Главная Упрощенный режим Описание Шлюз Z39.50
Авторизация
Фамилия
Пароль
 

Базы данных


- результаты поиска

Вид поиска

Область поиска
в найденном
Формат представления найденных документов:
полныйинформационныйкраткий
Отсортировать найденные документы по:
авторузаглавиюгоду изданиятипу документа
Поисковый запрос: (<.>K=artificial neural networks<.>)
Общее количество найденных документов : 7
Показаны документы с 1 по 7
1.


    Лаврова, Д. С.
    Анализ возможностей восстановления структуры искусственной нейронной сети на основе теории графов [Текст] = Graph-based analysis of possibilities of restoring artificial neural network structure / Д. С. Лаврова, А. А. Штыркина // Проблемы информационной безопасности. Компьютерные системы. - 2020. - № 2. - С. 102-108 : табл. - Библиогр.: с. 107-108 (14 назв.) . - ISSN 2071-8217
УДК
ББК 32.813
Рубрики: Радиоэлектроника
   Искусственный интеллект. Экспертные системы

Кл.слова (ненормированные):
artificial neural networks -- graph theory (mathematics) -- neural network architecture -- neural networks -- restoring structure of neural networks -- structure of neural networks -- архитектура нейронных сетей -- восстановление структуры нейронных сетей -- искусственные нейронные сети -- нейронные сети -- структура нейронных сетей -- теория графов (математика)
Аннотация: Исследуется задача возможности восстановления неизвестной структуры искусственных нейронных сетей искусственных нейронных сетей с помощью теории графов. Рассмотрены ключевые понятия ИНС, их типовые архитектуры и различия между ними. Приведено обоснование применения аппарата теории графов для решения задачи выявления структуры искусственных нейронных сетей, а также представлены примеры сопоставления различных архитектур искусственных нейронных сетей и видов графов. В качестве механизма анализа структуры искусственных нейронных сетей предлагается использовать методы спектральной теории графов, а также понятия из области сигнальных графов.
In this paper, we investigated the problem of revealing the unknown structure of artificial neural networks (ANNs) using graph theory. The basic concepts of ANN, typical architectures and the differences between them were considered. In the work, the rationale for the use of the graph theory apparatus for solving the problem of revealing the structure of ANNs was given. Examples of comparing various ANN architectures and types of graphs was given. It is proposed to use the methods of spectral graph theory and graph signal processing as mechanisms for analyzing unknown structure of ANNs.


Доп.точки доступа:
Штыркина, А. А.
Нет сведений об экземплярах (Источник в БД не найден)

Найти похожие

2.


    Поляков, А. Н. (доктор технических наук).
    Применение нейронной сети прямого распространения к прогнозированию тепловых характеристик станков [Текст] = Application of a feedforward neural network to predicting the thermal characteristics of machine tools / А. Н. Поляков, В. В. Позевалкин // Информационные технологии. - 2021. - Т. 27, № 4. - С. 202-211. - Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 20-38-90045 . - ISSN 1684-6400
УДК
ББК 32.97
Рубрики: Вычислительная техника
   Вычислительная техника в целом

Кл.слова (ненормированные):
artificial neural networks -- machine experiments -- thermal characteristics of machine tools -- искусственные нейронные сети -- машинные эксперименты -- модальные параметры -- тепловые характеристики станков
Аннотация: Представлена методика исследования устойчивости результатов моделирования на основе искусственной нейронной сети применительно к тепловым характеристикам металлорежущих станков.


Доп.точки доступа:
Позевалкин, В. В. (аспирант)
Нет сведений об экземплярах (Источник в БД не найден)

Найти похожие

3.


