Добірка наукової літератури з теми "Задача розпізнавання"

В роботі запропоновано шляхи переходу від машиноцентричного до антропометричного підходу при проектуванні автоматизованих систем управління повітряним рухом, з урахуванням сучасних досягнень розробки та впровадження систем підтримки прийняття рішень в складних організаційно-технічних системах. Удосконалення ситуаційного аналізу обстановки для управління процесом інформаційної підтримки прийняття рішень оператором автоматизованих систем управління повітряним рухом передбачає підвищення рівня автоматизації і інтелектуалізацію низки задач до яких відносяться оцінка обстановки, яка складається в зоні відповідальності органу управління; розробка методів представлення знань про завдання виявлення нештатних ситуацій в повітряному просторі; вибір і розробка методів і процедур формалізації знань про обстановку, яка складається; розробка процедур інтерпретації модальних знань; розробка методів вирішення завдань оцінки обстановки, яка складається; розробка методів розв'язання задач розпізнавання та оцінки позаштатних ситуацій в повітряному просторі; оцінка ступеня небезпеки ситуацій, що складаються в межах зони відповідальності органу управління. В результаті даного дослідження визначені напрями розробки та удосконалення інтелектуальних моделей та методів обробки інформації для управління процесом інформаційної підтримки при прийнятті рішень в автоматизованих системах управління повітряним рухом. Запропонований підхід, який передбачає необхідність розробки методів автоматизованого рішення задач оцінки обстановки, а також зміни структури інформаційних моделей і методів управління ними. При цьому ситуації обстановки, що складаються мають бути класифіковані а задача підготовки прийняття рішення має розглядатися як задача розпізнавання.

Вирішена задача структурного розпізнавання візуальних об’єктів на підґрунті описів у вигляді множини ключових точок зображення. Запропоновано метод бінарного аналізу множин дескрипторів опису для формування центрів класів з метою класифікації у межах заданої бази еталонів. Обговорюються критерії оцінювання ефективності класифікації. Проведено програмне моделювання та дослідження методу у порівнянні з медіанними центрами, отримано підтвердження результативності розробленого методу для прикладної бази зображень.

Вирішується задача інваріантного розпізнавання візуальних об’єктів з використанням структурнихметодів на основі описів у вигляді множини особливих точок зображення. Проведено аналіз характеристикта засобів програмного моделювання сучасних методів ORB та BRISK для визначення особливих точок.Запропоновано метод бінарного аналізу для формування центрів класів та подальшої класифікації. Проведено програмне моделювання методу у порівнянні з мережею Кохонена, отримано підтвердження результативності розробленого методу для прикладної бази зображень.

Вирішується задача класифікації зображень у просторі ознак дескрипторів особливих точок з поданням опису у кластерному виді і використанням статистичних мір для обчислення релевантності описів. Проведено аналіз особливостей застосування статистичного та метричного класифікаторів при визначенні рівня релевантності структурних описів. Виконано порівняння характеристик мір релевантності на розрахункових прикладах. Запропоновано використання розходження Кульбака-Лейблера як універсальної і ефективної міри для задачі класифікації. Підтверджена результативність запропонованого підходу для прикладних баз зображень. Наукова новизна дослідження полягає у розвиненні методу структурного розпізнавання зображень на основі кластерного опису множини дескрипторів особливих точок шляхом застосування апарату статистичних мір для визначення релевантності аналізованих та еталонних даних і побудови класифікаційних висновків у просторі кластер – еталон. Практична значущість роботи – отримання прикладних розрахункових моделей для застосування методів класифікації і підтвердження їх результативності в конкретних прикладах базах зображень.

