Звіт по науково-дослідній роботі. Куссуль Наталія Миколаївна. Методи і моделі глибинного навчання для прикладних задач супутникового моніторингу

Реєстраційний номер

0221U106732, 0121U114416 , Науково-дослідна робота

Назва роботи

Методи і моделі глибинного навчання для прикладних задач супутникового моніторингу

Назва етапу роботи

Керівник роботи

Куссуль Наталія Миколаївна, Доктор технічних наук

Дата реєстрації

18-12-2021

Організація виконавець

Інститут космічних досліджень Національної академії наук України та Державного космічного агентства України

Опис етапу

Мета роботи: удосконалення існуючих та розробка нових методів і моделей глибинного навчання для розв'язання задач моніторингу економічних показників та business intelligence на основі злиття різнорідних супутникових даних та даних з різних джерел високого просторового та часового розрізнення. Методи досліджень: методи машинного навчання, статистичний аналіз, інформаційні технології аналізу великих даних, удосконалення моделей глибинного навчання, використання рекурентних нейронних мереж, метод підвищення просторового розрізнення супутникових даних на основі методів глибинного навчання, метод навчання нейронних мереж без учителя, методи математичної статистики та геопросторового аналізу. Використання хмарних середовищ для обробки даних. Метод адаптаціії рекурентних нейронних мереж для об’єднання та гармонізації супутникових даних. Одержані результати: Реалізовано архітектуру рекурентної нейронної мережі з виходом у вигляді багатовимірного часового ряду, описано загальну схему її програмної реалізації та процедуру тестування. Реалізовано вдосконалену архітектуру моделі глибинного навчання для класифікації часових рядів на основі transfer learning, описано загальну схему її реалізації та тестування. Розроблено процедури тестування результатів рекурентної нейронної мережі з виходом у вигляді багатовимірного часового ряду та результатів мережі на основі transfer learning, описано загальну схему їх реалізації. Реалізовано запропонований метод підвищення просторового розрізнення супутникових даних на основі методів глибинного навчання з використанням Generative Adversarial Networks, описано схему програмної реалізації. Реалізовані запропоновані методи злиття супутникових даних високого та низького просторового розрізнення, описано схему програмної реалізації з обгрунтуванням вибору засобів реалізації. Реалізовано процедуру тестування результатів методу підвищення просторового розрізнення та методів злиття супутникових даних високого та низького просторового розрізнення.

Опис продукції

Автори роботи

Ємельянов Михайло Олексійович
Жуковський Антон Леонтійович
Красільнікова Тетяна Миколаївна
Лавренюк Микола Сергійович
Пархомчук Олександр Михайлович
Яйлимов Богдан Ялкапович

Додано/оновлено в НРАТ

2021-12-18