Теоретическое и прикладное исследование сложных и распределенных систем, решение прикладных задач распознавания образов, анализа данных и комбинаторной оптимизации

В части автоматизации решения авиадиспетчерских задач продолжено исследование задачи построения оптимального безопасного расписания воздушных судов в точке слияния их потоков. Предложены достаточные условия для сведения исходной одностадийной задачи (с одной точкой слияния) к задаче линейного программирования с фиксированным порядком самолётов. Также рассматривалась постановка, описывающая ситуацию последовательного прохождения разнотипными судами точек слияния с другими потоками самолётов. Задача формализуется в рамках смешанного целочисленного линейного программирования. Предложен подход к управлению перестановками самолётов: запрет смены порядка судов одного типа в рамках одного потока; указание сегментов возможной смены порядка судов. Представлены результаты статистического моделирования, проводимого для оценки производительности предлагаемой процедуры. В части применения нейронных сетей в компьютерном зрении был предложен response-based метод дистилляции знаний для определения углов поворота головы. Модель- ученик нейронной сети обучается предложенным методом дистилляции знаний и показывает результаты лучше чем модель-учитель, что нетипично для response-based метода. Предложенный метод состоит из двух стадий. На первой стадии обучается базовая модель нейронной сети, которая имеет одну вычислительную регрессионную голову и четыре вычислительные головы регрессии через классификацию. В рамках исследования был предложен сверточный ансамбль на основе базовой нейронной сети. Данный ансамбль использует смещения ограничивающего прямоугольника. На второй стадии, происходит дистилляция знаний из сверточного ансамбля в финальную нейронную сеть с одной вычислительной головой регрессии через классификацию. Дистилляция знаний в среднем улучшает результат на 7.7% по сравнению с базовой нейронной сетью. Данное нововведение делает возможным использовать дистилляцию знаний как бустер для обучения более глубоких нейронных сетей. Нейронные сети, обученные с помощью предложенного метода, улучшают state-of-the-art результаты на некоторых тестовых протоколах. Предложенный метод потенциально может быть эффективен и в других задачах регрессии. В части исследования сложных систем проводилось компьютерное моделирование процесса рамификации биосферы. С разработанной моделью были проведены масштабные вычислительные эксперименты. Построены зависимости распределений количества и совокупной численности видов, населяющих биосферу в конце эксперимента, а также Шенноновской сложности сообщества, возникающего в конце эксперимента, от величин, характеризующих фенотип исходного вида. В части применения нейронных сетей в задачах компьютерной безопасности была разработана система оценки надежности пароля. В настоящее время пароли остаются одним из самых популярных способов аутентификации в различных сервисах. Индустрия пришла к тому, чтобы ограничивать минимальную сложность паролей, чтобы защитить пароль от взлома с помощью угадывания. Для этого широко используются формальные признаки: количество символов, наличие заглавных букв и специальных символов, наличие популярных подстрок, таких как qwerty, 12345 и т.д. Таким образом, возникает контринтуитивная ситуация, когда например, пароль Password1! считается сложным, а пароль penkwkcrdnebfmkzbu – простым. В проведенной работе нейронные сети использованы для повышения точности оценки сложности паролей. В части распознавания движений человека представлен метод сжатия (с потерями) данных о движении кисти руки, полученных с помощью инерциальных микроэлектромеханических сенсоров. Экспериментально показано, что предложенный метод позволяет не только снизить объем сохраняемых данных, но и (за счет устранения шума) увеличить точность распознавания движений. Разработанный метод рассмотрен в контексте естественных интерфейсов. В части обработки изображений был создан программный комплекс для решения задачи автоматического распознавания и анализа движений актиновых филаментов. Разработанная программа позволяет производить запись и анализ видео с молекулярного микроскопа, в котором размещается препарат белков сердечной мышцы. В ходе анализа отбрасываются неподвижные и аномально движущиеся элементы, происходит построение траекторий движения и вычисление распределения скоростей.