В статті вирішується задача розпізнавання форми продукції випускаємої новим комплексом обладнання з виробництва пельменної продукції особливої, кубічної форми. Випуск продукції складної важкореалізовуваної форми використовується для збільшення економічної складової і виключення підробок. При виготовленні товарів виникає ряд труднощів, які необхідно подолати. Однією з них є облягання фаршу з мінусовою температурою в тісто яке має кімнатну температуру. Провівши ряд активних експериментів з замороженим фаршем і теплим тістом, отримавши і обробивши отримані результати, ми прийшли до висновку, що створюване обладнання повинно мати не тільки систему автоматичного керування, що включає в себе можливість керувати комплексом, а й містити алгоритми, які дадуть можливість розраховувати за математичними моделями необхідну для підтримання властивостей тісту температуру. А також включити в можливості комплексу комп'ютерну обробку отриманої продукції і використовуючи сучасні технології комунікацій, забезпечити передачу інформації, яка буде доступна для віддаленої роботи як самого комплексу, так і інформації про вироблену ним продукцію. Використовуючи нову, важкореалізовану форму і сучасні технології, створений комплекс в майбутньому дасть можливість не тільки виробляти нову продукцію з формою захищеної від підробки, а й скоротити витрати виробництва. Ефективність буде обумовлена ще й в тому, що на продукцію такої форми, може бути підвищена ціна з міркування змісту в собі кращих інгредієнтів і можливість використання більш компактною упаковки. Так як в пачках маючих в собі напівфабрикати кубічної форми фактично буде відсутній вільне місце на відміну від сучасних пачок з пельменній продукцією, що містить до 20% повітря. Це, так само дасть приріст ефективності при зберіганні і переміщенні продукції. Варто звернути увагу ще і на те, що дане обладнання зможе виробляти нові види продукції напівфабрикатів, що включають в себе не тільки використовуються в даний час поширені інгредієнти, такі як свинина і яловичина, а й м'ясо птиці, риби і містити безліч різних рецептів фаршу і тіста. Що в свою чергу розширить асортимент виробляємої продукції напівфабрикатів. Кінцевою стадією приготування пельменя є його перевірка та відбраківка. Якщо форма пельменя відповідає регламенту, його відправляють на подальшу заморозку, в протилежному випадку, його відправляються на переробку, при цьому вноситься коригування у систему керування температурою нагріву. Сучасні комп’ютерні методи дозволяють отримувати ці дані з фото. Існує 3 методи обробки фото для виявлення необхідних властивостей: статичні методи, методи порівняння із зразком, нейронні мережі. У роботі розглядається розпізнавання пельменя з використанням бібліотеки відкритого доступу OpenCV, яка вже має безліч функцій розпізнавання та постійно дописується новими.

В роботі розроблена методика формалізації структур даних ознак повітряних об’єктів яка враховує характеристики точності і достовірності джерел інформації з нестохастичною невизначеністю і рекурентними правилами узагальнення оцінок значень ознак при багаторазовому спостереженні повітряних об’єктів. В основу розробленої методики були покладені методи формалізації процесу розпізнавання, оцінки ступеня істинності різнорідних ознак, об'єднання незалежних результатів розпізнавання, пошуку рішень про класи розпізнаваних повітряних об'єктів з урахуванням неповноти і надмірності даних про ознаки. Розроблений метод формалізації процесу розпізнавання повітряних об’єктів на основі описів класів різнорідними ознаками, відрізняється від відомих використанням ієрархічної функціональної мережі. Удосконалення методу об'єднання незалежних результатів розпізнавання на основі правила Демпстера полягає в попередньому перетворенні одного з неузгоджених розподілів можливостей класів алфавіту в розподіл ймовірностей. Це дозволяє проводити коректне об'єднання неузгоджених розподілів можливостей класів алфавіту з використанням правила Демпстера. Проведено дослідження застосовності розробленого правила при об'єднанні неузгоджених розподілів ймовірностей класів алфавіту. Розроблений метод пошуку рішень про класи розпізнаваних об'єктів на графі функціональної мережі відрізняється від відомих розробленим способом отримання інтервальної оцінки ступеня істинності класів в умовах відсутності даних щодо окремих ознак повітряних об’єктів і запропонованим евристичним правилом, що дозволяє скоротити розмірність безлічі вершин мережі, які перебираються при пошуку рішення про клас повітряних об’єктів. Метод дозволяє проводити пошук рішень про класи повітряних об’єктів в умовах неповноти і надмірності даних про ознаки.

