Software Journal:
Theory and Applications

Send article

Entrance Registration

Results for python

  1. Программная реализация искусственной нейронной сети на основе ряда Вольтерра

    Е.В. Пучков Донской государственный технический университет, Ростов-на-Дону, Russian Federation;
    В.А. Алексеев Донской государственный технический университет, Ростов-на-Дону, Russian Federation;

    The article was published in issue №4

    В работе представлено разработанное ПО, реализующее процесс анализа данных с помощью искусственной нейронной сети на основе ряда Вольтерра. Реализован алгоритм динамического построения сети данного типа. Рассмотрены схема функциональной структуры ПО и диаграмма основных классов нейросетевой библиотеки. Проведена апробация ПО на примере данных о солнечной активности, в ходе которой установлена его работоспособность.


  2. Современные подходы к решению задачи стабилизации перевернутого маятника

    С.А. Беляев Санкт-Петербургский государственный электротехнический университет «ЛЭТИ», Санкт-Петербург, Russian Federation;
    А.Г. Михнович Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина) (СПбГЭТУ «ЛЭТИ»), Санкт-Петербург, Russian Federation;

    The article was published in issue №2

    В статье рассматривается задача стабилизации перевернутого маятника. Приводятся уравнения движения и способы решения задачи с помощью регуляторов. Подробно рассматриваются алгоритмы Random Search, Hill Climbing, Policy Gradient, Q-learning и возможность их использования в OpenAI Gym. Проводится сравнение алгоритмов, оценивается возможность их применения для решения других задач в рамках OpenAI Gym.


  3. Neural models of recognition components of complex structure in computer vision systems

    M.V. Semina Moscow Aviation Institute (National Research University), the Chair of applied informatics, Moscow, Russian Federation;
    E.S. Ageshin Moscow Aviation Institute (National Research University), the Chair of production engineering of the flight-type engine, Moscow, Russian Federation;

    The article was published in issue №4

    This paper presents an experiment in the computer vision zone aimed at automatization the neural network training to recognize industrial objects on the example of turbo pump unit parts for the RE-120 rocket engine.
    To train the neural network, the authors used both a data set consisting of photos of already existing parts
    and a set of images from a CAD-program that simulates the design stage of the required product.

    By comparison of test results, it confirmed the hypothesis it is possible to train computer vision systems to distinguish not yet existing objects based on screenshots of their digital counterparts (CAD-models). By collecting the required data before direct production of the product, it is possible to achieve good recognition rates even for an actual object with simple geometry.

    The paper presents the results of the application of this method in comparison with the traditional teaching approach, and also considers the perspectives for using this technology in the industry.