Материалы магистров ДонНТУ

• 1. Гончаров К.Д. Методы и алгоритмы измерения личностных характеристик студентов для многоагентной системы прогнозирования качества обучения

  Описание: Персональный сайт на портале магистров ДонНТУ, 2019 г.

  Руководитель: доцент, заведующий кафедрой программной инженерии Федяев Олег Иванович

• 2. Ковалев Д.В. Разработка и исследование метода построения функции деградации поведения конечного автомата в результате переброски дуг

  Описание: Персональный сайт на портале магистров ДонНТУ, 2018 г.

  Руководитель: доц. Копытова Ольга Михайловна

• 3. Гетманова А.Д. Исследование разработки динамического языка жестов для управления мультимедийным контентом

  Описание: Персональный сайт на портале магистров ДонНТУ, 2018 г.

  Руководитель: доц. Копытова Ольга Михайловна

• 4. Медведев А.С. Исследование программной модели свёрточной нейронной сети при распознавании лиц на снимках из видеопотока

  Описание: Персональный сайт на портале магистров ДонНТУ, 2018 г.

  Руководитель: проф. Федяев Олег Иванович

• 5. Оверченко Я.Ю. Исследование разработки онтологического чатбота на базе глубинного обучения нейронных сетей

  Описание: Персональный сайт на портале магистров ДонНТУ, 2018 г.

  Руководитель: доц. каф. Копытова Ольга Михайловна

• 6. Столбунская А.С. Создание интеллектуальной системы стилистической оценки текста

  Описание: Персональный сайт на портале магистров ДонНТУ, 2018 г.

  Руководитель: доц. Кравец Татьяна Николаевна

• 7. Стрюковская А.Д. Разработка методов искусственного интеллекта для стилистического анализа текста

  Описание: Персональный сайт на портале магистров ДонНТУ, 2018 г.

  Руководитель: доц. Кравец Татьяна Николаевна

Научные работы и статьи

• 8. Распознавание образов транспортных средств на основе эвристических данных и машинного обучения

  Описание: Распознавание транспортных средств на дорогах используется для решения различных задач, в том числе и логистических с целью определения транспортных потоков на участках дорог.

  Авторы: Мокшин В.В., Сайфудинов И.Р., Кирпичников А.П., Шарнин Л.М.

• 9. Neural Networks

  Описание: Математические принципы, лежащие в основе нейронных сетей, и предлагает написать собственную нейросеть на Python.

  Авторы: Tariq Rashid

• 10. Подход к формированию архитектуры нейронной сети для распознавания образов

  Описание: В статье рассматривается подход к формированию эффективного алгоритма распознавания образов. Под эффективностью понимается нулевая ошибка, полученная при идентификации образов на тестовой выборки. В качестве тестовой выборки рассматривается открытая база изображений рукописных цифр MNIST.

  Авторы: Татьянкин В.М.

• 11. Методы восстановления изображений и распознавание образов в радиоастрономии

  Описание: В работе представлены методы восстановления и коррекции радиоизображений Солнца алгоритмом проекций на замкнутые выпуклые множества (ПЗВМ), модифицированным фильтром Винера–Тихонова, методом CLEAN. Приведен алгоритм выделения слабоконтрастных образований на солнечном диске (волокна, протуберанцы и корональные дыры). Изложен математический аппарат.

  Авторы: А.А. Кочанов, А.Г. Обухов, Д.В. Просовецкий

• 12. Перспективы распараллеливания программ нейросетевого анализа и обработки данных

  Описание: В последние годы в Красноярске наблюдается интерес к кластерным, параллельным и распределенным вычислениям, в том числе было несколько попыток распараллеливания нейросетевых алгоритмов. Но к распараллеливанию наивно предлагались базовые методы, из-за своей примитивности действительно вычислительно затратные или неэффективные. Однако современные нейроалгоритмы во многом либо снижают необходимость распараллеливания, либо даже не позволяют провести распараллеливание - но их эффективность и так позволяет быстро обработать большие объемы данных на одном процессоре. В статье перечислены задачи и методы, распараллеливание которых для повышения скорости и качества нейромоделирования востребовано и оправдано.

  Авторы: Царегородцев В.Г.

