Информационная технология классификации изображений пятен лазерных пучков и прогнозирования координат их энергетических центров с использованием параллельно-иерархической сети

Л.И. Тимченко, д-р техн. наук,
С.В. Наконечная, Н.И. Кокряцкая, кандидаты техн. наук
Государственный экономико-технологический университет транспорта
(Украина, 03049, Киев, ул. Лукашевича, 19,
тел.: +380673550976, +380432531123,
е-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра., Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра., Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.)

АННОТАЦИЯ

Рассмотрен метод прогнозирования положения энергетического центра (ЭЦ) изображения лазерного пучка с использованием параллельно-иерархической (ПИ) сети. Определены основные этапы классификации и прогнозирования координат ЭЦ изображений пятен лазерного луча, что позволило разработать новую информационную технологию классификации и прогнозирования положения координат их ЭЦ. Приведены результаты сравнительной экспериментальной оценки прогнозирования на основе известных нейронных
сетей и предложенного метода с использованием ПИ сети.

КЛЮЧЕВЫЕ СЛОВА:

прогнозирование, энергетический центр, лазерный луч, параллельно-иерархическая сеть, классификация, препарирование, нейронные сети.

СПИСОК ЛИТЕРАТУРЫ

1. Четыркин Е.М. Статистические методы прогнозирования. — М. : Статистика, 1977. — 200 с.
2. Ghiassi M., Saidane H., Zimbra D.K. A dynamic artificial neural network model for forecasting time series events // Intern. Journal of Forecasting . — 2005. — Vol. 21 (2). — P. 341—362.
3. Zhang G., Patuwo B.E., Hu M.Y. Forecasting with artificial neural networks: The state of the art // Ibid. — 1998.— Vol. 14 (1). — P. 35—62.
4. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика.—М.: Горячая Линия — Телеком, 2002. —382 с.
5. Hill T., Marquez L., O’Connor M., Remus W. Artificial neural network models for forecasting and decision making // Ibid. — 1994— Vol. 10 (1). — P. 5—15.
6. Nakonechna S., Petrovskyi M., Timchenko L. et al. A new approach to detection of noise-distorted signals based on themethod of S-preparation // IXIntern. Symposium on Telecommunications, BIHTEL 2012, October 25-27, 2012.—Sarajevo, Bosnia andHerzegovina, 2012.—6 ð.
7. Наконечна С.В. Метод S-препарування для кореляційного порівняння малорозмірних об’єктів // Зб. тез XLII науково-практичної конференції молодих учених, аспірантів і студентів «Залізничний транспорт: сучасні проблеми науки», 21 листопада 2012 р.— Київ: ДЕТУТ, 2012.— С. 237.
8. Тимченко Л.И., Наконечная С.В., Яровой А.А. Параллельно-иерархические сети на основе кластерной CPU-ориентированной аппаратной платформы // Современный научный вестник. Серия: Современные информационные технологи. 2014. — № 8 (204). — С. 50—56. — Белгород: ООО «Руснаучкнига».
9. Тимченко Л.І., Наконечная С.В. Комп’ютерні засоби для реалізації багаторівневих паралельно-ієрархічних мереж на основі GPU-орієнтованої апаратної платформи // Зб. наук. праць ДЕТУТ. Серія: Транспортні системи і технології. — Київ: ДЕТУТ, 2013.— Вип. 23. — С. 142—149.
10. Кормановський С.І. Організація однорідних оптоелектронних логіко-часових середовищ аналізу геометричних ознак об’єкту // Вісн. Вінницького політехнічного ін-ту.— 2002. — № 1. — С. 34—39.
11. Яровой А.А., Яровой А.М. Теоретико-методологические и прикладные аспекты использования технологий визуализации для задач профилирования лазерных лучей [Электронный ресурс] : [Электронный журнал Национального исследовательского ядерного университета МИФИ, Москва] // Научная визуализация. — 2010. — Том 2. — №3. — С. 50—72.
12. Кожем’яко В.П., Тимченко Л.І., Яровий А.А. Методологічні підходи до паралельно-ієрархічної обробки плямових зображень лазерних пучків та їх прикладна реалізація // Оптико-електронні інформаційно-енергетичні технології. — 2006. — №1 (11). — С. 14—25.
13. Абдрахманов К.Ш., Быкова О.Г., Улановский М.В. Стандартизация методов измерений ширин, углов расходимости и коэффициентов распространения пучков лазерного излучения (Измерение расходимости лазерного пучка) //Метрология.—2010.—№2.—C. 23—44.
14. Garcia-Zambrana A., Castillo-Vazquez C., Castillo-Vazquez B. Space-time trellis coding with transmit laser selection for FSO links over strong atmospheric turbulence channels // Optics Express. — 2010.— Vol. 18 (6). — P. 5356—5366.
15. Orlov D.A., Neverova E.A. Determination of the position of the center of a laser beam when the dynamic range of the matrix receiver is exceeded // Measurement Techniques. —2011. — Vol. 53 (10). — P. 1140—1146.
16. Боровиков В.П. STATISTICA. Искусство анализа данных на компьютере. 2-е изд. — СПб.: Питер, 2003.— 688 с.
17. Kaiser M. Time-Delay Neural Networks for Control // Proc. of the 4th Intern. Symposium on Robot Control (SYROCO ‘94). Capri, Italy.— 1994.

ТИМЧЕНКО Леонид Иванович, д-р техн. наук, профессор, зав. кафедрой телекоммуникационных технологий и автоматики Государственного экономико-технологического университета транспорта. В 1979 г. окончил Винницкий политехнический ин-т. Область научных исследований — системы искусственного интеллекта.

НАКОНЕЧНАЯ Светлана Вячеславовна, канд. техн. наук, доцент кафедры телекоммуникационных технологий и автоматики Государственного экономико-технологического университета транспорта. В 2010 г. окончила Государственный экономико-технологический университет транспорта. Область научных исследований — обработка изображений, GPGPUтехнологии.

КОКРЯЦКАЯ Наталья Ивановна
, канд. техн. наук, доцент кафедры телекоммуникационных технологий и автоматики Государственного экономико-технологического университета транспорта. В 1973 г. окончила Винницкий педагогический ин-т. Область научных исследований — математическое моделирование и параллельная обработка информации.

Полный текст: PDF (русский)