Пошук академічних текстів

Інформація × Реєстраційний номер 0223U004688, 0121U114416 , Науково-дослідна робота Назва роботи Методи і моделі глибинного навчання для прикладних задач супутникового моніторингу Назва етапу роботи Керівник роботи Лавренюк Микола Сергійович, Доктор філософії Дата реєстрації 29-11-2023 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. Результати: Розроблено новий метод класифікації багатовимірних геопросторових даних на основі рекурентних нейронних мереж, що дозволяє отримати вихід у вигляді багатовимірного часового ряду. Вдосконалено архітектуру моделі глибинного навчання для класифікації часових рядів геопросторових даних з використанням рекурентних нейронних мереж на основі transfer learning, що дозволяє здійснювати застосування навченої нейронної мережі для інших наборів часових рядів даних. Розроблено новий метод підвищення просторового розрізнення супутникових даних на основі методів глибинного навчання з використанням генеративних змагальних мереж (generative adversarial networks – GAN), для підвищення точності ідентифікації та локалізації об’єктів, що дозволяє підвищити точність моніторингу економічної діяльності на основі геопросторових даних. Розроблені методи застосовано для розв’язання прикладних задач супутникового моніторингу, реалізовано в хмарних середовищах AWS та GEE. З використанням різнорідних даних, а також продуктів обробки супутникових даних, зокрема якості атмосферного повітря та яскравості нічного освітлення проаналізовано економічні показники. Опис продукції Автори роботи Ємельянов Михайло Олексійович Гордійко Наталія Олександрівна Жуковський Антон Леонтійович Красільнікова Тетяна Миколаївна Куссуль Наталія Миколаївна Охріменко Антон Олександрович Пархомчук Олександр Михайлович Шуміло Леонід Леонідович Яйлимов Богдан Ялкапович Додано в НРАТ 2023-11-29 Закрити