• 13. Разработка технических средств распознававния образов по анализу видеоизображния для автоматизации работы оператора

  Описание: Разработана общая архитектура АПК; представлена предварительная разработка требований к техническим средствам, предварительная разработка технических решений по реализации аппаратной части АПК. Разработаны структуры входных и выходных данных; общий алгоритм решения задачи распознавания образа; протоколы для интеграции АПК со сторонними системами безопасности/видеонаблюдения; адаптивные алгоритмы классификации и анализа по биометрическим инвариантным признакам людей регистрируемых видео изображений или синтезируемых трехмерных изображений.

  Авторы: Аракелян Сергей Мартиросович

• 14. Способ распознавания образа, устройство распознававния образов и компьютерная программа

  Описание: Способ распознавания образа в изображении содержит этапы: начинают поиск образа в принятых изображениях, тем самым подвергая принятое изображение: разделению изображения на области (Al-An), вычислению специфичных для области опорных значений из информации изображения областей, при этом выборки берут только от части пикселов в области и опорное значение вычисляется для указанной области на основании взятых выборок, сравнению вычисленных опорных значений (REF) с сохраненными опорными значениями (REF) и индикации распознанного образа.

  Авторы: Кярккяйнен Т.

• 15. Применение рекурсивных рекуррентных нейронных сетей

  Описание: В статье рассматривается применение рекурсивных рекуррентных нейронных сетей (R2NN) для моделирования процесса декодирования и синтаксического разбора в статистическом машинном переводе.

  Авторы: Андросова Е.Е.

• 16. Распознавание характерных объектов на изображении с использованием технологий компьютерного зрения

  Описание: Исследование посвящено разработке алгоритма и программного кода для достижения цели обнаружения (распознавания) объёкта определённого типа в документе, представленном в графическом виде.

  Авторы: Чухраев И.В., Ильичев В.Ю.

• 17. Распознавание характерных объектов на изображении с использованием технологий компьютерного зрения

  Описание: В данной статье рассматриваются возможности машинного обучения при создании программного обеспечения для распознавания лиц в видеопотоке.

  Авторы: Филиппенко В.А., Зотов А.В.

• 18. Сравнительный анализ реализаций метода опорных векторов для обучения двухклассовому распознаванию в условиях большого числа объектов

  Описание: Проведен сравнительный анализ реализаций SVM, находящихся в открытом доступе, проведенный в единых условиях на практических задачах с большим числом объектов, выявлены особенности их поведения в условиях плотных и разреженных, нормированных и ненормированных данных, в линейном пространстве признаков объектов и в пространстве, порожденном потенциальной функцией, а также выявлены условия, в которых применение конкретных реализаций может быть целесообразным.

  Авторы: Макарова А.И., Сулимова В.В.

• 19. Разработка и исследование программы идентификации личности

  Описание: В данной статье автор описывает алгоритм работы программы для идентификации личности на основе определения индивидуальных черт лица человека, написанной на языке программирования python с использованием обученной нейронной сети ResNet.

  Авторы: Бочкарёв Н.С., Беспалов А.О., Рахманов Д.Е.

• 20. Разработка и исследование программы идентификации личности

  Описание: В статье предлагаются предварительные результаты создания автоматизированной системы видеонаблюдения по распознаванию предметов повышенной опасности, например, при организации оперативного видеонаблюдения охранных мероприятий на объектах железнодорожной инфраструктуры, в режимных организациях.

  Авторы: Данилов В. В., Бабичева М. В.

Техническая и справочная литература

• 21. Нейронная сеть

  Материал из Википедии — свободной энциклопедии.

• 22. Искусственная нейронная сеть

  Материал из Википедии — свободной энциклопедии.

• 23. Искусственный интеллект

  Материал из Википедии — свободной энциклопедии.

• 24. OpenCV

  Официальная документация по библиотеке OpenCV.

• 25. Python

  Официальная документация по Python.

• 26. Распознаем лица на фото с помощью Python и OpenCV

  Статья на портале хабр.

• 27. Нейронные сети для начинающих. Часть 1

  Статья на портале хабр.

• 28. Нейронные сети для начинающих. Часть 2

  Статья на портале хабр.

• 29. Глубинное обучение: критическая оценка

  Статья на портале хабр.

• 30. Глубинное обучение для автоматической обработки текстов

  Статья на портале Открытые системы.

Специализированные сайты, порталы и форумы

• 31. eLIBRARY.RU

  Крупнейший российский информационно-аналитический портал в области науки, технологии, медицины и образования, содержащий рефераты и полные тексты более 38 млн научных публикаций и патентов, в том числе электронные версии более 5600 российских научно-технических журналов, из которых более 4800 журналов в открытом доступе.

