Кафедри
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/35393
Переглянути
10 результатів
Результати пошуку
Публікація Application of computational intelligence methods for the heterogeneous material stress state evaluation(Національний університет "Одеська політехніка", 2022) Babudzhan, Ruslan A.; Vodka, Oleksii O.; Shapovalova, Mariia I.The use of surrogate models provides great advantages in working with computer-aided design and 3D modeling systems, which opens up new opportunities for designing complex systems. They also allow us to significantly rationalize the use of computing power in automated systems, for which response time and low energy consumption are critical. This work is devoted to the creation of a surrogate model for approximating the finite element solution of the problem of dispersion–strengthened composite plane sample deformation. An algorithm for constructing a parametric two–dimensional model of a composite is proposed. The calculation model is created using the ANSYS Mechanical computer-aided design and analysis program using the APDL scripting model builder. The parameters of the stress-strain state of the material microstructure are processed using a convolutional neural network. A neural network based on the U–Net architecture of the encoder-decoder type has been created to predict the distribution of equivalent stresses in the material according to the sample geometry and load values. A direct sequence of layers is taken from the specified architecture. To increase the speed and stability of training, the type of part of the convolutional layers has been changed. The architecture of the network consists of serially connected blocks, each of which combines layers such as convolution, normalization, activation, subsampling, and a latent space that connects the encoder and decoder and adds load data. To combine the load vector, such a neural network architecture as a concatenator is created, which additionally includes the Dense, Reshape and Concatenate layers. The model loss function is defined as the root mean square error over all points of the source matrix, which calculates the difference between the actual value of the target variable and the value generated by the surrogate model. Optimization of the loss function is performed using the first–order gradient local optimization method ADAM. The study of the model learning process is illustrated by plots of loss functions and additional metrics. There is a tendency for the indicators to coincide between the training and validation sets, which indicates the generalizing capability of the model. Analyzing the output of the model and the value of the metrics, a conclusion is made about the sufficient quality of the model. However, the values of the network weights after training are still not optimal in terms of minimizing the loss function. And also, to accurately reproduce the solution of the finite element method (FEM), the proposed model is quite simple and requires clarification. The speed comparison of obtaining results by the FEM and using the architecture of the neural network is proposed. The surrogate model is significantly ahead of the FEM and is used to speed up calculations and determine the overall quality of the approximation of problems of mechanics of this type.Документ Usage of Mask R-CNN for automatic license plate recognition(Національний технічний університет "Харківський політехнічний інститут", 2023) Podorozhniak, A. O.; Liubchenko, N. Yu.; Sobol, Maksym; Onishchenko, D. P.The subject of study is the creation process of an artificial intelligence system for automatic license plate detection. The goal is to achieve high license plate recognition accuracy on large camera angles with character extraction. The tasks are to study existing license plate recognition technics and to create an artificial intelligence system that works on big shooting camera angles with the help of modern machine learning solution – deep learning. As part of the research, both hardware and software-based solutions were studied and developed. For testing purposes, different datasets and competing systems were used. Main research methods are experiment, literature analysis and case study for hardware systems. As a result of analysis of modern methods, Mask R-CNN algorithm was chosen due to high accuracy. Conclusions. Problem statement was declared; solution methods were listed and characterized; main algorithm was chosen and mathematical background was presented. As part of the development procedure, accurate automatic license plate system was presented and implemented in different hardware environments. Comparison of the network with existing competitive systems was made. Different object detection characteristics, such as Recall, Precision and F1-Score, were calculated. The acquired results show that developed system on Mask R-CNN algorithm process images with high accuracy on large camera shooting angles.