文章的正确链接:
Alpatov A.N., Terloev E.Z., Matchin V.T.
用于检测视频序列伪造事实的三维卷积神经网络的体系结构
// 软件系统和计算方法.
2024. № 3.
和。 1-11.
DOI: 10.7256/2454-0714.2024.3.70849 EDN: MNOVWB URL: https://cn.nbpublish.com/library_read_article.php?id=70849
注释,注释:
文章反映了使用神经网络技术来确定视频序列内容的伪造事实。 在现代世界中，新技术已成为多媒体环境中不可或缺的一部分，但它们的扩散也造成了新的威胁-误用以伪造视频序列内容的可能性。 这导致了严重的问题，如假新闻的传播和社会的错误信息。 科学文章考察了这个问题，并确定了使用神经网络来解决它的必要性。 与其他现有模型和方法相比，神经网络具有提取复杂特征和从大量源数据中学习的能力，在检测视频数据伪造方面具有较高的效率和准确性，这在降低分析视频序列的分辨率时尤为重要。 在这项工作的框架内，提出了一个识别视频记录中音频和视频序列伪造的数学模型，以及一个基于三维卷积神经网络的模型，通过分析单个帧的内容来确定视频序列伪造的事实。 在这项工作的框架内，有人建议将识别视频记录中的伪造问题视为两个问题的联合解决方案：识别音频和视频序列的伪造，由此产生的任务本身转化为 任何视频记录都可以分配到作品中描述的四个组中的一个。 只有属于第一组的视频被认为是真实的，其他的都是捏造的。 为了增加模型的灵活性，增加了概率分类器，这使您可以考虑预测的置信度。 结果解决方案的特点是能够调整阈值，这使您可以根据任务将模型适应不同级别的严格性。 提出了三维卷积神经网络的体系结构，包括预处理层和神经网络层，以确定制造的光头。 所得到的模型在确定伪造的视频序列时具有足够程度的准确性，同时考虑到帧分辨率的显着降低。 在训练数据集上对模型的测试表明，正确检测视频序列伪造的比例高于70％，这明显优于猜测。 尽管有足够的准确性，但模型可以被细化以更显着地增加正确预测的比例。
关键词:
机器学习, 神经网络, 卷积神经网络, 伪造录影带, 深吻,深吻, 探测深陷, 音频篡改, 数据预处理, 异常检测, 批量标准化
文章的正确链接:
Zelenskii A.A., Gribkov A.A.
配置面向内存的运动控制系统
// 软件系统和计算方法.
2024. № 3.
和。 12-25.
DOI: 10.7256/2454-0714.2024.3.71073 EDN: TTQBBA URL: https://cn.nbpublish.com/library_read_article.php?id=71073
注释,注释:
本文探讨了配置控制周期的可能性，即确定沿执行流程执行单个控制操作所需的时间间隔的分布，以确保控制的可实现性。 控制操作的并行执行，在控制算法允许的情况下，在控制循环的成功配置的情况下，可以显着减少其持续时间。 本文的研究对象是具有面向对象体系结构的控制系统，该体系结构假定功能块和模块的垂直-水平组合，这些功能块和模块在它们之间分配所有管理任务。 该架构是通过使用元编程的actor器乐模型实现的。 这样的控制系统最好地确保由于计算和其它控制操作的并行执行而减少控制周期的持续时间。 考虑了几种配置控制周期的方法：没有优化，在时间上具有组合优化，在系统资源方面具有组合优化。 还有，实现接近最优的配置可以通过使用自适应配置来实现。 研究表明，配置控制系统循环的任务有几种解决方案。 组合优化情况下配置问题的实际解决方案由于问题的高算法复杂性和所需的大量计算而与显着困难相关联，随着控制周期阶段的操作数量的增加而 克服这些困难的一个可能的方法是使用随机方法，这大大减少了所需的计算量。 还有，配置控制系统周期的任务的复杂性的显着降低可以通过使用自适应配置来实现，该自适应配置具有两个实现选项。 第一种选择是实时配置控制系统周期。 第二种选择是基于具有不同源数据的重复配置和随后获得的结果的比较来确定准最优配置。
关键词:
管理系统, 记忆导向, 配置, 优化设计, 周期, 元素, 管理运作, 执行流, 适应性, 分类方法
文章的正确链接:
Trofimova V.S., Karshieva P.K., Rakhmanenko I.A.
针对说话人验证任务中一个数据集的特征重新训练神经网络的转移学习方法
// 软件系统和计算方法.
2024. № 3.
和。 26-36.
