Светлой памяти
талантливого молодого человека, отважного патриота своей Родины ЭДУАРД ВАЛЕРЬЕВИЧ КОНОНЧУК
(15.11.1997 – 22.04.2022).
Идет война. Беспощадная, неумолимая. Война с мировым злом.
Она очищает нашу Землю, наши умы от скверны, но она и забирает многие
жизни без разбора... И самых лучших и любящих, умных и смелых, светлых и
добрых, отзывчивых и дружелюбных... Таких доблестных, талантливых и
молодых, у которых должна была быть ещё вся жизнь впереди, успешная,
яркая и насыщенная...
Таким был студент кафедры компьютерных технологий ГОУ ВПО «ДонНУ»,
наш Эдуард Конончук
Эдик, твоя бесценная жизнь оборвалась так рано... Твои учителя не
сомневались в том, что на их глазах формируется талантливый IT-профессионал
и ученый. Свой путь в науке ты только начал, как он тебя увлекал, каким огнем
зажигал глаза, когда мы с тобой обсуждали машинное обучение в разных
задачах. Я помню, как ты слушал мои лекции, как ты впитывал новый материал
об искусственном интеллекте. Один из лучших студентов! Тебя с компанией
твоих друзей называли «великолепной шестеркой».
Недотворил, недолюбил…. Потому что не мог стоять в стороне, когда
нужен. Ты всегда таким был: с огромным чувством долга, скромный и
мужественный, любящий сын, который берег маму и всегда говорил: «Мамочка,
не волнуйся, я – в порядке».
Твой героический подвиг ради нас всех, ради Родной Земли, родного дома
и твоей семьи будет славен в веках и память о тебе будет вечна и светла!
Научный руководитель, к.т.н., доцент,
доцент кафедры компьютерных технологий ГОУ ВПО «ДонНУ»,
Татьяна Ермоленко
Раздел 1
Математическое моделирование
Э. В. Конончук, Т. В. Ермоленко, Т. О. Шишунов. МОДЕЛИ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ОЦЕНКИ ВЕРОЯТНОСТИ ПОЯВЛЕНИЯ ДТП И ЕГО СЕРЬЕЗНОСТИ.
УДК 004.8:004.6 Аннотация: В статье приведены результаты анализа значимости факторов, влияющих на возникновение ДТП, а также проведен анализ эффективности предиктивных моделей,
построенных на основе деревьев решений и нейросетей. Обучение моделей проводилось на наборе данных о ДТП в Америке, взятых с сайта Kaggle. Ключевые слова: разведочный анализ данных, случайный лес,
анализ главных компонент, многослойный персептрон.
В. Г. Черников. РАЗРАБОТКА МЕТОДИКИ ОПРЕДЕЛЕНИЯ ПАРАМЕТРОВ АДАПТИВНОГО ДИСКРЕТНОГО РЕГУЛЯТОРА СКОРОСТИ ВРАЩЕНИЯ ВЕТРОКОЛЕСА.
УДК 51-7:004.052:622.53 Аннотация: В статье предложена методика определения параметров дискретного регулятора скорости вращения ветроколеса с учетом его математической модели.
Рассмотрена возможность применения нейросети для определения нелинейных параметров ветроколеса как объекта регулирования. Установлена длительность выполнения программы регулирования,
которая реализует функцию адаптивного дискретного регулятора скорости на базе промышленного программируемого логического контроллера. Ключевые слова: ветроустановка, контур регулирования, дискретный регулятор.
О. А. Шевчук. МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ НАПРЯЖЁННОДЕФОРМИРОВАННОГО СОСТОЯНИЯ СТАЛЬНЫХ ВЕРТИКАЛЬНЫХ ЦИЛИНДРИЧЕСКИХ РЕЗЕРВУАРОВ.
УДК 004.94 Аннотация: В статье предложена математическая модель расчета напряжённо-деформированного состояния резервуара для хранения нефтепродуктов со стенками постоянной толщины,
которые подвергаются действию внутреннего давления жидкости, выполненная путем аппроксимации численного решения дифференциального уравнения методами геометрического моделирования.
Сравнение полученных результатов с эталонным решением демонстрирует высокую степень достоверности предложенного метода. Реализованный подход математического моделирования является
более универсальным инструментом по отношению к изменению как начальных и граничных условий задачи, так и самого дифференциального уравнения. Ключевые слова: численное моделирование, дифференциальное уравнение,
геометрический интерполянт, напряжённо-деформированное состояние,
перемещения, цилиндрический резервуар.
Раздел 2
Информатика, вычислительная техника и управление
Т. В. Ермоленко, Д. В. Ролик. КЛАССИФИКАЦИЯ АНОМАЛИЙ СЕРДЦЕБИЕНИЯ С ПОМОЩЬЮ ГЛУБОКОГО ОБУЧЕНИЯ.
УДК 004.891.3 Аннотация: В статье рассматривается задача диагностики сердечных заболеваний по изображению скейлограмм фонокардиографических сигналов с помощью сверточных нейронных сетей. Проведены
исследования информативности вейвлет-базисов по энтропийному критерию, а также эффективности использования сетей различных архитектур для разработки диагностических кардиологических систем.
Наибольшую информативность среди исследуемых базисов показал вейвлет Морле, в качестве базовой модели классификации аномалий сердцебиения целесообразно использовать InceptionV3. Ключевые слова: фонокардиографические сигналы, вейвлет-фильтры, энтропийный критерий, скейлограмма, сверточные нейронные сети.
Т. В. Ермоленко, И. Е. Самородский. АНАЛИЗ ЭФФЕКТИВНОСТИ АРХИТЕКТУР ГЛУБОКИХ НЕЙРОСЕТЕЙ ДЛЯ КЛАССИФИКАЦИИ ИЗОБРАЖЕНИЙ ТОВАРОВ.
УДК 004.932.75 Аннотация: В статье проводится анализ эффективности использования различных архитектур глубоких нейросетей в задаче классификации товаров по их изображениям.
Для решения проблем несбалансированных обучающих данных и похожести объектов разных классов предлагается использовать балансировку классов и архитектуру API-Net.
Исследования проводятся на наборе данных RP2K dataset. Ключевые слова: сверточные нейронные сети, ResNet, InceptionV3, алгоритм UMAP, API-Net, алгоритм Class Balanced Loss.
И. Н. Савенков, Т. В. Ермоленко, А. В. Цыбик. РАЗРАБОТКА VAD-АЛГОРИТМА НА ОСНОВЕ ГЛУБОКОГО ОБУЧЕНИЯ.
УДК 004.8:004.6 Аннотация: В статье дан обзор признаков, по которым определяется наличие речевой составляющей в аудиосигнале, а также наиболее известных алгоритмов, детектирующих речь.
Для классификации фреймов сигнала на классы «шум»/«речь» предложена архитектура сверточной сети, на вход которой поступает изображение спектрограммы фрейма. Обучение и тестирование сети
проводилось на наборе данных с разными видами шумовых эффектов, взятых с корпусов аудиоданных, находящихся в свободном доступе. Ключевые слова: детектор речевой активности, акустический шум, энергия спектра, спектрограмма, сверточная нейронная сеть.
РУС
ENG