    Белим, С. В. (доктор физико-математических наук).
    Иерархическая система распознавания дорожных знаков [Текст] = Hierarchical traffic sign recognition system / С. В. Белим, Е. В. Хирьянов // Информационные технологии. - 2022. - Т. 28, № 8. - С. 417-423. - Библиогр.: с. 423 (19 назв.) . - ISSN 1684-6400
УДК
ББК 32.973-018.2
Рубрики: Вычислительная техника
   Распознавание и преобразование образов

Кл.слова (ненормированные):
artificial neural networks -- classification methods -- image recognition -- image segmentation methods -- road signs -- дорожные знаки -- искусственные нейронные сети -- методы классификации -- методы сегментации изображений -- распознавание изображений
Аннотация: Предложена иерархическая система классификаторов для распознавания дорожных знаков по их изображениям.


Доп.точки доступа:
Хирьянов, Е. В. (аспирант)
Нет сведений об экземплярах (Источник в БД не найден)

Найти похожие

4.


    Миляков, Д. Ф.
    Искусственные нейронные сети в системе обеспечения безопасности мореплавания автономных безэкипажных судов [Текст] = Artificial neural networks in the navigation safety system of autonomous unmanned vessels / Д. Ф. Миляков, И. А. Сикарев, С. В. Травин // Проблемы информационной безопасности. Компьютерные системы. - 2023. - № 2. - С. 191-201 : схемы, ил. - Библиогр.: с. 199-200 (12 назв.). - Список литературы представлен на русском и английском языках. . - ISSN 2071-8217
УДК
ББК 32.973-018.2 + 39.47
Рубрики: Вычислительная техника
   Распознавание и преобразование образов

   Транспорт

   Навигация водного транспорта

Кл.слова (ненормированные):
artificial neural networks -- autonomous unmanned vessels -- geoinformation -- neural networks -- safety of navigation -- unmanned vessels -- автономные безэкипажные суда -- безопасность мореплавания -- безэкипажные суда -- геоинформация -- искусственные нейронные сети -- нейронные сети
Аннотация: В статье рассмотрено применение искусственных нейронных сетей для обеспечения навигационной безопасности мореплавания автономного безэкипажного судна.
The article reviews the use of artificial neural networks to ensure the navigational safety of navigation of an autonomous unmanned vessel.


Доп.точки доступа:
Сикарев, И. А.; Травин, С. В.
Нет сведений об экземплярах (Источник в БД не найден)

Найти похожие

5.


    Штыркина, А. А.
    Метод реконфигурации топологии киберфизической системы на основе графовой искусственной нейронной сети [Текст] = Method of cyberphysical system topology reconfiguration based on graph artificial neural network / А. А. Штыркина // Проблемы информационной безопасности. Компьютерные системы. - 2023. - № 2. - С. 173-182 : диагр., граф. - Библиогр.: с. 180-181 (14 назв.). - Список литературы представлен на русском и английском языках. . - ISSN 2071-8217
УДК
ББК 32.813
Рубрики: Радиоэлектроника
   Искусственный интеллект. Экспертные системы

Кл.слова (ненормированные):
artificial neural networks -- cyberphysical systems -- graph neural networks -- neural networks -- reconfiguration of topology of cybersystems -- topology of cybersystems -- графовые нейронные сети -- искусственные нейронные сети -- киберфизические системы -- нейронные сети -- реконфигурация топологии киберсистем -- топология киберсистем
Аннотация: В работе представлен показатель оценки устойчивости киберфизических систем, а также метод их реконфигурации для нейтрализации негативных последствий структурных атак. Предложенный метод применяется для систем, моделирующихся графами, каждой вершине которых сопоставлены атрибуты - типы устройств. Процесс функционирования таких систем определяется путем на графе, проходящим через вершины заданного типа. Метод реконфигурации на основе графовой искусственной нейронной сети (ИНС) направлен на увеличение числа рабочих путей без необходимости добавления новых ребер. Модель ИНС обучалась на синтетическом наборе данных, составленном из случайных графов, типы вершин которых задавались в соответствии с метрикой центральности по посредничеству.
The paper proposed approach to estimation the resilience of cyber-physical systems, as well as a method for their reconfiguration to neutralize the negative effects of structural attacks. The proposed method is applied to systems modeled by graphs, each vertex of which is associated with attributes - types of devices. The functioning of such systems is determined by the path on the graph, passing through the vertices of a given type. The reconfiguration method based on the graph artificial neural network (ANN) aims at increasing the number of working paths without the need to add new edges. The ANN model was trained on a synthetic dataset composed of random graphs whose vertex types were specified according to the betweenness centrality metric.

