В статье проанализированы существующие методы обнаружения малоразмерных объектов по изображениям в каналах технического зрения на фоне шумов. Показано, что метод обнаружения изображений малоразмерных объектов, основанный на вычислении отношения правдоподобия с использованием оценки математического ожидания выборок пространственно-субполосных векторов и их ковариационных матриц, является перспективным для дальнейших исследований.
Для решения задачи обнаружения малоразмерных объектов по изображениям каналов технического зрения, а также для подготовки данных для последующих этапов (распознавания и~идентификации в качестве основного инструмента) предлагается метод субполосного анализа на основе применения новых базисных функций. Проведена экспериментальная оценка качества обнаружения малоразмерных объектов вышеописанным методом, из которой следует, что приемлемые показатели вероятности правильного обнаружения (0,95) при вероятности ложной тревоги 10-4 достигаются при отношении сигнал/шум более 14. Исходя из того, что шум на изображениях не всегда является статически независимым и аддитивным, оценка влияния пространственных спектральных характеристик шума подлежит дальнейшему исследованию. Проведён анализ влияния статистически независимого аддитивного шумового процесса на показатели качества обнаружения и распознавания. При этом использован набор исходных изображений, содержащих изображения малоразмерных объектов вида беспилотных летательных аппаратов. Для поиска объекта на анализируемом изображении использовалось его эталонное изображение. В ходе проведенного исследования установлено, что семейство зависимостей вероятности правильного обнаружения от отношения сигнал/шум с учетом заданной вероятности ложной тревоги при воздействии аддитивного белого шума является классическим видом, характерным для алгоритмов обнаружения объектов. Выявлено необходимое отношение сигнал/шум, которое позволяет достигнуть приемлемой вероятности правильного обнаружения. С. 33-47.
The article analyzes the existing methods of detecting small objects from images in the channels of technical vision against a background of noise. It is shown that the method of detecting images of small objects based on the calculation of the likelihood ratio using the estimation of the mathematical expectation of samples of spatially subband vectors and their covariance matrices is promising for further research. To solve the problem of detecting small objects from images of technical vision channels, as well as to prepare data for subsequent stages (recognition and identification), a subband analysis method based on the use of new basic functions is proposed as the main tool. An experimental assessment of the quality of detection of small-sized objects using the above-described method has been carried out, showing that acceptable indicators of the probability of correct detection (0.95) with a false alarm probability of 10−4 are achieved with a signal-to-noise ratio of more than 14. Based on the fact that noise in images is not always statically independent and additive, the assessment of the influence of spatial spectral characteristics of noise is subject to further investigation. The analysis of the influence of a statistically independent additive noise process on the quality of detection and cognition is carried out. In this case, a set of source images containing images of small objects of the type of unmanned aerial vehicles was used. To search for an object in the analyzed image, a reference image of the object was used. In the course of the study, it was found that the family of dependencies of the probability of correct detection on the signal-to-noise ratio, taking into account the given probability of a false alarm when exposed to additive white noise, is a classic type characteristic of object detection algorithms. The necessary signal-to-noise ratio has been identified, which makes it possible to achieve an acceptable probability of correct detection.
Ключевые слова: фото- и видеоизображение, методы распознавания изображений, алгоритмы анализа изображений, улучшение качества изображений, техническое зрение, субполосные методы.
Keywords: photo and video images, methods and algorithms for synthesis, analysis and improvement of image quality, machine vision, subband methods.
В статье рассматривается подход к интеграции нейросетевых технологий для устранения дисбаланса между развитием жестких (hard skills) и гибких (soft skills) навыков в~процессе образования. Современный рынок труда требует от специалистов высоких коммуникативных, креативных и логических навыков. Однако традиционные образовательные программы недостаточно акцентируют внимание на soft skills. Авторы статьи, опираясь на исследования РБК, Google и РСМ, подчеркивают важность гибких навыков для успешной карьеры и социальной адаптации, отмечая, что многие испытывают трудности именно с коммуникативным навыком как основополагающим soft skills.
Для решения этой проблемы предлагается инновационный подход с использованием нейросетевых технологий для диагностики и развития коммуникативных навыков. Авторы анализируют существующие модели глубокого обучения и предлагают свою структуру сверточно-рекуррентной нейронной сети (CRNN) для диагностики речевых недостатков в русском языке. Разработанная модель оценивает дефекты произношения и предоставляет персонализированные обучающие материалы.
Авторами предлагается интерактивная образовательная платформа, реализующая созданную модель в рамках технологии обучения hard skills совместно с программами развития soft skills. Нейросетевые алгоритмы платформы оптимизируют учебный процесс, адаптируя его к индивидуальным особенностям обучающегося, и могут использоваться как самостоятельно, так и в дополнение к занятиям с репетитором. С. 48-60.
The article considers an approach to the integration of neural network technologies to eliminate the imbalance between the development of hard (hard skills) and flexible (soft skills) skills in the educational process.The modern labor market requires high communication, creative and logical skills from specialists, but traditional educational programs do not sufficiently focus on soft skills. The authors of the article, based on research by RBC, Google and RSM, emphasize the importance of flexible skills for successful careers and social adaptation, noting that many people have difficulties with communication skills as the fundamental soft skills.
To solve this problem, an innovative approach is proposed using neural network technologies to diagnose and develop communication skills. The authors analyze existing deep learning models and propose their own convolutional recurrent neural network (CRNN) structure for diagnosing speech deficiencies in the Russian language. The developed model evaluates pronunciation defects and provides personalized learning materials.
The authors propose an interactive educational platform that implements the created model within the framework of hard skills training technology in conjunction with soft skills development programs. The neural network algorithms of the platform optimize the learning process, adapting it to the individual characteristics of the student, and can be used both independently and in addition to classes with a tutor.
Ключевые слова: гибкие навыки, техника речи, нейросетевые технологии, дикционные недостатки, платформа.
Keywords: Soft skills, speech technique, neural network technologies, diction deficiencies, platform.
В настоящей работе предложена система рекомендаций для выбора научного руководителя, основанная на архитектуре трансформеров и современных методах машинного обучения. Система анализирует академические данные студента, включая изученные дисциплины и оценки по ним, а также профессиональные характеристики преподавателей. Экспериментальные результаты демонстрируют значительное превосходство предложенного подхода над традиционными методами: при тестировании достигнута точность рекомендаций 0,3230 против 0,1106 (метод на основе частоты положительных оценок) и 0,1637 (подход с использованием классификации через машинное обучение). Полученные результаты подтверждают эффективность системы в оптимизации процесса подбора научного руководителя, что способствует повышению качества научно-исследовательской деятельности студентов за счёт персонализированного сопоставления компетенций. С. 61-75.
This paper proposes a recommendation system for academic supervisor selection based on transformer architecture and modern machine learning methods. The system analyzes a student’s academic data, including courses studied and grades for them, as well as the professional characteristics of teachers. The results of the experiment demonstrate a significant superiority of the proposed approach over traditional methods: during testing, the achieved accuracy of recommendations was 0.3230 versus 0.1106 (method based on the frequency of positive grades) and 0.1637 (approach using classification through machine learning). The obtained results confirm the effectiveness of the system in optimizing the process of selecting a supervisor, which helps to improve the quality of students’ research activities through a personalized comparison of competencies.
Ключевые слова: система рекомендаций, машинное обучение, трансформеры, обработка естественного языка, научное руководство, анализ образовательных данных, текстовые эмбеддинги.
Keywords: recommendation system, machine learning, transformers, natural language processing, academic supervision, educational data analysis, text embeddings.