Проблематика. Метод групового урахування аргументів є доволі недооціненим інструментом для отримання високоточних прогностичних моделей. Перший варіант штучної нейронної мережі (які користуються величезною популярністю в світі машинного навчання) був отриманий в 1965 році українським вченим Олексієм Івахненко, який як раз використовував метод групового урахування аргументів для навчання мережі. Відомо, що даний підхід має місце фактично в будь-якій проблематиці, і не виключенням є задача розпізнавання ішемічної хвороби серця по відеоданим спекл-трекінг ехокардіографії. Вирішення подібної задачі є актуальним, оскільки це надасть можливість аналізувати ехокардіограми навіть якщо вони не оснащені технологією спекл-трекінг. Мета. Методом групового урахування аргументів за даними спекл-трекінг ехокардіографії побудувати класифікаційні алгоритми діагностики порушень кінематики скорочень лівого шлуночка серця у хворих на ішемічну хворобу серця в умовах стану спокою, та при застосуванні ехострестесту із добутаміновою пробою. Методика реалізації. Національним інститутом серцево-судинної хірургії імені М.М. Амосова були надані відеодані, отримані за допомогою методу спекл-трекінг ехокардіографії, яким було обстежено 56 пацієнтів з підозрою на ішемічну хворобу серця. Серед них лише у 16 пацієнтів патологію виявлено не було. Ехокардіографія реєструвалась у B-режимі за трьома позиціями: довгої вісі, 4-камерної та 2-камерної позиціях. Усього для дослідження було використано 6245 кадрів відео потоку: 1871 – без порушень серцевої діяльності, та 4374 – при наявності патології під час обстеження. Результати дослідження. Методом групового урахування аргументів було одержано 12 моделей класифікації з урахуванням доз добутаміну (0, 10, 20 і 40 мкг), точність яких на екзаменаційній вибірці варіювалась від 81.7% до 97.4%. Також були отримані 3 моделі класифікації без урахування доз добутаміну, які на екзаменаційній вибірці показали точність в межах 75.2-82.2%. Висновки. Отримані високоточні моделі класифікації методом групового урахування аргументів. Дані моделі можна буде застосувати для аналізу ехокардіограм, отриманих у B-режимі на обладнанні, яке не оснащене технологією спекл-трекінг. Ключові слова: метод групового урахування аргументів; спекл трекінг ехокардіографія; ехострестест з добутаміном; ішемічна хвороба серця.

Ковалевський С. В., Сидюк Д. М. Ідентифікація об'єктів дослідження з використанням сигнатур. Oбробка матеріалів тиском. 2020. № 1 (50). C. 210-216. В роботі запропонований спосіб обробки зображення для подальшого розпізнавання об'єктів різних структур штампованок на основі зображень (фотографії). Цей метод дозволяє зробити інваріантними невраховані фактори, які можуть вплинути на якість фотографії. Як об'єкт дослідження виступають зразки шліфів сталей після термічної обробки. Час витримки і умови охолодження ідентичні для всіх випадків. Обробка зображень передбачає їх попереднє поліпшення, а саме видалення шумів і виставляння авторівней, подальше перетворення в цифровий масив даних, отримання гістограми зображення з подальшим виділенням більш інформативною частини сигнатури. Перетворення безперервного сигналу (зображення) в сигнатуру за допомогою дискретизації і квантування виконано в системі MatLab 6.1 і дозволило виключити суб'єктивні фактори візуального аналізу і класичних методів розрахунку співвідношення структур в металі. Кількість інтервалів приймається рівним 10. Тестове і навчальне безлічі формуються в програмі Microsoft Access на основі даних про зображення, термічної обробки, склад і співвідношенні структур. У програмі NeuroPro 0.25определяется значимість входів і встановлюється взаємозв'язок між температурним режимом, фазами в структурі і сигнатурою зображення. Підтверджено можливість прогнозу структури і зображення фаз на основі температурного режиму, типу і часу охолодження. Додатково вирішена зворотна задача можливості прогнозу технологічних параметрів термічної обробки на основі раніше існуючих прикладів. Метод застосуємо до будь-якої кількості інтервалів, від 2 до 255. Збільшення кількості інтервалів може дати можливість відтворити прогнозовану структуру в якості зображення.

