Детальная информация

Название: 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»
Авторы: Фуфлыгин Антон Александрович
Научный руководитель: Кваснов Антон Васильевич
Другие авторы: Киселева Людмила Анатольевна
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Выходные сведения: Санкт-Петербург, 2021
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: искусственный интеллект; машинное обучение; искусственные нейронные сети; tensorflow; python 3; artificial intelligence; machine learning; artificial neural networks
Тип документа: Выпускная квалификационная работа бакалавра
Тип файла: PDF
Язык: Русский
Уровень высшего образования: Бакалавриат
Код специальности ФГОС: 27.03.04
Группа специальностей ФГОС: 270000 - Управление в технических системах
Ссылки: Отзыв руководителя; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2021/vr/vr21-1582
Права доступа: Доступ по паролю из сети Интернет (чтение, печать)
Ключ записи: ru\spstu\vkr\11728

Разрешенные действия:

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

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.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать
Внешние организации №2 Все Прочитать
Внешние организации №1 Все
Интернет Авторизованные пользователи СПбПУ Прочитать Печать
Интернет Авторизованные пользователи (не СПбПУ, №2) Прочитать
Интернет Авторизованные пользователи (не СПбПУ, №1)
-> Интернет Анонимные пользователи

Статистика использования

stat Количество обращений: 11
За последние 30 дней: 0
Подробная статистика