Please use this identifier to cite or link to this item: http://repository.kpi.kharkov.ua/handle/KhPI-Press/48925
Title: Adapted neural network of information support subsystem
Other Titles: Адаптована нейронна мережа підсистеми інформаційного забезпечення
Authors: Semenov, Sergiy
Lipchanska, Oksana
Lipchanskyi, Maksym
Keywords: traffic safety; video surveillance; convolutional neural network; згортальна нейронна мережа; відеоспостереження; безпека руху
Issue Date: 2019
Publisher: Харківський національний університет Повітряних Сил ім. Івана Кожедуба
Citation: Semenov S. Adapted neural network of information support subsystem / S. Semenov, О. Lipchanska, M. Lipchanskyi // Наука і техніка Повітряних Сил Збройних Сил України. – 2019. – № 1 (34). – С. 102-106.
Abstract: Safety of human life, the safety of his material values are main priorities in modern society. Objects of critical infrastructure are in a special risk zone. Accident statistics for them has remained high in recent years. Increased risk and a large number of incidents, including abroad, emphasize the relevance of this problem. An adapted neural network has been proposed for monitoring the situation at a railway crossing and informing the train driver of information about unexpected obstacles through the subsystem of information support in order to reduce the likelihood of an accident or reduce the severity of its consequences. Images from a railway crossing video surveillance camera are obtained. The results of neural network training and modeling using image data are given.
Безпека життєдіяльності людини, збереження її матеріальних цінностей є одним з основних пріоритетів в сучасному суспільстві. Найбільшому ризику піддаються об'єкти критичної інфраструктури, надзвичайні події на яких мають серйозні наслідки, у тому числі із людськими жертвами. На протязі останніх років статистика надзвичайних подій на залізничних переїздах як в Україні, так і за кордоном зберігається на високому рівні, що підкреслює актуальність даної проблеми. Велика кількість пригод пов’язана насамперед із підвищеним ризиком високотехнологічних об’єктів та наявністю людського фактору. У статті пропонується за допомогою адаптованої нейронної мережі підвищити рівень безпеки на небезпечних ділянках залізниці через підсистему інформаційного забезпечення машиніста поїзда. Ця система дозволяє виявити небезпечні ситуації у вигляді несподіваних перешкод на залізничному переїзді, повідомити машиніста поїзда та уникнути аварії або зменшити серйозність її наслідків завдяки завчасному гальмуванню і зниженню швидкості. Для вирішення поставленої задачі була обрана згортальна нейронна мережа через свої переваги перед іншими видами штучних нейронних мереж. Складність її використання полягає у підборі великої кількості змін-них параметрів та налаштуванні роботи мережі для вирішення конкретної задачі розпізнавання наявності перешкоди на залізничному переїзді у різні пори року при різних погодних умовах та часі доби. Реалізувати дану задачу необхідно для конкретних обчислювальних потужностей. Запропонована адаптована до особливостей спостережуваного об'єкта нейрона мережа, для якої максимально ефективно визначені такі параметри, як кількість шарів, розмірність ядра згортки для кожного з шарів, кількість ядер для кожного з шарів, крок зсуву ядра при обробці шару, наявність шарів підвибірки, ступінь зменшення розмірності, функція по зменшенню розмірності, функція активації нейронів, наявність і параметри вихідної повнозв’язної нейронної мережі на виході згортальної частини. Наведено результати навчання і моделювання роботи нейронної мережі по зображеннях, отриманих з камери відеоспостереження на залізничному переїзді.
ORCID: orcid.org/0000-0003-4472-9234
orcid.org/0000-0003-4472-9234
DOI: doi.org/10.30748/nitps.2019.34.14
URI: http://repository.kpi.kharkov.ua/handle/KhPI-Press/48925
Appears in Collections:Кафедра "Обчислювальна техніка та програмування"

Files in This Item:
File Description SizeFormat 
NT_PSZSU_2019_1_Semenov_Adapted_neural.pdf901,4 kBAdobe PDFThumbnail
View/Open
Show full item record  Google Scholar



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.