Выявление аномалий функционирования телекоммуникационных устройств на основе локальных сигнальных спектров [Текст] = Detection of anomalies of functioning of telecommunications devices based on local signal spectra / М. Е. Сухопаров, В. В. Семенов, К. И. Салахутдинова, И. С. Лебедев // Проблемы информационной безопасности. Компьютерные системы. - 2020. - № 2. - С. 29-34 : табл., граф., диагр. - Библиогр.: с. 33-34 (16 назв.) . - ISSN 2071-8217
Рубрики: Вычислительная техника Программирование ЭВМ. Компьютерные программы. Программотехника Кл.слова (ненормированные): abnormalities in functioning of devices -- information security -- local spectra -- neural networks -- signal spectra -- telecommunications devices -- аномалии функционирования устройств -- информационная безопасность -- локальные спектры -- нейронные сети -- сигнальные спектры -- телекоммуникационные устройства Аннотация: Телекоммуникационные устройства становятся одними из критически важных элементов промышленных систем, что делает их привлекательной целью для потенциальных злоумышленников. Рассматривается метод обнаружения аномалий на основе локальных спектров сигналов, использующий для оценки нейронные сети. Проведен эксперимент на основе статистических данных загрузки вычислительного устройства. Telecommunication devices are becoming one of the critical elements of industrial systems, which makes them an attractive target for potential attackers. A method for detecting anomalies based on local signal spectra using neural networks to evaluate is considered. An experiment was conducted based on the statistics of the loading of the computing device. Доп.точки доступа: Сухопаров, М. Е.; Семенов, В. В.; Салахутдинова, К. И.; Лебедев, И. С. Нет сведений об экземплярах (Источник в БД не найден) |
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
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) |
Иванов, М. И. Обнаружение атак в сетях с динамической топологией на основе адаптивной нейро-нечеткой системы вывода [Текст] = Anomaly detection in cyber-physical systems using graph neural networks / М. И. Иванов, Е. Ю. Павленко // Проблемы информационной безопасности. Компьютерные системы. - 2021. - № 2. - С. 21-40 : граф., табл., схемы. - Библиогр.: с. 38-39 (25 назв.) . - ISSN 2071-8217
Рубрики: Вычислительная техника Программирование ЭВМ. Компьютерные программы. Программотехника Кл.слова (ненормированные): adaptive systems (computing) -- machine learning -- network attacks -- network security -- neural networks -- neuro-fuzzy inference systems -- адаптивные системы (вычислительная техника) -- машинное обучение -- нейро-нечеткие системы вывода -- нейронные сети -- сетевая безопасность -- сетевые атаки Аннотация: Исследуется безопасность сетей с динамической топологией. В качестве решения проблемы выявления атак разработан подход к обнаружению атак в сетях с динамической топологией на основе адаптивной нейро-нечеткой системы вывода. Разработан программный макет системы, реализующей предлагаемый подход, оценена его эффективность с применением различных метрик. Экспериментальные результаты подтвердили состоятельность и эффективность применения разработанного подхода. This paper presents a security study of networks with dynamic topology. As a solution to the problem of attack detection, an approach to attack detection in networks with dynamic topology based on adaptive neuro-fuzzy inference system was developed. A software layout of the system that implements the proposed approach has been developed and its effectiveness has been evaluated using various metrics. Experimental results confirmed the validity and effectiveness of the developed approach for attack detection in networks with dynamic topology. Доп.точки доступа: Павленко, Е. Ю. Нет сведений об экземплярах (Источник в БД не найден) |
Куликов, Д. А. Cостязательные атаки на системы обнаружения вторжений, использующих LSTM-классификатор [Текст] = Adversarial attacks on intrusion detection systems using LSTM classifier / Д. А. Куликов, В. В. Платонов // Проблемы информационной безопасности. Компьютерные системы. - 2021. - № 2. - С. 48-56 : табл., схемы. - Библиогр.: с. 55-56 (12 назв.) . - ISSN 2071-8217
