В данной работе представлена реализация нейросетевого подхода к решению задачи распознавания рукописных подписей. Проведён анализ основных подходов к распознаванию рукописных подписей. Определены особенности использования рукописной подписи в качестве способа идентификации, среди которых вариативность рукописной подписи, возможность подделки. Выявлена актуальность применения нейронных сетей для решения задачи распознавания подписей. Разработана нейросетевая модель распознавания рукописных подписей, представлена её архитектура, содержащая свёрточные и полносвязные слои, выполнено обучение нейросетевой модели на базе рукописных подписей «Handwritten Signatures», содержащей 2263 образца подписи. Точность разработанной модели составила 92% на проверочной выборке. Разработано веб-приложение «Recognition of a static handwritten signature» на основе разработанной нейросетевой модели на облачном хостинге Amvera. Веб-приложение позволяет проводить идентификацию пользователей по образцу рукописной подписи.

Ключевые слова: рукописная подпись, нейронные сети, распознавание подписей, обработка изображений, машинное обучение, веб-приложение, облачный хостинг, идентификация, верификация, искусственный интеллект

1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.3.6 - Методы и системы защиты информации, информационная безопасность

В статье представлено исследование, посвященное реализации нейросетевого подхода к задаче распознавания лиц. Проведён обзор существующих методов распознавания лиц. Разработана модель нейронной сети, обученная на наборе данных DigiFace-1M. В работе подробно описана архитектура разработанной модели нейронной сети, а также поэтапный процесс её обучения. Достигнутая точность модели на валидационной выборке составила 78%, а на тренировочной - 92%. В статье также освещены вопросы интеграции разработанной модели в российский сервис Amvera Cloud. В результате создано веб-приложение, позволяющее проводить идентификацию пользователей по загруженным изображениям лиц. Данное исследование демонстрирует потенциал нейронных сетей для задач распознавания лиц и предлагает практическое решение для реализации подобных систем в различных сферах.

Ключевые слова: распознавание лиц, глубокое обучение, нейронные сети, идентификация пользователей, архитектура модели, обучение модели, интеграция модели, облачные сервисы, безопасность, биометрические технологии

1.2.2 - Математическое моделирование, численные методы и комплексы программ

  В статье рассмотрены главные проблемы схемотехнического моделирования.  Рассмотрена проблема решения  плохо обусловленных систем линейных алгебраических уравнений (СЛАУ) большой размерности. Приведен разработанный модифицированный алгоритм решения СЛАУ. Описан  гибридный эволюционный  алгоритм решения систем линейных алгебраических уравнений на основе предложенного модифицированного метода.  Приведены результаты экспериментального исследования и сравнения разработанного алгоритма с  алгоритмами на основе традиционных методов решения СЛАУ, которые подтверждают преимущества предложенного  гибридного эволюционного алгоритма.   

Ключевые слова: Генетические операторы; эволюционный алгоритм; система линейных алгебраических уравнений; системы автоматизированного проектирования.

05.13.18 - Математическое моделирование, численные методы и комплексы программ

Сведения об авторах выпуска №4 (2013)

Ключевые слова: авторы

  Для оценки эффективности лесозаготовительных машин предложен коэффициент технологической проходимости. Коэффициент отражает техническую проходимость и технологическую проходимость транспортных машин на лесозаготовках в условиях снижения качества поверхности волока. Методика позволяет определить объем лесосечных отходов, необходимый для строительства волоков. При расчете учитывается имеющийся объем лесосечных отходов. Ресурсы лесосечных отходов рассчитываются в зависимости от типа леса и длины волоков. Методика позволяет выбирать оптимальную систему машин для работы в данных природно-производственных условиях или планировать потери производительности из-за снижения несущей способности волоков.

Ключевые слова: Проходимость, коэффициент технологической проходимости, лесозаготовительные машины, несущая способность грунтов, волок, типы леса, лесосечные отходы

05.21.01 - Технология и машины лесозаготовок и лесного хозяйства