Registration Number
0823U101400, PhD dissertation
Status
Доктор філософії
Date
24-11-2023
popup.evolution
.
Title
Models and methods of information technology machine learning of an autonomous unmanned aerial vehicle for video monitoring of terrain
Author
Mykyta Myronenko,
popup.head Ihor Shelehov
popup.head Ihor Naumenko
popup.opponent Serhii Udovenko
popup.opponent Andrii Kupin
popup.review Viacheslav Moskalenko
popup.review Artem Korobov
popup.rada
Sumy State University
Description
У дисертаційній роботі розв’язано важливе науково-практичне завдання розроблення інформаційної інтелектуальної технології машинного навчання
автономного БПЛА для відеомоніторингу місцевості за умови неповної визначеності даних у рамках функціонального підходу до моделювання когнітивних процесів природного інтелекту при формуванні та прийнятті класифікаційних рішень.
За результатами аналізу сучасного стану та тенденцій розвитку безпілотних авіаційних комплексів для відеомоніторингу місцевості показано, що БПЛА в основному використовуються як ретранслятори зображень регіону на наземну станцію керування (НСК). Показано, що основним шляхом розширення функціональних можливостей і підвищення інформаційної та/або кіберзахищеності БПЛА для відеомоніторингу місцевості є надання йому автономності на основі машинного навчання розпізнаванню наземних об’єктів. Застосування традиційних методів інтелектуального аналізу даних Data Mining, включаючи штучні нейронні мережі (ШНМ), для інформаційного синтезу автономної БСР не завжди забезпечує високу функціональну ефективність машинного навчання через довільні початкові умови формування цифрових зображень наземних об’єктів; перетин класів розпізнавання, що характеризують зображення об’єктів, в просторі ознак; багатовимірність словника ознак і алфавіту класів розпізнавання та вплив неконтрольованих факторів.
Дослідження виконувалися у рамках створеної в Сумському державному університеті так званої інформаційно-екстремальної інтелектуальної технології аналізу даних, яка ґрунтується на максимізації інформаційної спроможності системи в процесі машинного навчання з метою адаптації вхідного математичного опису до максимальної повної ймовірності прийняття правильних класифікаційних рішень. Такий підхід на відміну від відомих методів дозволяє надати системі гнучкість при перенавчанні через розширення алфавіту класів розпізнавання. Водночас побудовані в рамках геометричного підходу вирішальні правила є практично інваріантними до багатовимірності словника ознак розпізнавання.
У дисертаційній роботі вперше розроблено метод інформаційно-екстремального машинного навчання автономного БПЛА для розпізнавання наземного транспортного засобу з оптимізацією рівня квантування яскравості пікселів кадру зони інтересу, що дозволяє детектувати контур транспортного засобу з метою визначення на ньому центру полярної системи координат для формування навчальної матриці. У результаті вирішальні правила набули інваріантність до зсуву та повороту наземного об’єкту у кадрі зони інтересу.
У дисертаційній роботі одержано такі наукові результати:
1) Вперше розроблено метод інформаційно-екстремального машинного навчання автономного БПЛА для розпізнавання наземних об’єктів з оптимізацією розміру кадру зображення регіону, що дозволяє зменшити вплив неінформативних та заважаючих ознак розпізнавання оточуючого середовища наземного об’єкту.
2) Вперше розроблено метод інформаційно-екстремального машинного навчання автономного БПЛА для семантичної сегментації зображення регіону шляхом оптимізації за інформаційним критерієм вагових коефіцієнтів RGB-компонент зображень наземних об’єктів, що дозволяє підвищити повну ймовірність прийняття правильних класифікаційних рішень.
3) Удосконалено метод інформаційно-екстремального машинного навчання автономного БПЛА для відеомоніторингу місцевості за ієрархічною структурою даних у вигляді декурсивного бінарного дерева, що дозволяє побудувати в процесі машинного навчання із заданою глибиною безпомилкові за навчальною матрицею вирішальні правила.
4) Набув подальшого розвитку метод автономної відеонавігації за наземними природними та інфраструктурними орієнтирами з відомими географічними координатами, що дозволяє визначати місцезнаходження автономного БПЛА без використання глобальної мережи позиціювання.
За результатами комп’ютерного моделювання підтверджено, що розроблені методи машинного навчання дозволяють побудувати оперативні та безпомилкові за навчальною матрицею вирішальні правила. Крім того, розроблено засоби інформаційної технології проектування системи підтримки прийняття рішень для оператора НСК, який здійснює машинне навчання та перенавчання БСР автономного БПЛА.
Registration Date
2023-11-21
popup.nrat_date
2023-11-21 / 2026-07-02
