НЕЙРОМЕРЕЖЕВА ПІДТРИМКА ІНТРОСКОПІЇ ВНУТРІШНЬОЇ СТРУКТУРИ ТА ПАРАМЕТРІВ БУДІВЕЛЬНИХ КОНСТРУКЦІЙ

  • S. Alyoshin
  • E. Borodina
  • O. Hаitan
  • O. Zyma
Ключові слова: аналітичний комплекс, інтроскопія, нейронна мережа, метод зворотного поширення помилки, класифікатор реального часу

Анотація

Інтроскопія – процес безконтактного, неруйнівного аналізу внутрішньої структури об’єкта або процесів у ньому за допомогою рентгенівського випромінювання, оптичних, акустичних, ультразвукових, сейсмічних, електромагнітних хвиль різного діапазону, принципів модуляції і кодування. В її реалізації задіяні методи отримання тіньових, томографічних, радіолокаційних та ін. зображень об’єкта дослідження, в яких міститься інформація про даний об’єкт. Аналіз зображення і прийняття рішення про структуру об’єкта або його стан здійснює експерт (оператор). Ефективність аналізу залежить від кваліфікації експерта і може істотно знижуватися за рахунок зростання числа помилок і часу аналізу. У реальних умовах класифікація стану об’єкта дослідження при значній кількості ознак, з їх нестабільним або малоінформативним ступенем отримання знань представляється нетривіальним завданням. На сьогоднішній день розроблені і впроваджені в практику технології розпізнавання зображень на основі штучного інтелекту, що дозволяють синтезувати нейромережеві класифікатори в системах технічного зору, інваріантних до фізичних особливостей ознакових просторів досліджуваних образів об'єктів. Для технології інтроскопії підготовлена нейромережева інформаційно-аналітична, програмна та інструментальна основа для вирішення завдання автоматизації візуалізації зображень і їх ідентифікації в просторі тіньових, томографічних, багаторакурсних інформативних ознак із застосуванням статистичних вирішальних правил. Розроблена технологія представлена у вигляді ансамблю нейромережевих моделей класифікаторів, реалізованих самостійними програмними додатками в основному коді існуючого пакету технічного аналізу, наприклад, нейроемулятора середовища StatSoft. Синтез моделей класифікаторів за вхідними даними образів на основі тіньових і томографічних растрових розгорток в стандартному пакеті нейроемулятора дозволяє вирішувати задачу при мінімальних витратах і необхідних показниках якості. Проведені дослідження ознакових просторів процесу інтроскопії, можливостей коректного застосування статистичних вирішальних правил, алгоритмів примусового навчання синтезованих нейромережних моделей в базисі існуючих пакетів технічного даних дозволяють підвищити продуктивність технічних засобів інтроскопії шляхом автоматизації процесу аналізу, зниження впливу суб'єктивних рішень, скорочення часу реакції

Завантаження

Дані про завантаження поки що недоступні.

Посилання

1. Soroko L.M. Introskopiya. M.: Energoatomizdat, 1983. – 126 p.
2. Afonin P.N., Sigayev A.N. Teoriya I praktika primeneniya tekhnicheskikh sredstv tamozhennogo kontrolya: uchebnoye posobiye. SPb: Troitskiymost, 2013. – 256 p.
3. Oshchepkov P.K., Pirozhnikov L.B. Okruzhayushchiy mir prozrachen. M.: Znaniye, 1980. – 64 p.
4. PrettU. Tsifrovaya obrabotka izobrazheniy.M.: Mir, Vol.1,2. 1982.
5. Agadzhanyan G.M., Krasnitskiy A.P., Korneyev V.N. Informatika I tekhnologiya. Sistema tekhnicheskogo zreniya. – IBPRAN, 1996. – 215 p.
6. Haykin S. Neural Networks: A Comprehensive Foundation, 2nd Edition. McMaster University, Ontario Canada, 1998, 842 p.
7. Aloshin S.P . Neyrosetevoybazispodderzhkiresheniyvprostranstvefaktorovisostoyaniyvysokoyrazmernosti. – Poltava: Izd.«Skaytek», 2013. – 208 p.
8. Borovikov V.P. STATISTICA NN – Tekhnicheskoyeopisaniye. M.: Mir, 1999. – 239 p.
Опубліковано
2020-09-11
Як цитувати
Alyoshin S. Нейромережева підтримка інтроскопії внутрішньої структури та параметрів будівельних конструкцій / S. Alyoshin, E. Borodina, HаitanO., O. Zyma // Системи управління, навігації та зв’язку. Збірник наукових праць. – Полтава: ПНТУ, 2020. – Т. 3 (61). – С. 69-74. – doi:https://doi.org/10.26906/SUNZ.2020.3.069.
Розділ
Інформаційні технології