Нет сведений об экземплярах (Источник в БД не найден)

Найти похожие

6.


    Татарникова, Т. М.
    Обнаружение атак методом искусственных нейронных сетей [Текст] = Attacks detection by artificial neural networks / Т. М. Татарникова, И. А. Сикарев // Проблемы информационной безопасности. Компьютерные системы. - 2023. - № 4. - С. 84-94 : схемы, табл., граф., ил. - Библиогр.: с. 92-93 (12 назв.). - Список литературы представлен на русском и английском языках. . - ISSN 2071-8217
УДК
ББК 32.973
Рубрики: Вычислительная техника
   Программирование ЭВМ. Компьютерные программы. Программотехника

Кл.слова (ненормированные):
architecture optimization (computing) -- artificial neural networks -- attack detection systems -- computer attacks -- detection of computer attacks -- information security -- machine learning -- neural networks -- информационная безопасность -- искусственные нейронные сети -- компьютерные атаки -- машинное обучение -- нейронные сети -- обнаружение компьютерных атак -- оптимизация архитектур (вычислительная техника) -- системы обнаружения атак
Аннотация: Приведено описание разработанного нейросетевого алгоритма обнаружения атак, особенность которого заключается в возможности запуска двух параллельных процессов: поиска оптимальной модели искусственной нейронной сети и нормализации данных обучающей выборки. Показано, что выбор архитектуры искусственной нейронной сети выполняется с учетом функции потерь для ограниченного множества классов атак. Показано применение библиотек (фреймворков) TensorFlow и Keras Tuner для программной реализации алгоритма обнаружения атак. Приведено описание эксперимента по выбору архитектуры нейронной сети и ее обучению. Полученная в экспериментах точность достигает 94-98% для разных классов атак.
The description of the developed neural network algorithm for detecting attacks is given, the feature of which is the possibility of launching two parallel processes: the search for the optimal model of an artificial neural network and the normalization of training sample data. It is shown that the choice of an artificial neural network architecture is performed taking into account the loss function for a limited set of attack classes. The application of TensorFlow and Keras Tuner libraries (frameworks) for the software implementation of the attack detection algorithm is shown. The article describes an experiment on choosing the architecture of a neural network and its training. The accuracy obtained in the experiments reaches 94-98% for different classes as well.


Доп.точки доступа:
Сикарев, И. А.
Нет сведений об экземплярах (Источник в БД не найден)

Найти похожие

7.


    Иванов, С. О. (аспирант).
    Методика создания и обучения искусственной нейронной сети для решения задачи распознавания аномалий сетевого трафика [Текст] = A technique for creating and training an artificial neural network to detect network traffic anomalies / С. О. Иванов // Информационные технологии. - 2024. - Т. 30, № 1. - С. 32-41. - Исследование выполнено при поддержке Минцифры России, проект № 14/22-к . - ISSN 1684-6400
УДК
ББК 32.97
Рубрики: Вычислительная техника
   Вычислительная техника в целом

Кл.слова (ненормированные):
artificial neural networks -- machine learning -- искусственные нейронные сети -- машинное обучение -- методика обучения -- сетевые трафики
Аннотация: Представлена методика создания и обучения искусственной нейронной сети для решения задачи распознавания аномалий сетевого трафика с использованием относительно небольших выборок собранных данных для генерирования данных для обучения.

Нет сведений об экземплярах (Источник в БД не найден)

Найти похожие

 
© Международная Ассоциация пользователей и разработчиков электронных библиотек и новых информационных технологий
(Ассоциация ЭБНИТ)