Документ Improving a neural network model for semantic segmentation of images of monitored objects in aerial photographs(PC Technology Center, 2021) Slyusar, V.; Protsenko, M.; Chernukha, A.; Melkin, V.; Petrova, O.; Kravtsov, M.; Velma, S.; Kosenko, N.; Sydorenko, O.; Sobol, MaksymThis paper considers a model of the neural network for semantically segmenting the images of monitored objects on aerial photographs. Unmanned aerial vehicles monitor objects by analyzing (processing) aerial photographs and video streams. The results of aerial photography are processed by the operator in a manual mode; however, there are objective difficulties associated with the operator's handling a large number of aerial photographs, which is why it is advisable to automate this process. Analysis of the models showed that to perform the task of semantic segmentation of images of monitored objects on aerial photographs, the U-Net model (Germany), which is a convolutional neural network, is most suitable as a basic model. This model has been improved by using a wavelet layer and the optimal values of the model training parameters: speed (step) ‒ 0.001, the number of epochs ‒ 60, the optimization algorithm ‒ Adam. The training was conducted by a set of segmented images acquired from aerial photographs (with a resolution of 6,000×4,000 pixels) by the Image Labeler software in the mathematical programming environment MATLAB R2020b (USA). As a result, a new model for semantically segmenting the images of monitored objects on aerial photographs with the proposed name U-NetWavelet was built. The effectiveness of the improved model was investigated using an example of processing 80 aerial photographs. The accuracy, sensitivity, and segmentation error were selected as the main indicators of the model's efficiency. The use of a modified wavelet layer has made it possible to adapt the size of an aerial photograph to the parameters of the input layer of the neural network, to improve the efficiency of image segmentation in aerial photographs; the application of a convolutional neural network has allowed this process to be automatic.Документ A comparison of classifiers applied to the problem of biopsy images analysis(Національний технічний університет "Харківський політехнічний інститут", 2020) Hlavcheva, Daria; Yaloveha, Vladyslav; Podorozhniak, Andrii; Lukova-Chuiko, NataliiaThe purpose of the research is to compare classification algorithms for the histopathological images analyzing issue and to optimize the parameters for obtaining better classification accuracy. The following tasks are solved in the article: preprocessing of BreCaHAD dataset images, implementation and training of CNN, applying K-nearest neighbours, SVM, Random Forest,XGBoost, and perceptron algorithms for classifying features that were extracted by CNN, and results comparison. The object of the research is the process of classifying tumor cells in the microscopic biopsy images. The subject of the research is the processof using ML algorithms for classification of the features extracted by CNN from input biopsy image. The scientific novelty of the research is a comparative analysis of classifiers on the task of “tumor” and “healthy” cells images classification from processed BreCaHAD dataset. As a result it was obtained that from chosen classifiers SVM reached the highest accuracy on test data –0.972. This is the only algorithm that shows better accuracy than perceptron. Perceptron gets 0.966 classification accuracy. K-nearest neighbours, Random Forest, and XGBoost algorithms reached lower results. The algorithms' hyperparameters optimization was carried out. The results have been compared with related works. The following research methodsare used: the theory of deep learning, mathematical statistics, parameters optimization.Документ Adapted neural network of information support subsystem(Харківський національний університет Повітряних Сил ім. Івана Кожедуба, 2019) Semenov, Sergiy; Lipchanska, Oksana; Lipchanskyi, MaksymSafety 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.Документ Обзор методов автоматического распознавания эмоционального состояния человека по изображению(Национальный технический универститет "Харьковский политехнический институт", 2020) Ульянко, Артем Леонидович; Дорофеев, Юрий ИвановичРассматривается задача распознавания эмоционального состояния человека по изображению. Приведен обзор основных способов описания человеческих эмоций: разделение на конечное число классов и использование векторного описания. Представлены существующие разработки в области распознавания эмоций по изображению, а также приведен общий алгоритм работы подобных систем. Основными этапами решения задачи распознавании эмоций являются поиск лица на изображении и классификация эмоции. Информационная технология распознавания эмоций представлена в графической