№ 1 (2024)

Статья посвящена обсуждению вопросов ускоренного развития Национальной исследовательской компьютерной сети нового поколения (НИКС) в качестве единой отраслевой информационно-телекоммуникационной в рамках национального проекта «Наука и университеты» на 2021-2024 гг. В работе собрана и систематизирована ключевая информация о прогрессе в выполнении проекта развития НИКС, представлены и обсуждены основные мероприятия, реализованные в течение первых двух лет работ по национальному проекту (2021-2022 гг.), а также планы на будущие периоды. Основное внимание уделено аспектам расширения территориальной доступности и увеличению пропускной способности магистральной инфраструктуры, методам отбора и подключению к НИКС ведущих научных и высших учебных заведений, обозначена динамика роста количества пользователей, приведена и прокомментирована карта территориального покрытия сети в контексте субъектов.

В статье описывается модификация капсульной нейросети, использующая оконное преобразование Фурье (WFT)-2D-CapsNet, которая позволила по графику фотоплетизмограммы (ФПГ) с точностью 82% выявить состояние паники-ступора, не позволяющее человеку принимать логически обоснованные решения. При синхронизации смарт-браслета со смартфоном метод позволяет в режиме реального времени отслеживать подобные состояния, что позволяет реагировать на звонок телефонного мошенника при разговоре с абонентом.

В статье описывается реализация модуля системы поддержки принятия врачебных решений, позволяющего определять размеры и объемы легочных узлов, обнаруживаемых при проведении низкодозной компьютерной томографии органов грудной клетки. Основной акцент в работе делается на автоматической количественной оценке узлов в соответствии с рекомендациями по ведению легочных узлов Британского торакального общества, Флейшнеровского общества, Европейского консорциума по скринингу рака легкого и Lung-RADS. В основе представленного подхода лежат классические методы обработки изображений и методы на базе нейронных сетей. В качестве входных данных выступают маски, получаемые в результате сегментации набора срезов исследования. Выходные данные представляют собой обработанные снимки и структурированный отчет DICOM SR.

В статье рассмотрены различные технологии распознавания изображений и предложены способы их улучшения путем исследования дополнительных признаков. В частности, представлен новый подход, который способствует улучшению решения задачи распознавания путем использования точек Харриса в качестве дополнительных признаков на изображениях. Это существенно повышает точность классифицирующей модели распознавания. Значимость данного подхода заключается в его способности улучшить возможности системы распознавания в обнаружении и выделении ключевых особенностей объектов, что в конечном счете приводит к более надежным и эффективным результатам при анализе, обработке и классификации данных, а также повышает устойчивость модели. Благодаря этим улучшениям, данная технология распознавания может быть успешно применена в различных областях, где требуется высокая точность и надежность при распознавании информации, например в сфере медицины, классификации транспортных средств и т.д.

В статье рассматривается проблема классификации изображений следов бойков с помощью сверточной нейронной сети (СНС). Целью данной работы являлось исследование эффективности применения сверточных нейронных сетей для классификации следов бойков по экземплярам оружия. Научная новизна заключается в оценке эффективности применения СНС для многогрупповой классификации следов бойков в условиях сверхмалого числа исходных объектов обучающей выборки для каждого класса (по 4 исходных изображения в каждом классе). Для обеспечения эффективности обучения СНС была сформирована аугментированная обучающая выборка. Для этого на основе каждого исходного изображения обучающей выборки были получены по 8 новых изображений с измененными в допустимых пределах характеристиками. Исследования показали, что для выборки, включающей 40 классов (экземпляров оружия), точность классификации СНС достигает порядка 93% в случае учета максимального сигнала на одном выходном нейроне и 97-98% при классификации по трем наибольшим сигналам на выходных нейронах. Работа представляет интерес для разработчиков программного обеспечения автоматизированных баллистических идентификационных систем и для сотрудников региональных криминалистических баллистических лабораторий.

Разработан метод выбора оснований модулей для генерации модулярных систем счисления и модулярной арифметики, в которых вычисление позиционной характеристики модулярного представления числовой величины, являющейся нелинейная функцией многих переменных, выполняется с линейной сложностью от количества оснований модулярной системы счисления при вычислении в диапазоне одиночного основания модулярной системы. Это значительно уменьшает разрядность (следовательно, объем аппаратуры) дополнительных блоков модулярного процессора. В исследованиях по модулярной алгоритмике в России и за рубежом отсутствуют методы вычисления позиционных характеристик при таких параметрах. Все немодульные (не распараллеливаемые в модулярной арифметике) операции специализированного процессора с SIMD архитектурой (множество процессорных элементов для потоков данных и единый поток команд) базируются на вычислении позиционных характеристик. Применение метода позволяет выполнять все немодульные операции с минимальной линейной сложностью. Двухэтапный метод содержит выбор оснований модулярной системы счисления и вычисление позиционной характеристики и предназначен для разработчиков специализированных процессоров (сопроцессоров).