Обработка сигналов и изображений методами искусственного интеллекта

Обработка сигналов и изображений (многомерных сигналов) является одним решающих факторов в области разработки новых средств измерений, в том числе, в рамках перехода к новым интеллектуальным производственным технологиям. В настоящее время в данных областях, имеет место тенденция повсеместного перехода на использование методов машинного обучения, в том числе переход к использованию глубоких нейронных сетей, то есть к так называемым методам на основе искусственного интеллекта. Использование данных подходов позволяет повысить точность измеряемых показателей в наиболее широком диапазоне внешних условий, в том числе помехи различных источников и видов, нестационарные условия работы и так далее. Однако на сегодня использование подходов на основе машинного обучения представляет собой широкий фронт исследовательских задач. Это связано с тем, что данные подходы основаны на извлечении знаний из данных как таковых. Таким образом, специальные исследования должны быть проведены и методы предложены для каждого конкретного вида задач. Большинство типичных задач среди обсуждаемых на сегодня не имеют стандартных зарекомендовавших себя решений и представляют собой открытый предмет исследований. Такие исследования могут быть связаны, например, с разработкой новых архитектур глубоких нейронных сетей, их использованием в новых применениях, оптимизация процесса обучения нейронных сетей, а также ряд сопутствующих вопросов. Также применение методов машинного обучения в промышленных и некоторых других измерительных системах (например, медицинских) связано с задачей повышением надежности и быстродействия результатов работы. Первая задача в свою очередь также приводит к проблеме сбора наборов данных для обучения. Вторая задача приводит к проблеме оптимизации методов, например, переходу к низко разрядным вычислениям и другим методам, и алгоритмам повышения быстродействия.