Реєстраційний номер
0420U100441, Кандидатська дисертація
На здобуття
Кандидат технічних наук
Дата захисту
26-02-2020
Статус
Захищена
Назва роботи
Моделі і методи інформаційної технології автономного відеомоніторингу місцевості безпілотним літальним апаратом
Здобувач
Коробов Артем Геннадійович,
Керівник Москаленко В'ячеслав Васильович
Опонент Томашевський Валентин Миколайович
Опонент Тимочко Олександр Іванович
Установа, організація, у вченій раді якої відбудеться/відбувся захист
Національний аерокосмічний університет ім. М.Є. Жуковського "Харківський авіаційний інститут"
Опис
Об’єкт дослідження ‒ процес автономного відеомоніторингу місцевості БПЛА за умов ресурсних та інформаційних обмежень; мета дослідження ‒ підвищення функціональної ефективності бортової системи БПЛА, що здійснює в автономному режимі локальну навігацію і локалізацію об’єктів інтересу на місцевості за умов неповної визначеності та ресурсних обмежень шляхом створення інформаційної технології машинного навчання; методи дослідження ‒ методи згорткових нейронних мереж, методи розрідженого кодування, методи теорії кодування та оптимізації; методи інформаційно-екстремальної інтелектуальної технології та технології нейронних мереж прямого поширення; результати ‒ моделі та методи інформаційної технології автономного відеомоніторингу місцевості безпілотним літальним апаратом; новизна ‒ уперше розроблено метод синтезу інформаційно-екстремальних класифікаційних вирішувальних правил автономної бортової системи БПЛА, який на відміну від відомих базується на двійковому кодуванні ознакового опису ансамблем дерев рішень із побудовою в радіальному базисі двійкового простору ознак оптимальних в інформаційному розумінні замкнених роздільних гіперповерхонь, що дозволяє підвищити оперативність функціонування та забезпечити достовірність розпізнавання спостережень за умов обмеженого обсягу розміченої вибірки; удосконалено метод машинного навчання екстрактора ознакового опису середовища шляхом застосування принципів конкурентного навчання, розрідженого кодування, переносу знань та метаевристичної оптимізації, що дозволяє сформувати оптимальний в інформаційному і вартісному сенсі ознаковий опис відеоспостережень для класифікаційного й регресійного аналізу за умов обмеженого обсягу розмічених навчальних даних та обчислювальних ресурсів; набули подальшого розвитку моделі обчислень екстрактора ознакового опису середовища шляхом застосування архітектури згорткових мереж, розрідженого кодування та з урахуванням як локальної, так і контекстної інформації, що дозволяє підвищити функціональну ефективність розпізнавання малорозмірних об’єктів інтересу або перешкод за умов ресурсних та інформаційних обмежень; ступінь упровадження ‒ впроваджено у науково-дослідному центрі ракетних військ і артилерії, Сумському державному університеті; галузь ‒ інтелектуальні інформаційні технології
Дата реєстрації
2020-03-05
Додано/оновлено в НРАТ
2020-04-03 / 2026-06-30
