Интеллектуальные технологии обработки данных для встроенных промышленных систем автоматизации

Данное исследование будет представлять собой развитие в направлении разработки подходов к оптимизации систем машинного обучения для встроенных промышленных систем автоматизации, которые заключаются в уменьшении числа параметров и уменьшении разрядности данных обучаемых свёрточных нейронных сетей без значимого ухудшения их точностных характеристик, снижении размерности обучающих данных, развитии подходов по обучению на малых выборках и исправлению ошибок без переобучения, реализации нейросетевых алгоритмов с использованием параллельной математики систем остаточных классов. В области же создания новых методов и алгоритмов пространственно-временной обработки стоит проблема разработки новых адаптивных методов частотно-временной обработки сигналов, учитывающих среду их распространения, для формирования оптимального пространства признаков, которые могут быть использованы в нейросетевых алгоритмах