Рубрики: Вычислительная техника Программирование ЭВМ. Компьютерные программы. Программотехника Кл.слова (ненормированные): LSTM classifiers -- LSTM-классификаторы -- adversarial attacks (computing) -- cyberattacks -- intrusion detection systems (computing) -- machine learning -- neural networks -- кибератаки -- машинное обучение -- нейронные сети -- системы обнаружения вторжений (вычислительная техника) -- состязательные атаки (вычислительная техника) Аннотация: Рассмотрены состязательные атаки на модели машинного обучения и их классификация. Исследованы методы оценки устойчивости LSTM-классификатора к состязательным атакам. Подробно рассмотрены атаки JSMA и FGSM, выбранные из-за свойства переносимости состязательных примеров между моделями машинного обучения. Предложена атака "отравления" LSTM-классификатора. Сформулированы методы защиты от рассмотренных состязательных атак. This paper discusses adversarial attacks on machine learning models and their classification. Methods for assessing the resistance of an LSTM classifier to adversarial attacks are investigated. JSMA and FGSM attacks, chosen due to the portability of adversarial examples between machine learning models, are discussed in detail. An attack of "poisoning" of the LSTM classifier is proposed. Methods of protection against the considered adversarial attacks are formulated. Доп.точки доступа: Платонов, В. В. Нет сведений об экземплярах (Источник в БД не найден) |
Сухопаров, М. Е. Применение ансамбля обученных на несбалансированных выборках нейросетей при анализе состояния устройств интернета вещей [Текст] = Iot devices analysis using neural networks ensemble trained on unbalanced sample / М. Е. Сухопаров, И. С. Лебедев // Проблемы информационной безопасности. Компьютерные системы. - 2021. - № 2. - С. 127-134 : схемы. - Библиогр.: с. 133 (20 назв.) . - ISSN 2071-8217
Рубрики: Вычислительная техника Программирование ЭВМ. Компьютерные программы. Программотехника Кл.слова (ненормированные): Internet of Things -- detection of neural network anomalies -- ensemble of classifiers (computer technology) -- information security -- neural networks -- unbalanced neural network samples -- Интернет вещей -- ансамбль классификаторов (вычислительная техника) -- выявление аномалий нейросетей -- информационная безопасность -- нейросети -- несбалансированные выборки нейросетей Аннотация: Рассмотрен подход к выявлению аномальных ситуаций в сетевых сегментах Интернета вещей на основе ансамбля классификаторов. Классифицирующие алгоритмы настраиваются для разных видов событий и аномалий, используя различные по составу обучающие выборки. Применение ансамбля алгоритмов дает возможность увеличивать точность результатов за счет коллективного голосования. Описан проведенный эксперимент с использованием трех одинаковых по архитектуре нейронных сетей. Получены результаты оценки как для каждого классификатора по отдельности, так и с применением ансамбля. An approach to identifying anomalous situations in network segments of the Internet of Things based on an ensemble of classifiers is considered. Classifying algorithms are tuned for different types of events and anomalies using training samples of different composition. The use of an ensemble of algorithms makes it possible to increase the accuracy of the results due to collective voting. The experiment performed using three neural networks identical in architecture is described. The results of the assessment were obtained both for each classifier separately and with the use of an ensemble. Доп.точки доступа: Лебедев, И. С. Нет сведений об экземплярах (Источник в БД не найден) |
Обучение нейронной сети в задаче об автоматизированном диспетчере [Текст] = Neural network training in an automated dispatcher problem / Р. А. Горбачев, Е. М. Захарова, И. С. Макаров, И. С. Фролов // Информационные технологии. - 2022. - Т. 28, № 3. - С. 148-155. - Библиогр.: с. 155 (15 назв.) . - ISSN 1684-6400
Рубрики: Математика Исследование операций Кл.слова (ненормированные): game theory -- genetic algorithms -- neural networks -- optimization problems -- railway traffic -- генетические алгоритмы -- железнодорожное движение -- нейронные сети -- оптимизационные задачи -- теория игр Аннотация: Рассматривается применение искусственного интеллекта при разработке системы поддержки принятия решений при реализации движения транспорта. Такие системы предназначены для корректировки расписания объектов в случаях возникновения непредвиденных ситуаций. Используется полносвязная искусственная нейронная сеть с несколькими скрытыми слоями, обученная с помощью генетического алгоритма. При обучении минимизируется функционал, который характеризует отклонение от заданного расписания. Доп.точки доступа: Горбачев, Р. А. (кандидат технических наук); Захарова, Е. М. (кандидат технических наук); Макаров, И. С. (аспирант); Фролов, И. С. (студент) Нет сведений об экземплярах (Источник в БД не найден) |
Васильева, К. В. Обнаружение аномалий в киберфизических системах с использованием графовых нейронных сетей [Текст] = Anomaly detection in cyber-physical systems using graph neural networks / К. В. Васильева, Д. С. Лаврова // Проблемы информационной безопасности. Компьютерные системы. - 2021. - № 1. - С. 117-130 : граф., табл., схемы. - Библиогр.: с. 129-130 (8 назв.) . - ISSN 2071-8217