нотации. Описаны принципы работы алгоритма Виолы -Джонса, который используется для определения лица человека на изображении Представлены подходы, которые применяются для решения задачи классификации: алгоритм Виолы-Джонса, метод опорных точек, различные архитектуры нейронных сетей, которые предназначены для классификации изображений. Проанализированы преимущества и недостатки метода опорных точек, базирующегося на системе кодирования лицевых движений, а также способ применения алгоритма Виолы-Джонса для классификации эмоций. Рассмотрен метод распознавания эмоционального состояния человека на основании визуальной информации с применением сверточных нейронных сетей. Описаны принципы действия сверточных, субдискретизирующих и полносвязных слоев нейронной сети. На основе анализа опубликованных работ приведены результаты точности распознавания в различных условиях. Также представлены работы, в которых для анализа эмоционального состояния применяется комбинация сверточных и рекуррентных нейронных сетей, где кроме визуальной информации используется дополнительный источник – аудиопоток, что позволяет более эффективно классифицировать эмоции в видеопотоке. Представлены наиболее популярные обучающие выборки данных для решения рассмотренной задачи.Документ Інтелектуальна система контролю стану небезпечних ділянок залізничного шляху(Національний технічний університет "Харківський політехнічний інститут", 2018) Семенов, Сергій Геннадійович; Ліпчанська, Оксана ВалентинівнаЗалізничний транспорт є одним з найважливіших об'єктів критичної інфраструктури України і для забезпечення його безпеки потребує вдосконалення система управління безпекою руху поїздів шляхом впровадження сучасних комп'ютерних інформаційних технологій і засобів. Одним з таких шляхів є використання інтелектуальної системи контролю стану небезпечних ділянок залізничного шляху, зокрема на залізничних переїздах. Вирішення даної проблеми набуває ще більшої актуальності в разі, якщо мобільна мережа перенавантажується та машиніст втрачає зв'язок із камерою відеоспостереження на переїзді, в результаті чого не в змозі спостерігати стан переїзду. У статті запропоновано використання інтелектуальної системи для контролю стану небезпечних ділянок залізничного шляху, зокрема на залізничному переїзді. Розглянуто загальну архітектуру згортальної нейронної мережі. Запропоновано оптимізовану архітектуру згортальної нейронної мережі для розпізнавання небезпечних ситуацій на залізничному шляху. Надано рекомендації щодо налаштування параметрів, які варіюються, при побудові та навчанні згортальної нейронної мережі. Наведені результати тестування роботи мережі при розпізнаванні вільного шляху та при наявності критичної ситуації за різних умов. Одержала подальшого розвитку інтелектуальна система контролю стану небезпечних ділянок залізничного шляху, яка відрізняється від відомих використанням оптимізованої архітектури для зменшення часу обробки зображень, що дозволило підвищити точність та оперативність розпізнавання ситуацій на зображеннях та, як слідство, підвищити рівень безпеки залізничного транспорту на окремих небезпечних ділянках.Документ Mobile users’ multiple detection method on the basis of the particle swarm optimization in the cognitive radio network(Національний технічний університет "Харківський політехнічний інститут", 2018) Obikhod, Ya.In the article, the objectis mobile users’ multiple detection processes based on the particle swarm optimization in the cognitive radio network. The aim of the research lies in the field of the algorithms of the mobile users’ detection of the cognitive radio system. In addition, it lies in the area of development of the generalized algorithm PSO-NN and improvement the method of multiple detection by using the particle swarm method and convolutional neural network and its realization. The tasks are to develop the multiple detection architecture, the generalized algorithm PSO-NN, to realize the multiple detection algorithm and to model PSO-NN as the algorithm of the multiple detection effectiveness for 50 mobile devices. The methods used are mathematical models based on the principles of the organization and operations of biological neural networks, mathematical learn models, and NP-hard algorithm theory methods. The following results were received. The multiple detection architecture was developed, which differs from the known ones since each location is divided into the subzones. In the different subzones, a mobile user can receive different measuring results in the same channel. Such a division can be used for more flexible data using. Developed generalized algorithm PSO-NN differs from the known ones as it is configured more correctly for the real conditions that inherent in the architecture of the cognitive systems. This algorithm uses particle swarm optimization controlled by the convolutional neural network. Therefore, strict access to spectrum analysis