Чув
Регистраци Кӗрӳ

Тӗп сӑмах тӑрӑх публикацисен списокӗ: «сверточные нейронные сети»

  • Автономная навигация марсоходов: как компьютер видит поверхность и выбирает путь

    Конференци статья
    Цифровизация в системе образования: передовой опыт и практика внедрения
    Автор:
    Пчелинцева Светлана Вячеславовна, Жежеря Вадим Андреевич, Вахрушева Инна Алексеевна
    рубрика:
    Опыт использования современных информационно-коммуникационных технологий
    Аннотаци:
    В статье рассматриваются методы автономной навигации марсоходов, позволяющие аппаратам самостоятельно перемещаться по поверхности других планет в условиях значительной задержки связи с Землёй. Описаны ключевые этапы автономного управления: восприятие окружающей среды с помощью стереозрения, построение цифровых моделей рельефа, обнаружение препятствий и планирование безопасного пути. Приведены примеры алгоритмов, используемых в марсоходах NASA – от ранних систем на базе «потенциальных полей» до современной архитектуры AutoNav, применяемой на марсоходе Perseverance. Показана роль машинного обучения для классификации типов грунта и повышения надёжности навигации.
    Тӗп сӑмахсем:
    Куҫ 

  • Применение методов машинного обучения для поиска экзопланет по данным космических телескопов Kepler и TESS

    Конференци статья
    Актуальные вопросы интеграции науки и практики в условиях трансформации социально-экономических систем
    Автор:
    Жежеря Вадим Андреевич, Журавлёв Михаил Владиславович
    рубрика:
    Развитие информационных технологий в условиях трансформации социально-экономических систем
    Аннотаци:
    В статье рассматриваются современные методы машинного обучения, применяемые для автоматического обнаружения экзопланет по кривым блеска космических телескопов Kepler и TESS. Описываются ограничения классического подхода, основанного на аппроксимации транзитов (BLS), и необходимость перехода к нейросетевым архитектурам. Приведены примеры успешного использования сверточных нейронных сетей (AstroNet, ExoNet) и автоэнкодеров для выделения слабых сигналов на фоне шумов. Показано, что применение глубокого обучения позволяет не только повысить полноту выборки, но и обнаруживать планеты, пропущенные традиционными алгоритмами. В заключении обсуждаются перспективы интеграции методов ИИ в конвейер обработки данных будущих космических миссий.
    Тӗп сӑмахсем:
    Куҫ