. С. Иванов
Использование механизма сверточных нейронных сетей для поиска объектов на аэрофотоснимках

В статье описан метод поиска объектов на аэрофотоснимках с применением нейронных сетей, а также алгоритм, позволяющий выполнить постобработку данных, полученных в результате работы нейронных сетей. Рассмотрена задача поиска самолетов на изображениях.


Ключевые слова: нейронные сети, поиск объектов, аэрофотоснимки.

Ссылка на статью обязательна

http://psta.psiras.ru/read/psta2017_4_85-99.pdf

цифровой идентификатор статьи DOI

https://doi.org/10.25209/2079-3316-2017-8-4-85-99

33

Поступила в редакцию 01.12.2017

Подписана в печать 25.12.2017

15 с.

PDF

А. И. Мамонтов, С. М. Рябинов
Об одном методе экономии памяти при классификации текстов

В статье исследуется метод экономии памяти в задачах классификации текстов поиском совпадающих частей линейных полиномов. В начале приводится алгоритм поиска совпадающих частей в линейных полиномах с целыми коэффициентами. Этот алгоритм позволяет вычислять системы линейных полиномов с целыми коэффициентами быстрее и использовать для их хранения меньше памяти. Затем алгоритм применяется для поиска совпадающих частей линейных полиномов, возникающих при классификации текстов с помощью байесовского классификатора, и приводятся вычислительные эксперименты, демонстрирующие эконимию памяти.


Ключевые слова: классификация текстов, линейные полиномы, целые числа, байесовский классификатор.

Ссылка на статью обязательна

http://psta.psiras.ru/read/psta2017_4_133-147.pdf

цифровой идентификатор статьи DOI

https://doi.org/10.25209/2079-3316-2017-8-4-133-147

36

Поступила в редакцию 04.12.2017

Подписана в печать 25.12.2017

11 с.

PDF

Н. С. Абрамов, В. П. Фраленко
Нейросетевая система защиты информации вычислительных комплексов

Работа посвящена нейросетевой системе защиты вычислительных комплексов от сетевых атак. Предложены методика защиты информации с использованием нейросетевого подхода, алгоритм анализа сетевого трафика. Представлены результаты тестирования программного обеспечения системы защиты вычислительных комплексов от сетевых атак.


Ключевые слова:
информация, анализ, система, безопасность, защита, искусственная нейронная сеть.

Ссылка на статью обязательна

http://psta.psiras.ru/read/psta2017_4_197-207.pdf

цифровой идентификатор статьи DOI

https://doi.org/10.25209/2079-3316-2017-8-4-197-207

38

Поступила в редакцию 01.12.2017

Подписана в печать 28.12.2017

12 с.

PDF

З. Т. Нгуен, М. В. Хачумов
Метод наведения 3D-модели объекта на 2D-изображение на основе инвариантных моментов

Решение задачи наведения сводится к оптимизации ориентации 3D-модели объекта для достижения максимального совпадения ее проекции с предъявленным изображением. Критерием близости служит аддитивная свертка квадратов разностей инвариантных моментов сравниваемых 2D- изображений. В принятой постановке проекция 3D-модели есть полутоновое изображение, в котором яркость пикселя определяется глубиной его расположения относительно плоскости наблюдения.


Ключевые слова:
3D-модель объекта, дальностное изображение, проекция, сравнение, управление ориентацией, инвариантные моменты.

Ссылка на статью обязательна

http://psta.psiras.ru/read/psta2017_4_209-220.pdf

цифровой идентификатор статьи DOI

https://doi.org/10.25209/2079-3316-2017-8-4-209-220

45

Поступила в редакцию 04.12.2017

Подписана в печать 28.12.2017

18 с.

PDF

А. Ю. Буйко, А. Н. Виноградов
Выявление действий на видео с помощью рекуррентных нейронных сетей

В настоящей работе рассмотрено применение методов компьютерного зрения и рекуррентных нейронных сетей для решения задачи выявления и классификации действий на видео.
В статье приводится описание подхода, применённого авторами для анализа видеофайлов. Рекуррентные нейронные сети выступают в качестве классификатора. На вход классификатору передаются мешки слов, которые являются гистограммами низкоуровневых действий. Гистограммы представляют собой наборы дескрипторов кадров видеофайлов. Для поиска дескрипторов на изображениях используются алгоритмы SIFT, ORB, BRISK, AKAZE.


Ключевые слова:
компьютерное зрение, дескрипторы, мешки слов глубинное обучение, рекуррентные нейронные сети, сети долгой краткосрочной памяти, анализ видео.

Ссылка на статью обязательна

http://psta.psiras.ru/read/psta2017_4_327-344.pdf

цифровой идентификатор статьи DOI

 

 

• Содержание выпуска •
• Программное и аппаратное обеспечение для суперЭВМ •
• Искусственный интеллект, интеллектуальные системы, нейронные сети •
• Информационные системы в культуре и образовании •
• Методы оптимизации и теория управления •
• Математические основы программирования •
• Программное и аппаратное обеспечение распределенных и суперкомпьютерных систем •

 

Адрес редакции: 152021, Ярославская обл., Переславский район, село Веськово, ул. Петра Первого, д. 4 "а"
Тел.: (4852) 695-228.       E-mail: .      Сетевой адрес издания: http://psta.psiras.ru