Details

Title: Распознавание воздушных объектов с помощью искусственной нейронной сети для управления воздушным движением: выпускная квалификационная работа бакалавра: направление 27.03.04 «Управление в технических системах» ; образовательная программа 27.03.04_02 «Системы и технические средства автоматизации и управления»
Creators: Фуфлыгин Антон Александрович
Scientific adviser: Кваснов Антон Васильевич
Other creators: Киселева Людмила Анатольевна
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Imprint: Санкт-Петербург, 2021
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: искусственный интеллект; машинное обучение; искусственные нейронные сети; tensorflow; python 3; artificial intelligence; machine learning; artificial neural networks
Document type: Bachelor graduation qualification work
File type: PDF
Language: Russian
Level of education: Bachelor
Speciality code (FGOS): 27.03.04
Speciality group (FGOS): 270000 - Управление в технических системах
Links: Отзыв руководителя; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2021/vr/vr21-1582
Rights: Доступ по паролю из сети Интернет (чтение, печать)
Record key: ru\spstu\vkr\11728

Allowed Actions:

Action 'Read' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

Поставленная в бакалаврской работе задача – разработка модели искусственной нейронной сети для распознавания воздушных объектов. В дан-ной работе осуществлялся выбор характеристик воздушных объектов, на основе которых ИНС будет обучаться. Использованы в качестве входных признаков геометрические параметры воздушных объектов и их скоростные характеристики. Разработана специальная программа сбора данных из электронного ресурса, т. е. процесс составления базы данных был автоматизирован. Изучены теоретические материалы об искусственных нейронных сетях. Определена функция категориальной кросс-энтропии, как функция потерь и выбран алгоритм градиентного спуска для оптимизации. Разрабатывалась модель искусственной нейронной сети для распознавания воздушных объектов. Модель была обучена и протестирована. Осуществлены анализ ошибок и оценка качества с помощью матрицы ошибок и ROC-кривых.

The task set in the bachelor's work is the development of a model of an artificial neural network for recognizing air objects. In this work, the choice of characteristics of air objects was carried out, on the basis of which the ANN will be trained. Geometric parameters of air objects and their speed characteristics were used as input features. A special program for collecting data from an electronic resource has been developed, that is, the process of compiling a database has been automated. Studied theoretical materials about artificial neural networks. The categorical cross-entropy function is defined as a loss function and a gradient descent algorithm is selected for optimization. A model of an artificial neural network for recognizing airborne objects was developed. The model has been trained and tested. Error analysis and quality assessment were carried out using the error matrix and ROC curves.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print
External organizations N2 All Read
External organizations N1 All
Internet Authorized users SPbPU Read Print
Internet Authorized users (not from SPbPU, N2) Read
Internet Authorized users (not from SPbPU, N1)
-> Internet Anonymous

Usage statistics

stat Access count: 11
Last 30 days: 0
Detailed usage statistics