Рубрики: Радиоэлектроника Искусственный интеллект. Экспертные системы Кл.слова (ненормированные): anomalies of cyberphysical systems -- cyber-physical systems -- graph neural network -- information security -- neural networks -- telemetry data -- аномалии киберфизических систем -- графовые нейронные сети -- информационная безопасность -- киберфизические системы -- нейронные сети -- телеметрические данные Аннотация: Предлагается применение свёрточных графовых нейронных сетей для обнаружения аномалий в киберфизических системах. Разработана графовая модель, отражающая динамику изменения состояний устройств, представлен алгоритм предварительной обработки данных, обеспечивающий формирование графа на основе исследуемой выборки значений телеметрических показателей. Экспериментальным путем установлены оптимальные параметры нейронной сети, показаны применимость и эффективность предложенной модели для выявления аномалий в киберфизических системах, подтверждена способность модели выявлять и различать классы атак. The paper proposes the application of convolutional graph neural networks to detect anomalies in cyber-physical systems, developed a graph model reflecting the dynamics of changes in the state of devices, presented an algorithm for data preprocessing, which provides the formation of the graph based on the studied sample of telemetry values. The optimal parameters of the neural network were established experimentally, the applicability and effectiveness of the proposed model for detecting anomalies in cyber-physical systems were shown, and the ability of the model to detect and distinguish between classes of attacks was confirmed. Доп.точки доступа: Лаврова, Д. С. Нет сведений об экземплярах (Источник в БД не найден) |
Сергадеева, А. И. Обнаружение банковского мошенничества с применением графовых нейронных сетей [Текст] = Banking fraud detection using graph neural networks / А. И. Сергадеева, Д. С. Лаврова // Проблемы информационной безопасности. Компьютерные системы. - 2021. - № 4. - С. 112-122 : табл., диагр. - Библиогр.: с. 120-121 (12 назв.) . - ISSN 2071-8217
Рубрики: Вычислительная техника Программирование ЭВМ. Компьютерные программы. Программотехника Кл.слова (ненормированные): bank fraud -- convolutional neural networks -- financial data analysis -- graph neural networks -- information security -- neural networks -- анализ финансовых данных -- банковское мошенничество -- графовые нейронные сети -- информационная безопасность -- нейронные сети -- сверточные нейронные сети Аннотация: В работе предложено применить графовые нейронные сети для обнаружения случаев банковского мошенничества. Финансовые транзакции представлены в виде графа, а использование графовых нейронных сетей позволяет детектировать транзакции, характерные для мошеннических схем. Результаты экспериментальных исследований демонстрируют перспективность предложенного подхода. This paper proposes the application of graph neural networks to detect bank fraud. Financial transactions are represented in the form of a graph, and the use of graph neural networks allows the detection of transactions characteristic of fraudulent schemes. Experimental results demonstrate the promise of the proposed approach. Доп.точки доступа: Лаврова, Д. С. Нет сведений об экземплярах (Источник в БД не найден) |
Пчелинцев, С. Ю. (аспирант). Разработка метода генерирования изображений дорожных знаков для обучения нейросетевых моделей распознаванию образов в видеопотоках [Текст] = Development of a method for generating images of road signs for training neural network models to recognize images in video streams / С. Ю. Пчелинцев, О. А. Ковалева // Информационные технологии. - 2022. - Т. 28, № 8. - С. 424-428. - Библиогр.: с. 428 (13 назв.) . - ISSN 1684-6400
Рубрики: Вычислительная техника Распознавание и преобразование образов Кл.слова (ненормированные): computer vision -- neural networks -- pattern recognition -- synthetic data -- компьютерное зрение -- нейронные сети -- распознавание образов -- синтетические данные Аннотация: Описан механизм генерирования изображений, содержащих дорожные знаки, для обучения нейронных сетей распознаванию образов. Учитываются особенности предметной области и имитируются возможные искажения, затрудняющие распознавания. Доп.точки доступа: Ковалева, О. А. (доктор технических наук) Нет сведений об экземплярах (Источник в БД не найден) |
