DOI: 10.25136/2644-5522.2021.1.35847

Аннотация: Автоматическая обработка неструктурированных текстов на естественных языках является одной из актуальных проблем компьютерного анализа и синтеза текстов. В ней можно отдельно выделить задачу нормализации текстов, обычно, подразумевающую выполнение таких процессов, как токенизация, стемминг и лемматизация. Существующие алгоритмы стемминга в большинстве ориентированы на синтетические языки, в которых преобладает формообразование с использованием морфем. Узбекский язык представляет собой пример агглютинативного языка, отличающегося полисемантичностью аффиксальных и служебных морфем. Хотя узбекский язык имеет множество отличий, например, от английского языка, тем не менее он вполне успешно поддается обработке алгоритмами стемминга. Примеры эффективной реализации алгоритмов стемминга для узбекского языка, до настоящего времени, практически не встречаются, поэтому данный вопрос является предметом научного интереса и определяет цель настоящей работы. В ходе работы решалась задача приведения заданных текстов на узбекском языке к нормальной форме, которые на предварительном этапе токенизации были размечены по типам слов и очищены от стоп-слов. Для решения поставленной задачи разработан метод нормализации текстов на узбекском языке на основе алгоритма стемминга. При разработке алгоритма использован гибридный подход на основе совместного применения алгоритмического метода, лексикона лингвистических правил и базы данных нормальных форм слов узбекского языка. Точность предложенного алгоритма зависит от точности работы алгоритма токенизации. При этом, вопрос нахождения корней парных слов, разделенных пробелами здесь не рассматривался, так как эта задача решается, непосредственно, на этапе токенизации. Алгоритм может быть интегрирован в различные автоматизированные системы машинного перевода, извлечения информации, информационного поиска и др.

DOI: 10.25136/2644-5522.2021.1.35101

Аннотация: Рассматриваются некоторые аспекты процесса численного решения задач механики сплошной среды в условиях протекающих химических реакций. Такие задачи, обычно, отличаются наличием множества локальных областей с повышенной температурой, положение которых в пространстве относительно нестабильно. В таких условиях применяются жестко устойчивые методы интегрирования с контролем шага, которые в "горячих" областях имеют существенно большие временные затраты в сравнении с прочими областями. При использовании геометрического параллелизма данный факт приводит к существенному дисбалансу загрузки процессоров, снижающему общую эффективность распараллеливания. Поэтому в данной работе рассматривается проблема балансировки загрузки процессоров при параллельном решении вышеуказанных задач.   Предложена новая модификация алгоритма крупноблочной распределенной балансировки с улучшенным предсказанием времени численного интегрирования уравнений химической кинетики, наиболее эффективная в условиях дрейфа "горячих" областей. Улучшение состоит в применении линейного персептрона, анализирующего несколько предыдущих значений времени интегрирования (в базовом варианте алгоритма используется лишь одна предыдущая точка из истории времени интегрирования). Это позволяет работать в условиях как быстрого, так и медленного дрейфа "горячих" областей. Эффективность данного подхода продемонстрирована на задаче моделирования обтекания здания, на крыше которого наблаюдается горение при высокой температуре. Показано, что применение модифицированного алгоритма повышает эффективность распараллеливания на 2,1% по сравнению с исходным алгоритмом.