DOI: 10.7256/2454-0714.2024.3.71630 EDN: XHZCTS URL: https://cn.nbpublish.com/library_read_article.php?id=71630
注释,注释:
该研究的主题是使用转移学习方法对数据集特征进行再训练的神经网络。 研究的对象是用于解决语音验证任务的机器学习方法。 该研究的目的是提高神经网络在语音验证任务中的效率。 本文以英文、俄文和中文为再培训过程准备了三个数据集。 此外，使用现代和预先训练的ResNetSE34L和ResNetSE34V2模型，进行了一项实验研究，旨在提高神经网络在通过任意短语验证说话者的任务中的效率。 特别注意使用微调方法优化神经网络的训练参数。 该研究的方法包括根据第1类和第2类相等误差的值，对说话者验证任务中数据集特征的再训练神经网络的有效性进行评估。 还进行了一些实验，在此期间改变了参数并使用了冻结层的技术。 通过选择epochs和学习速度实现了使用英语数据集时第1种和第2种相等误差的最大减少，误差减少了50％。 使用俄罗斯数据集的类似参数选择将误差减少了63.64％。 当使用中文数据集进行再训练时，在冻结完全连接的图层，改变学习率和优化器的实验中实现了最低值–误差减少了16.04％。 所获得的结果可用于语音验证系统的设计和开发以及用于教育目的。 还得出结论，转移学习方法在针对数据集的特征进一步训练神经网络方面是有效的，因为在压倒性的实验中，实现了EER的降低，这表明说话者识别的准确
关键词:
转职培训, 微调, 数据集, 演讲者验证, 说话人识别, 特征提取, 语音处理, 神经网络, 深入学习, 模式识别
文章的正确链接:
Lukichev R.V.
语义Web技术的演变：问题与展望
// 软件系统和计算方法.
2024. № 3.
和。 37-43.
DOI: 10.7256/2454-0714.2024.3.71719 EDN: JJXDYW URL: https://cn.nbpublish.com/library_read_article.php?id=71719
注释,注释:
本文致力于对关键语义网技术的研究，分析其特点，问题方面和增长点，这在我国进口替代和提高信息安全的背景下显得尤为重要。 特别注意RDF图，它基于面向本体的方法，以及OWL语言作为组织实体之间具有复杂关系的机器可读数据结构的主要工具，类和属性的层次结构。 在一个单独的部分中，分析了与语义数据库的安全性相关的限制，简化它们的需要，标准化和开发符合可用性标准的专用软件。 此外，还概述了在物联网和人工智能背景下进一步改进这些技术的前景。 该研究使用了一个全面的方法框架，这意味着使用主要是一般的科学方法，特别是系统和分析：文章总结和分析了与语义网技术相关的当前发展，这使得 特别是，今天可用的工具通常具有较高的入门门槛，其特征是过度复杂，无特征的界面，没有补充提示和查询可视化的功能。 此外，语义web语言需要标准化和引入通用协议，以简化处理从不同来源聚合的多格式数据的过程。其他重要问题是确保信息的可靠性和相关性，其完整性和机密性，以及逻辑结论的上下文条件和遵守用户请求。 其中的关键前景是创建一个智能自治环境，其中设备可以在语义层面自由交换数据并相互交互，以便提供高质量的个性化服务。 该文章的规定可以作为开发国内系统的基础，用于构建和描述可用于机器处理的数据，以及高等教育机构的专门讲座课程。
关键词:
语义网, 本体,本体, 图形数据库, 数据模型, 物的语义网, RDF, RDFS, 猫头鹰, SPARQL,SPARQL, XML
文章的正确链接:
Tikhanychev O.V.
关于明确人工智能系统"委托书"概念
// 软件系统和计算方法.
2024. № 3.
和。 44-54.
DOI: 10.7256/2454-0714.2024.3.44097 EDN: JOPHLF URL: https://cn.nbpublish.com/library_read_article.php?id=44097
注释,注释:
该研究的主题是人工智能控制不同程度自治的机器人设备的"授权书"的概念。 选择研究主题作为将机器人系统用于各种目的的原则的相关性，包括在一个群体中，以及研究对象，这是在实现群体行动算法方面产生的算法问题，是由联合使用机器人系统（主要是自主的）的需要与软件实现这一要求的复杂性之间的现有矛盾决定的。 机器人领域群体应用趋势的实施产生了与自主和受控机器人系统的算法支持的效率和安全性相关的某些技术问题。 应用程序错误可能是此类问题的表现，这些问题降低了联合行动的有效性。 在机器人技术中，这种情况的主要潜在原因是现有的群体应用控制算法的有效性不足，这是由问题研究水平低所决定的。 该文章制定了一个典型的情况列表，这些情况确定了在一个有领导者（leader）的小组中使用自主和控制机器人的情况。 基于所提出的分类，分析了控制组内运动的可能算法：目标机动和确保相互安全的计算。 考虑了主要情况，制定了机动类型并描述了计算的数学装置。 基于对控制空间运动的典型算法的回顾分析，合成了解决开发组算法和数学方法问题的科学问题，以确定其在系统中的最佳应用，作为机器人系统的"新伦理学"的类似物
关键词:
机器人系统, 人工智能, 控制软件, 可信赖的人工智能, 行为算法的控制, 安全行为, 机器人系统的道德, 机器人系统的伦理, 数学安全保证, 管理安全行为
文章的正确链接:
Skacheva N.V.