Методы и алгоритмы для решения задачи ранней диагностики технических объектов с использованием методов интеллектуального анализа данных [Текст] = Methods and algorithms for solving the problem of early diagnostics of technical objects using data mining methods / Г. С. Вересников, А. В. Голев, А. М. Московцев, М. П. Мартиросян // Информационные технологии. - 2022. - Т. 28, № 9. - С. 475-484. - Библиогр.: с. 484 (26 назв.) . - ISSN 1684-6400
Рубрики: Радиоэлектроника Кибернетика Кл.слова (ненормированные): informative features -- intellectual analysis -- neural networks -- интеллектуальный анализ -- информативные признаки -- нейронные сети Аннотация: Анализируются методы и алгоритмы интеллектуального анализа данных, применяемые в задачах определения и прогнозирования состояния технических объектов. Доп.точки доступа: Вересников, Г. С. (доктор технических наук; ведущий научный сотрудник); Голев, А. В. (младший научный сотрудник); Московцев, А. М. (инженер); Мартиросян, М. П. (инженер) Нет сведений об экземплярах (Источник в БД не найден) |
Кобзаренко, Д. Н. (доктор технических наук). Эффективность использования одномерных сверточных слоев в нейронной сети на примере классификации метеорологической станции по данным временных рядов - скоростей ветра [Текст] = Efficiency of using one-dimensional convolutional layers in a neural network on the example of classification a meteorological station according to wind speeds time series data / Д. Н. Кобзаренко, А. Г. Мустафаев, Б. И. Шихсаидов // Информационные технологии. - 2022. - Т. 28, № 9. - С. 497-504. - Библиогр.: с. 504 (12 назв.) . - ISSN 1684-6400
Рубрики: Радиоэлектроника Искусственный интеллект. Экспертные системы Кл.слова (ненормированные): artificial intelligence -- neural networks -- временные ряды -- задачи классификации -- нейронные сети -- одномерные сверточные слои -- скорость ветра Аннотация: Анализ данных с помощью нейронных сетей является современным трендом научных исследований. Обсуждается эксперимент по использованию одномерных сверточных слоев в нейронной сети в рамках задачи классификации данных метеорологического временного ряда (скорости ветра). Доп.точки доступа: Мустафаев, А. Г. (доктор технических наук); Шихсаидов, Б. И. (кандидат технических наук) Нет сведений об экземплярах (Источник в БД не найден) |
Коротченко, Р. А. (кандидат технических наук). Метод восстановления гидрологических временных рядов с применением нейросетевых технологий [Текст] = Method of hydrological time series recovery using neural network technologies / Р. А. Коротченко, А. В. Кошелева // Информационные технологии. - 2022. - Т. 28, № 10. - С. 546-551. - Библиогр.: с. 551 (14 назв.) . - ISSN 1684-6400
Рубрики: Радиоэлектроника Искусственный интеллект. Экспертные системы Кл.слова (ненормированные): LSTM -- data recovery -- machine learning -- neural networks -- восстановление данных -- гидрология -- машинное обучение -- натурные измерения -- нейронные сети Аннотация: В представленном исследовании методы машинного обучения были применены в сфере гидрологических измерений для восстановления (прогнозирования) пропущенных или поврежденных данных. Доп.точки доступа: Кошелева, А. В. (научный сотрудник) Нет сведений об экземплярах (Источник в БД не найден) |
Шниперов, А. Н. Метод идентификации человека по голосу с использованием машинного обучения [Текст] = Voice identification method based on machine learning / А. Н. Шниперов, Ю. В. Потылицина // Проблемы информационной безопасности. Компьютерные системы. - 2022. - № 3. - С. 143-154 : схемы, табл., диагр., граф. - Библиогр.: с. 153 (13 назв.). - Список литературы представлен на русском и английском языках. . - ISSN 2071-8217
Рубрики: Вычислительная техника Программирование ЭВМ. Компьютерные программы. Программотехника Кл.слова (ненормированные): biometric identification -- identification methods -- identification of a person by voice -- information security -- machine learning -- neural networks -- биометрическая идентификация -- идентификация человека по голосу -- информационная безопасность -- машинное обучение -- методы идентификации -- нейронные сети Аннотация: В данной статье рассмотрен метод идентификации человека по голосу с использованием машинного обучения. Рассмотрен общий алгоритм голосовой идентификации. Приведены результаты анализа известных решений в области голосовой идентификации. Предложено использование кепстральных преобразований и методов глубокого обучения сверточных нейронных сетей. Разработан программный прототип и приведены результаты его тестирования. Приведены результаты оценки эффективности разработанного метода. This paper presents a voice identification method based on machine learning. The general algorithm of voice identification is considered. The results of the analysis of common solutions in the area of voice identification are presented. The use of cepstral transformations and deep learning methods for convolutional neural networks is proposed. A software prototype has been developed and the results of its testing have been presented. The results of evaluating the effectiveness of the developed method are presented. Доп.точки доступа: Потылицина, Ю. В. Нет сведений об экземплярах (Источник в БД не найден) |