DOI: 10.25136/2644-5522.2021.1.31676

Аннотация: Предмет исследования – медицинские флюорографические рентгеновские снимки грудной клетки. Накопленные базы таких изображений после качественной предобработки могут быть использованы для обучения глубоких сверточных нейросетей, получивших наибольшее развитие в последние годы, обученная сеть осуществляет предварительную бинарную классификацию поступающего потока снимков и может быть использована в качестве помощника врача-рентгенолога. Для этой цели необходимо достаточно точно обучить нейросеть для минимизации ошибок первого и второго рода. Возможный подход к повышению эффетивности применения нейросетей, по критериям уменьшение вычислительной сложности и качество классификации снимков – применение вспомогательных подходов: предобработка изображений и предварительное вычисление энтропии фрагментов. В статье представлен алгоритм предобработки рентгеновского изображения, его деления на фрагменты и вычисления энтропии отдельных фрагментов. В ходе предобработки из всего снимка выделяется интересующая область с легкими и позвоночником, составляющая около 30-40% всего снимка, далее происходит деление снимка на матрицу фрагментов и вычисляется энтропия отдельных фрагментов по формуле Шеннона, за счет анализа отдельных пикселей. Определяя частоту появления каждого из 255 цветов, вычисляется суммарная энтропия. Использование энтропии для обнаружения патологий основано на предположении о различиях ее значений для отдельных фрагментов и общей картины ее распределения между снимками с нормой и патологиями. Анализируются статистические показатели: стандартное отклонение ошибки, дисперсия. Для определения закономерностей в распределении энтропии и ее статистических характеристик на различных фрагментах флюорографического снимка использована полносвязная нейронная сеть.

DOI: 10.25136/2644-5522.2021.1.36059

Аннотация: Предметом исследования данной работы являются численные методы оптимизации, используемые при обучении нейронных сетей, выступающих в качестве предицирующих компонентов в некоторых современных моделях турбулентной вязкости. Качественное решение проблемы обучения (минимизации функционала невязок нейронной сети) часто требует значительных вычислительных затрат, поэтому весьма актуальна задача повышения скорости такого обучения, решаемая, обычно, совместным применением более быстро сходящихся к решению численных методов и распараллеливания вычислений. Особенный интерес представляет метод Марквардта, содержащий параметр, позволяющий ускорить решение путем переключения метода: от наискорейшего спуска вдали от решения до метода Ньютона вблизи решения. Предлагается модификация метода Марквардта, использующая для улучшения текущей точки и вычисления параметра метода ограниченные серии случайных проб. Показаны достаточно хорошие характеристики метода в численных экспериментах, как на тестовых функциях Химмельблау и Розенброка, так и на реальной задаче обучения нейросетевого предиктора, используемого при моделировании турбулентных течений. Применение данного метода позволяет существенно ускорить обучение нейросетевого предиктора в поправочных моделях турбулентной вязкости. Метод менее трудоемок в сравнении с чистым случайным поиском, особенно при небольшом количестве вычислительных ядер, при этом дает решение, достаточно близкое к результату случайного поиска и лучшее в сравнении с исходным методом Марквардта.

DOI: 10.25136/2644-5522.2021.1.35862

Аннотация: В данной статье за основу были взяты малораспространённые шагающие роботы, которые используются или предлагаются в качестве помощников в недетерминированной среде, например, во время спасательных операций. Необходимо было провести глубинный анализ существующих моделей для актуализации информации по тематике роботов с шагающим движителем по нескольким критериям: габариты, вес, количество степеней свободы, скорость движения, потребляемая мощность, время автономной работы, максимальная нагрузка, также была поставлена задача в поиске достоинств и недостатков рассмотренных моделей. Для начала были выделены области исследования по тематике статьи для сужения круга поиска существующих прототипов и реальных роботов. Методами сравнительного и критического анализов была проведена работа с доступными материалами за последние 5 лет, которая позволила выполнить задачи, ставящиеся перед написанием статьи. Результатами исследования стали выявленные итоговая таблица по крупно обобщённым группам шагающих роботов и три общие таблицы по рассматриваемым моделям, суммирующие их преимущества и слабости моделей. Такие данные помогут исследователям углубить знания в тематике шагающих роботов, проанализировать как собственные работы, так и исследования зарубежных коллег и соотечественников, применить в дальнейшей своей работе, акцентировать свою деятельность на решение проблем, подчеркнуть уникальность и актуальность своих разработок. Данная статья выделяет особенности использования шагающих роботов, применимых специально для спасательных операций, но области использования описываемых роботов может быть обширнее. Обзорная статья также выделяет и описывает нетрадиционные движители шагающих роботов, помимо классических походок, широко известных, по своей большой огласке в средствах массовой информации, видео хостингах и прочих инструментах получения информации.