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.