Александрова, Е. Б. Метод адаптивной нейтрализации структурных нарушений киберфизических систем на основе графовых искусственных нейронных сетей [Текст] = Adaptive neutralization of cyberphysical systems structural breachbase on graph artofocal neural networks / Е. Б. Александрова, А. А. Штыркина // Проблемы информационной безопасности. Компьютерные системы. - 2022. - № 4. - С. 89-100 : табл., схема. - Библиогр.: с. 97-98 (22 назв.). - Список литературы представлен на русском и английском языках. . - ISSN 2071-8217
Рубрики: Вычислительная техника Программирование ЭВМ. Компьютерные программы. Программотехника Кл.слова (ненормированные): adaptive neutralization of violations -- cyber-physical systems -- graph artificial networks -- information security -- neural networks -- structural violations of cybersystems -- адаптивная нейтрализация нарушений -- графовые искусственные сети -- информационная безопасность -- киберфизические системы -- нейронные сети -- структурные нарушения киберсистем Аннотация: В работе представлена модель угроз киберфизических систем (КФС) с примерами атак и потенциальными негативными последствиями для систем различного назначения. Сделан вывод о том, что критичные последствия атак связаны с нарушением информационного обмена внутри системы. Таким образом, задача обеспечения безопасности КФС сводится к восстановлению эффективности информационного обмена. Для нейтрализации негативных для информационного обмена последствий предложено использовать графовые искусственные нейронные сети (ИНС). Проведен обзор современных архитектур графовых ИНС. Для генерации синтетического обучающего набора данных разработан и реализован алгоритм, выполняющий моделирование интенсивности сетевого потока и загруженности устройств в системе на основе метрик центральности графов. Выполнено обучение графовой ИНС для задачи переконфигурирования графа сети КФС. The paper proposed a threat model of cyber-physical systems (CPS), with examples of attacks and consequences for systems for various purposes. It is concluded that the most critical consequences of attacks are related to the disruption of information exchange within the system. Thus, the task of ensuring the security of the CPS is reduced to restoring the efficiency of information exchange. To neutralize the negative consequences for information exchange, it is proposed to use graph artificial neural networks (ANNs). A review of modern architectures of graph ANNs has been carried out. To generate a synthetic training dataset, an algorithm was developed and implemented that simulates the intensity of the network flow and the workload of devices in the system based on graph centrality metrics. A graph ANN was trained for the task of reconfiguring the graph of the CFS network. Доп.точки доступа: Штыркина, А. А. Нет сведений об экземплярах (Источник в БД не найден) |
Анализ нейросетевых методов обнаружения компьютерных атак и наборов данных для их обучения [Текст] = Analysis of neural network intrusion detection methods and datasets for their training / С. М. Авдошин, Д. В. Пантюхин, И. М. Воронков [и др.] // Информационные технологии. - 2022. - Т. 28, № 12. - С. 644-653. - Работа выполнена при финансовой поддержке гранта РФФИ, проект № 21-57-54002 . - ISSN 1684-6400
Рубрики: Радиоэлектроника Искусственный интеллект. Экспертные системы Кл.слова (ненормированные): computer attacks -- neural network methods -- neural networks -- компьютерные атаки -- нейронные сети -- нейросетевые классификаторы -- нейросетевые методы Аннотация: Рассматриваются подходы к обнаружению компьютерных атак, основанные на применении нейросетевых классификаторов. Обсуждаются проблемы обучения таких классификаторов. Рассматриваются наборы данных о компьютерных атаках для проводных и беспроводных систем. Приведены результаты оценки таких наборов по степени несбалансированности. Описаны проблемы обучения на несбалансированных наборах данных и подходы к балансировке обучающей выборки в случае редких атак, в том числе с помощью генеративно-состязательных сетей. Доп.точки доступа: Авдошин, С. М. (кандидат технических наук); Пантюхин, Д. В. (старший преподаватель); Воронков, И. М. (старший научный сотрудник); Назаров, А. Н. (доктор технических наук); Мухамадиев, В. И. (инженер); Горденко, М. К. (ведущий эксперт); Дам Ньить Ван; Нгуен Нгок Зиеп Нет сведений об экземплярах (Источник в БД не найден) |