神经机器翻译中的习语分析：一个数据集
// 软件系统和计算方法.
2024. № 3.
和。 55-63.
DOI: 10.7256/2454-0714.2024.3.71518 EDN: JLJDSL URL: https://cn.nbpublish.com/library_read_article.php?id=71518
注释,注释:
几十年来，公众各界一直在争论一台"机器是否可以取代一个人。"这也适用于翻译领域。 到目前为止，有些人正在争论，其他人正在"让梦想成真。"因此，现在越来越多的研究旨在改进机器翻译系统（以下简称MP）。 要了解MP系统的优点和缺点，首先有必要了解它们的算法。 目前，神经机器翻译（nmp）的主要开放问题是惯用语的翻译。 此类表达的含义不包括其组成词的含义，NMT模型倾向于从字面上（即逐字）翻译它们，这导致混淆和无意义的翻译。 由于缺乏自动方法，nmp中成语的研究受到限制和困难。 因此，尽管现代NMP系统产生越来越高质量的翻译，但成语的翻译仍然是这方面未解决的任务之一。 这是因为成语作为冗长表达的一类，当一个表达的一般意义不能由其部分的意义组成时，就代表了一种有趣的语言现象。 第一个重要问题是缺乏用于学习和评估成语翻译的特殊数据集。 在本文中，我们通过创建第一个翻译成语的大规模数据集来解决这个问题。 该数据集是从使用的德语翻译语料库中自动提取的，并包括其中所有句子都包含成语的目标集，以及其中包含成语的句子被标记的常规训练语料库。 我们已经发布了这个数据集，并正在使用它对NMP进行初步实验，作为改进成语翻译的第一步。
关键词:
罗嗦的表达, 成语, 双语建筑, 机器翻译, 神经机器翻译, 德语, 俄语, 语言对, 系统, 数据集
文章的正确链接:
Sklyar A.Y.
求实系数和复系数多项式根的数值方法
// 软件系统和计算方法.
2024. № 3.
和。 64-76.
DOI: 10.7256/2454-0714.2024.3.71103 EDN: KTJPCE URL: https://cn.nbpublish.com/library_read_article.php?id=71103
注释,注释:
这项研究的主题是考虑和分析一组算法，以数值方式找到多项式的根，主要是复杂的算法，其基础是搜索初始多项式近似分解成乘数的方法。 如果实根的数值查找通常不会造成困难，那么查找复杂根会出现一些困难。 本文提出了一组算法，用于依次查找具有实根的多项式的多个根，然后通过突出显示可能包含根并且显然不包含它们的区间来实根，然后是多项式的复 为了找到复杂的根，使用三项式的乘积对原始多项式进行迭代近似，然后在所产生的三项式的根附近使用复域中的切线方法。 为了找到具有复数系数的多项式的根，我们提出了具有实系数的等效问题的解决方案。 任务的实现是通过一组算法的逐步应用来进行的。 在每个阶段之后，分配一组根，并针对较小程度的多项式解决相同的问题。 所提出的算法的序列使得可以找到多项式的所有实根和复数根。 为了找到具有实系数的多项式的根，建立了一个包括以下主要步骤的算法：确定多项式程度相应降低的多个根；分配一个根范围；找到保证包含根的区间并找到它们，在它们分配后，它只找到对复共轭根；迭代构建三元数，作为这些对值的估计，其精度最小，足以使其定位；用切线法在复域中实际搜索根。 所提出的算法的计算难度是多项式，并且不超过多项式的度数的立方体，这使得可以获得在实际问题中出现的几乎任何多项式的解决方案。 应用领域，除了多项式方程本身之外，还有可以简化为它们的优化，微分方程和最优控制的问题。
关键词:
多项式, 寻找根源, 迭代方法, 数值方法, 数值算法, 代数方程, 共轭复根, 递归算法, 多项式的根, 根的本地化
Cn
© 1998 – 2024 Nota Bene. Publishing Technologies. NB-Media Ltd.
