MONITORING AND EXPERTISE IN SAFETY SYSTEM MONITORING AND EXPERTISE IN SAFETY SYSTEM НАДЗОРНАЯ ДЕЯТЕЛЬНОСТЬ И СУДЕБНАЯ ЭКСПЕРТИЗА В СИСТЕМЕ БЕЗОПАСНОСТИ 2304-0130 95377 10.61260/2304-0130-2024-4-32-38 ДИАЛОГИ СО СПЕЦИАЛИСТАМИ DIALOGUES WITH SPECIALISTS ДИАЛОГИ СО СПЕЦИАЛИСТАМИ COMPUTER MODELS OF ARTIFICIAL INTELLIGENCE SYSTEMS BASED ON NEURAL NETWORKS КОМПЬЮТЕРНЫЕ МОДЕЛИ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА НА ОСНОВЕ НЕЙРОННЫХ СЕТЕЙ Лабинский Александр Юрьевич Labinsky Alexander Yur'evich labynsciy@yandex.ru

кандидат технических наук;

candidate of technical sciences;

 Пантюхин Олег Игоревич Pantyukhin Oleg I. pantuhin.oi@sut.ru

кандидат технических наук;

candidate of technical sciences;

 Санкт-Петербургский университет ГПС МЧС России Санкт-Петербург Россия Saint-Petersburg university of State fire service of EMERCOM of Russia Saint-Petersburg Russian Federation Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича Санкт-Петербург Россия Bonch-Bruevich Saint-Petersburg state university of telecommunications Saint-Petersburg Russian Federation 31 12 2024 31 12 2024 2024 4 32 38 26 10 2024 19 11 2024 https://journals.igps.ru/en/nauka/article/95377/view

Рассмотрены возможности искусственных нейронных сетей в качестве основы для создания систем искусственного интеллекта. Главным преимуществом искусственных нейронных сетей является их способность к обучению, обобщению и выделению скрытых зависимостей в исходных данных. Приведены особенности, классификация, методы обучения искусственных нейронных сетей и задачи, успешно решаемые с помощью данных сетей. Рассмотрены этапы решения различных задач с помощью искусственных нейронных сетей. Подробно рассмотрены особенности нечетких нейронных сетей, глубинных нейронных сетей и сверточных нейронных сетей. В качестве примеров интеллектуальных систем, разработанных на основе искусственных нейронных сетей, рассмотрены: система аппроксимации функций по зашумленным данным, система классификации больших объемов данных, система автоматического управления, криптографическая система и система распознавания изображений. Разработаны компьютерные модели указанных систем, реализованные в виде программ для ЭВМ. Приведены результаты работы рассмотренных интеллектуальных систем, представленные в наглядном графическом виде.

The possibilities of artificial neural networks as a basis for creating artificial intelligence systems are considered. The main advantage of artificial neural networks is their ability to learn, generalize, and identify hidden dependencies in the source data. The peculiarities, classification, and methods of training artificial neural networks and the tasks successfully solved using these networks are presented. The stages of solving various problems using artificial neural networks are considered. The features of fuzzy neural networks, deep neural networks, and convolutional neural networks are considered in detail. The following examples of intelligent systems developed on the basis of artificial neural networks are considered: a system for approximating functions from noisy data, a system for classifying large amounts of data, an automatic control system, a cryptographic system, and an image recognition system. Computer models of these systems have been developed, implemented as computer programs. The results of the work of the considered intelligent systems are presented in a visual graphical form.

 искусственный интеллект искусственные нейронные сети нечеткие нейронные сети глубинные нейронные сети сверточные нейронные сети компьютерные модели аппроксимация функций классификация автоматическое управление криптографическая система распознавание изображений artificial intelligence artificial neural networks fuzzy neural networks deep neural networks convolutional neural networks computer models function approximation classification automatic control cryptographic system image recognition

Максимов В.И., Качаев С.В. Когнитивные технологии поддержки управленческих решений. М.: Труды ИПУ, 2018. Вып. 1. Maksimov V.I., Kachaev S.V. Cognitive technologies for management decision support. M.: Proceedings of the IPU, 2018. Vol. 1. Димитриченко Д.П., Жидков Р.А. Применение нейронных сетей для решения задач обработки данных при построении когнитивных карт // Известия Кабардино-Балкарского научного центра РАН. 2017. № 6. Dimitrichenko D.P., Zhidkov R.A. The use of neural networks to solve data processing problems in the construction of cognitive maps // News of the Kabardino-Balkarian scientific center of the russian academy of sciences. 2017. № 6. Anderson C.H. The self-organizing map // Neural Computation. 2012. Vol. 5. Anderson C.H. The self-organizing map // Neural Computation. 2012. Vol. 5. Barron A.R. Neural net approximation // IEEE Transaction on Information Theory. 2013. Vol. 49. Barron A.R. Neural net approximation // IEEE Transaction on Information Theory. 2013. Vol. 49. Vapnik V.N. A fuzzy neural network model // IEEE Transactions on Neural Networks. 2017. Vol. 3. № 5. Vapnik V.N. A fuzzy neural network model // IEEE Transactions on Neural Networks. 2017. Vol. 3. № 5. Лабинский А.Ю. Аппроксимация функций многих переменных нечеткой нейронной сетью // Природные и техногенные риски (физико-математические и прикладные аспекты). 2017. № 2. C. 6–14. Labinsky A.Yu. Approximation of functions of many variables by a fuzzy neural network // Natural and man-made risks (physico-mathematical and applied aspects). 2017. № 2. P. 6–14. Лабинский А.Ю. Использование нейронных сетей для решения задач классификации // Природные и техногенные риски (физико-математические и прикладные аспекты). 2017. № 4. С. 25–32. Labinsky A.Yu. Usage of neural networks for solving classification problems // Natural and man-made risks (physico-mathematical and applied aspects). 2017. № 4. P. 25–32. Лабинский А.Ю. Использование нечеткой логики и нейронных сетей в системах автоматического управления // Науч.-аналит. журн. «Вестник С.-Петерб. ун-та ГПС МЧС России». 2019. № 1. С. 11–17. Labinsky A.Yu. The use of fuzzy logic and neural networks in automatic control systems // Scientific and analytical journal «Vestnik Saint-Petersburg university of State fire service of EMERCOM of Russia». 2019. № 1. P. 11–17. Лабинский А.Ю. Нейронные сети и защита информации // Проблемы управления рисками в техносфере. 2019. № 1. С. 16–24. Labinsky A.Yu. Neural networks and information security // Problems of risk management in the technosphere. 2019. № 1. P. 16–24. Лабинский А.Ю. Особенности использования нейронной сети для распознавания изображений // Проблемы управления рисками в техносфере. 2016. № 3. С. 21–27. Labinsky A.Yu. Features of using a neural network for image recognition // Problems of risk management in the technosphere. 2016. № 3. P. 21–27.