Сосинская, С. С. (кандидат технических наук). Индивидуальные обучающие траектории и их классификация с помощью нейронных сетей [Текст] = Individual learning trajectories and their classification using a neural network / С. С. Сосинская, Р. И. Ашихмин, А. С. Дорофеев // Информационные технологии. - 2022. - Т. 28, № 12. - С. 653-662 . - ISSN 1684-6400
Рубрики: Вычислительная техника Вычислительная техника в целом Кл.слова (ненормированные): individual learning trajectories -- neural networks -- ИОТ -- индивидуальные обучающие траектории -- многослойный персептрон -- нейронные сети Аннотация: Рассматривается задача автоматической классификации индивидуальных обучающих траекторий (ИОТ) с учетом выбранных дисциплин. !ed_reference.pft: FILE NOT FOUND! Доп.точки доступа: Ашихмин, Р. И. (кандидат технических наук); Дорофеев, А. С. (кандидат технических наук) Нет сведений об экземплярах (Источник в БД не найден) |
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
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) |
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
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) |
Хусаинов, Р. М. (аспирант). Нейросетевая модель и программный комплекс распознавания объектов дорожной инфраструктуры [Текст] = Intelligent system for recognition of road infrastructure objects using a neural network model / Р. М. Хусаинов, Н. Г. Талипов, А. С. Катасев // Информационные технологии. - 2023. - Т. 29, № 9. - С. 484-491 . - ISSN 1684-6400
Рубрики: Вычислительная техника Распознавание и преобразование образов Кл.слова (ненормированные): computer vision -- intelligent systems -- neural network models -- neural networks -- водители -- интеллектуальные системы -- компьютерное зрение -- нейронные сети -- нейросетевые модели -- объекты дорожной инфраструктуры -- распознавание объектов Аннотация: Рассматривается задача распознавания объектов дорожной инфраструктуры. Для ее решения разработана интеллектуальная система на основе нейросетевой модели. Доп.точки доступа: Талипов, Н. Г. (кандидат технических наук); Катасев, А. С. (доктор технических наук) Нет сведений об экземплярах (Источник в БД не найден) |
Григорьев, М. Д. Разработка обучаемой нейросети для анализа лингвистических данных [Текст] = Development of a trainable neural network for analysis of linguistic data / М. Д. Григорьев, Т. М. Татарникова // Проблемы информационной безопасности. Компьютерные системы. - 2023. - № 3. - С. 170-176 : ил., схемы. - Библиогр.: с. 175 (10 назв.). - Список литературы представлен на русском и английском языках. . - ISSN 2071-8217
Рубрики: Вычислительная техника Системы обработки численных данных Языкознание Применение вычислительной техники в языкознании Кл.слова (ненормированные): convolutional neural networks -- development of trainable neural networks -- linguistic applications -- linguistic data -- linguistic data analysis -- neural networks -- recognition of ancient Egyptian hieroglyphs -- trainable neural networks -- анализ лингвистических данных -- лингвистические данные -- лингвистические приложения -- нейросети -- обучаемые нейросети -- разработка обучаемых нейросетей -- распознавание древнеегипетских иероглифов -- сверточные нейронные сети Аннотация: Приведено описание разработанного лингвистического приложения для распознавания древнеегипетских иероглифов. Рассмотрены основные методы создания и обучения нейронной сети и определен метод, подходящий для успешной работы алгоритма по распознаванию древнеегипетских иероглифов. Исходя из проведенного анализа инструментов для решения поставленной задачи выбран метод обучения с учителем и сверточный тип нейросети как оптимальный для распознавания изображений с функцией активации ReLu. В перспективе предложенная нейросеть найдет применение в работе по разработке словаря с функцией распознавания символов. The description of the developed linguistic application for the recognition of ancient Egyptian hieroglyphs is given. The main methods for creating and training a neural network are considered and a method suitable for the successful operation of the algorithm for recognizing ancient Egyptian hieroglyphs is determined. Based on the analysis of tools for solving the problem, the method of learning with a teacher and the convolutional type of neural network were chosen as optimal for image recognition with the ReLu activation function. In the future, the proposed neural network will find application in the development of a dictionary with a character recognition function. Доп.точки доступа: Татарникова, Т. М. Нет сведений об экземплярах (Источник в БД не найден) |