CC BY
28Математическое моделирование в информационных технологиях 137
Использование контроллера Leap Motion для прикладных систем распознавания языка жестов
С. А. Мустафина, Д. Г. Еникеев Башкирский государственный университет Email: [email protected] DOI: 10.24411/9999-017A-2019-10277
Современное развитие технологий распознавания и обучения видеообразов позволили создавать системы распознавания жестов. Они призваны обеспечить общество глухих и слабослышащих людей более удобным способом общения. Задачей устройства является перевод языка жестов в письменную либо аудио-речь. В представленной работе нами приведены основные свойства языка жестов, его параметры и отличия от других способов коммуникации. Также проведен обзор наиболее популярных аппаратных способов сбора данных о жестах и их обработке. В работе предлагается использование контроллера Leap motion [1] от одноименной компании в системе распознавания жестов, так как такой контроллер позволяет избавиться от проблем с процессом распознавания рук пользователя и выделением основных характеристик. Высокая скорость обработки информации и независимость от условий освещения позволяет рассматривать Leap motion в качестве основы для эффективной и универсальной системы распознавания жестов.
Список литературы
1. SubhaRajam P., Balakrishnan G. Sign Language Recognition System For Deaf And Dumb People // International Journal of Engineering Research & Technology (IJERT). 2013. С. 382-387
Способ верификации прикладного программного обеспечения АСУ ТП
С. С. Журавлев, В. В. Окольнишников, С. Р. Шакиров Институт вычислительных технологий СО РАН Email: [email protected] DOI: 10.24411/9999-017A-2019-10278
Прикладное программное обеспечение (ППО) автоматизированных систем управления технологическими процессами (АСУ ТП) обеспечивает функции контроля и управления промышленным оборудованием. Надежность функционирования ППО влияет на безопасность процессов производства. Ошибки, допущенные на этапе разработки АСУ ТП, могут привести к выходу из строя оборудования, нарушению технологического процесса и даже к человеческим жертвам.
Верификация ППО на предприятии изготовителе позволяет обеспечить контроль надежности функционирования алгоритмов АСУ ТП [1].
В работе рассматривается способ верификации ППО АСУ ТП, позволяющий обеспечить контроль корректности: выполнения команд управления контроллерного и диспетчерского уровней, идентификации состояний технологического оборудования, формирования управляющих воздействий, состояния контроллера АСУ ТП и др.
Список литературы
1. Журавлев С.С., Рудометов С.В., Окольнишников В.В., Шакиров С.Р. Применение модельно-ориентированного проектирования к созданию АСУ ТП опасных промышленных объектов // Вестн. НГУ Серия: Информационные технологии. 2018. Т. 16, № 4. С. 56-67.
Алгоритм обучения нейросетей с псевдослучайным распределением связей
А. Н. Иванов, С. А. Мустафина, Н. Д. Морозкин Башкирский государственный университет Email: [email protected] DOI: 10.24411/9999-017A-2019-10279
Для решения задач моделирования физико-химических процессов на примере режима работы ртутного электролизера, используемого в производстве каустической соды, показана применимость искусственных нейронных сетей [1]. Описаны основные качества существующих нейросетей и способы их обучения. Авторами предлагается решение задачи моделирования на основе сетей с псевдослучайным распределением связей, предложено три алгоритма их обучения [2]. Реализация нейросетей
138
Секция 8
с псевдослучайным распределением связей была выполнена на языке программирования Python 3. В исследовании приводятся сравнительные результаты обучения различных сетей с разными наборами гиперпараметров.
Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований и Правительства Республики Башкортостан (код проекта 17-47-020068).
Список литературы
1. Пятакович В.А., Василенко А.М., Хотинский О.В. Аналитическая конструкция и исходные структуры искусственной нейронной сети, техническая реализация модели математического нейрона. Интернет-журнал Науковедение, 2017, Т. 9, №. 3 (40), с. 89.
2. Горбачевская Е.Н. Классификация нейронных сетей. Вестник ВУиТ, 2012, №. 2 (19), с. 128-134.
Применение нейросетей в моделировании химических реакций
С. Н. Коледин, Р. Р. Алмакаев
Уфимский государственный нефтяной технический университет Email: [email protected] DOI: 10.24411/9999-017A-2019-10280
Построение модели реакции диметилкарбоната со спиртами, в присутствии металлокомплесных катализаторов, производилось 3 способами. Метод закона действующих масс [2, 3], при котором ошибка отклонения составила около 10 %. При методе наименьших квадратов [4] ошибка составила порядка 14 %, что не удовлетворительно, поскольку ошибка больше, чем у предыдущего метода. Ошибка расчета задачи с помощью персептрона [1] составила 5-7 %. На нейросеть были поданы данные от 20 до 180 минут. Планируется снизить ошибку до 1 % и научить нейросеть описывать другие металлокомплекс-ные реакции.
Работа выполнена при поддержке гранта РФФИ 18-37-00015. Список литературы
1. Саймон Хайкин Нейронные сети: полный курс, 2-е изд. — С.П., 2016 75 - 21
2. Koledina K, Koledin S, Schadneva N, Mayakova Y and Gubaydullin I 2017 Reac Kinet Mech Cat 121(2) 425-428
3. Spivak S, Koledina K, Koledin S and Gubaidullin I 2017 Journal of applied informatics 12(1) 39-49
4. Линник Ю. В. Метод наименьших квадратов и основы математико-статистической теории обработки наблюдений. — 2-е изд. — М., 1962.
Компьютерные сети, протоколы и потоки трафика: от реальных данных до математического моделирования
Е. Ю. Лисовская1, М. Пагано2
1Томский государственный университет
2University of Pisa
Email: [email protected]
DOI: 10.24411/9999-017A-2019-10281
Классическая теория телетрафика, основанная на работах Эрланга, сотрудника Копенгагенской телефонной компании, сыграла важную роль в развитии телефонной сети общего пользования. Однако ее применение к современным компьютерным сетям требует определенной осторожности. Действительно, компьютерные сети используют совершенно другой архитектурный подход (коммутация пакетов вместо коммутации каналов). Кроме того, потоки трафика, генерируемого пользователями этих сетей, имеют статистические характеристики, сильно отличающиеся от свойств голосового трафика не только неоднородностью этих данных, но и влиянием механизмов управления перегрузками (например, TCP). Таким образом, прямое применение классических результатов теории телетрафика привело, с одной стороны, к резкой нехватке нужного количества сетевых ресурсов, и с другой стороны - к падению интереса инженеров-практиков к аналитическим результатам.