based on mobile users’ energy component is provided. Due to the use of the micro particle architecture and convolutional neural networks, detection effectiveness function and global particle location are detectedin a more accurate way. Further implementation of the multiple detection algorithm differs from the known ones since after uniting the detected channel users’ matrices, only one user is assigned to a specific channel. Such an implementation assumes more realistic search area and speed of the users’ detection with found channels. Modeling PSO-NN as the multiple detection effectiveness algorithm for 50 mobile users has several convolutional layers that were generalised with each other. Such architecture can be a confirmation of the fact that the neural network chosen in a practical way completely satisfies the tasks. The modeling result showed that at 20 locations the detection effectiveness with using the algorithm PSO-NN increased by 10% in 20 locations, by 20% in 25 locations, by 20% in 30 locations, by 20% in 35 locations, while the results did not change in 40 locations.Документ Нейромережевий метод інтелектуальної обробки мультиспектральних зображень(Наіональний технічний університет "Харківський політехнічний інститут", 2017) Любченко, Наталія Юріївна; Подорожняк, Андрій Олексійович; Бондарчук, В. К.Предметом вивчення в статті є нейромережеві методи розпізнавання об'єктів на мультиспектральних даних дистанційного зондування Землі (ДЗЗ). Мета – забезпечення автоматичного розпізнавання об'єктів незаконного використання природних ресурсів на мультиспектральних зображеннях ДЗЗ. Задача – формулювання методу інтелектуальної обробки даних ДЗЗ, який реалізує автоматичне розпізнавання об'єктів незаконного використання природних ресурсів на мультиспектральних зображеннях ДЗЗ за допомогою використання згорткової нейронної мережі. Аналіз проблем методів та алгоритмів обробки мультиспектральних аерокосмічних зображень показав, що найбільш перспективно використовувати гнучкі алгоритми, які пристосовуються до зміни умов спостереження об'єктів пошуку. Однією з перспективних технологій реалізації таких алгоритмів є застосування нейронних мереж. Вибір згорткових нейронних мереж для вирішення задачі розпізнавання пов'язаний із здатністю даних мереж, за умови коректного навчання, до розпізнавання об'єктів в складних умовах спостереження та при деформації об'єкта, що спостерігається. Висновки. Запропоновано нейромережевий метод інтелектуальної обробки мультиспектральних зображень. Розглянуто алгоритм побудови даної мережі, обрано практичну область застосування запропонованого методу і показані результати роботи його програмної реалізації. Отримані результати дозволили зробити висновок про працездатність запропонованого алгоритму та є підґрунтям для подальших досліджень з розробки та реалізації алгоритмів обробки мультиспектральних знімків у системах дистанційного зондування землі.Документ Automation of vehicle plate numbers identification on one-aspect images(НТУ "ХПІ", 2018) Liubchenko, Natalia; Nakonechnyi, Oleksandr; Podorozhniak, Andrii; Siulieva, HannaThe subject matter of the article is the method of automating the identification of vehicle plate numbers based on the processing of one-aspect images obtained using video recording means. The goalis to provide automation of the process of identifying vehicle plate numbers within a wide range of changing the viewing angles and the levels of illumination. The taskis formulation of the method of automated identification of vehicle plate numbers on one-aspect images, which are obtained by means of video fixation within wide limits of changing both the viewing angles and the levels of illumination. Analysis of the problems of methods and algorithms of automated detection and recognition of vehicle plate numbers has shown that it is most promising to use flexible algorithms that adapt to the changing conditions of observation of traffic control devices. One of the promising technologies for implementing such algorithms is the application of artificial neural networks. The solution of the problem of recognition of vehicle plate numbers can be represented as a complex of image processing and analysis of algorithms, which includes the initial preparation of the image, the discovery of the area of the vehicle plate on the image, the segmentation of symbols and the recognition of symbols. Conclusions: an algorithmically implemented method of identifying vehicle plate numbers, which makes possible searching the text areas under an arbitrary angle in different lighting conditions, is proposed. This method allows automating the process of identification of vehicle plate numbers within a wide range of distances to the car, as well as viewing the angles and levels of illumination. The purpose of further research is to improve the proposed method for its implementation, using modern software and hardware.