• 32. Google академия

  Бесплатная поисковая система по научным публикациям.

• 33. Cyber-Leninka

  Научная электронная библиотека. Содержит статьи и публикации по различным направлениям и специальностям.

• 34. ДонНТУ

  Электронный архив Донецкого национального университета.

• 35. GitHub

  Крупнейший веб-сервис для хостинга IT-проектов и их совместной разработки.

• 36. Википедия

  Общедоступная многоязычная универсальная интернет-энциклопедия со свободным контентом, реализованная на принципах вики.

• 37. ResearchGate

  Научно-информационная социальная сеть и средство сотрудничества учёных всех научных дисциплин.

• 38. Proglib

  Библиотека программистов.

• 39. Advanced Source Mode

  На сайте представлены исходные коды распространенных алгоритмов распознавания.

• 40. Tproger

  Сайт на котором представлены статьи по программированию.

• 41. Stack Overflow

  Система вопросов и ответов о программировании.

• 42. CyberForum

  Форум программистов и сисадминов

Книги и научные издания

• 43. Neural Networks and Deep Learning

  Это бесплатная онлайн-книга ученого и программиста Майкла Нильсена (Michael Nielsen). Автор раскрывает тему глубокого обучения нейронных сетей и отвечает на такие вопросы, как: «Почему нейросети сложно тренировать?», «Как работает алгоритм обратного распространения ошибки?».

• 44. Deep Learning Tutorial

  Книга от Microsoft Research с основными методологиями глубокого обучения. Авторы рассказывают о том, как нейросети используются в задачах обработки сигналов и информации. Рассматриваются области, в которых глубокое обучение уже нашло активное применение, а также сферы, где оно может оказать значительное влияние в долгосрочной перспективе.

• 45. Происхождение глубокого обучения

  Эта публикация — исторический обзор развития глубоких моделей обучения. Авторы начинают повествование с того, как появились нейронные сети, и плавно переходят к технологиям последнего десятилетия: глубоким сетям доверия, сверточным и рекуррентным нейронным сетям.

• 46. Нейронные сети. Полный курс

  В книге рассматриваются основные парадигмы искусственных нейронных сетей. Представленный материал содержит строгое математическое обоснование всех нейросетевых парадигм, иллюстрируется примерами, описанием компьютерных экспериментов, содержит множество практических задач, а также обширную библиографию. В книге также анализируется роль нейронных сетей при решении задач распознавания образов, управления и обработки сигналов. Структура книги очень удобна для разработки курсов обучения нейронным сетям и интеллектуальным вычислениям. Книга будет полезна для инженеров, специалистов в области компьютерных наук, физиков и специалистов в других областях, а также для всех тех, кто интересуется искусственными нейронными сетями.

• 47. Глубокое обучение

  Внутри рассказывается о математических и концептуальных основах, линейной алгебре, теории вероятностей и теории информации, численных вычислениях и машинном обучении. Она описывает методы глубокого обучения, используемые практиками в отрасли. Сюда входят сети с прямой связью, регуляризация, алгоритмы оптимизации, сверточные сети, моделирование последовательностей и практическая методология. Кроме того, вы узнаете об обработке естественного языка, распознавании речи, компьютерном зрении, системе онлайн-рекомендаций, биоинформатике и видеоиграх.

• 48. Нейронный сети. Эволюция

  Эта книга предназначена для всех, кто хочет разобраться в том, как устроены нейронные сети. Для тех читателей, кто хочет сам научиться программировать нейронные сети, без использования специализированных библиотек машинного обучения. Книга предоставляет возможность с нуля разобраться в сути работы искусственных нейронов и нейронных сетей, математических идей, лежащих в их основе, где от вас не требуется никаких специальных знаний, не выходящих за пределы школьного курса в области математики.

• 49. Глубокое обучение погружение в мир нейронных сетей

  Изложена основная концепция глубокого обучения и как мощные вычислительные компоненты привели к научным прорывам в компьютерных технологиях.

• 50. Создаем нейронную сеть

  Книга выступает в роли справочника по введению в практику и теорию по нейронным сетям. Она предназначена для тех, кто только начинает разбираться в этой сфере, и хочет освоить более качественный материал. В книге осветлены основные теоретические аспекты и основы, которые необходимы для понимания системы в самом начале без достаточной базы знаний.