У статті описані високопродуктивні алгоритми та програмне забезпечення, що виконує одну із задач обробки зображень – аналітичного описання контурів об’єктів виділених на растрових зображеннях. Показано, що запропонована методика, алгоритми та розроблене програмне забезпечення повністю вирішує розглянуту задачу для зображень як штучного так і природного походження.

Актуальність теми дослідження. На сучасному етапі розвитку інформаційних систем та технологій, які базуються на математичних моделях теорії штучного інтелекту (методах та схемах алгоритмічних дерев класифікації), виникає принципова проблема вузької спеціалізації наявних підходів та методів у соціально-економічних, екологічних та інших системах первинного аналізу та обробки великих масивів інформації. Задачі, які об’єднуються тематикою розпізнавання образів, дуже різноманітні та виникають у сучасному світі в усіх сферах економіки та соціального контенту діяльності людини, що приводить до необхідності побудови та дослідження математичних моделей відповідних систем. На сьогодні немає універсального підходу до їх розв’язання, запропоновано декілька досить загальних теорій та підходів, що дозволяють вирішувати багато типів (класів) задач, але їх прикладні застосування відрізняються досить великою чутливістю до специфіки самої задачі або предметної області застосування. Представлена робота присвячена проблемі моделей логічних та алгоритмічних дерев класифікації (схем ЛДК/АДК), пропонує оцінку складності структур алгоритмічних дерев (моделей дерев класифікації), які складаються з незалежних та автономних алгоритмів класифікації і будуть являти собою певною мірою новий алгоритм розпізнавання (зрозуміло, що синтезований із відомих схем, алгоритмів та методів). Постановка проблеми. Нині актуальні різні підходи до побудови систем розпізнавання у вигляді дерев класифікації (ЛДК/АДК), причому інтерес до методів розпізнавання, які використовують дерева класифікації, викликаний багатьма корисними властивостями, якими вони володіють. З одного боку, складність класу функцій розпізнавання у вигляді моделей дерев класифікації, при визначених умовах, не перевищують складності класу лінійних функцій роз-пізнавання (простішого з відомих). З іншого – функції розпізнавання у вигляді дерев класифікації дозволяють виділити в процесі класифікації як причинно-наслідкові зв’язки (та однозначно врахувати їх у подальшому), так і фактори випадковості або невизначеності, тобто врахувати одночасно і функціональні, і стохастичні відношення між властивостями та поведінкою всієї системи. При цьому відомо, що процес класифікації нових, таких, що досі не зустрічалися, об’єктів світу багатьох тварин і людей (за винятком об’єктів, інформація про які передається генетичним шляхом (наслідковим), а також в деяких інших випадках), відбувається за так званим логічним деревом рішень (у зв‘язку з нейромережевою концепцією). Зрозуміло, що доцільно не розробляти новий алгоритм, а запропонувати деяку концепцію раціонального використання вже накопиченого потенціалу алгоритмів та методів класифікації у вигляді моделей алгоритмічних дерев класифікації (структур АДК). Саме тому ця робота має намір хоча б частково подолати ці обмеження та присвячена оцінці складності процедури побудови моделей алгоритмічних (логічних) дерев класифікації в галузі задач розпізнавання. Аналіз останніх досліджень і публікацій. У дослідженні розглянуті останні наукові публікації у відкритому доступі, які присвячені загальній проблемі підходів, методів, алгоритмів та схем розпізнавання (моделей ЛДК/АДК) дискретних об’єктів (дискретних зображень) у задачах розпізнавання образів (теорії штучного інтелекту). Виділення недосліджених частин загальної проблеми. Можливість простого та економного методу побудови моделі алгоритмічного дерева класифікації (або структур АДК/ЛДК) та оцінка складності такої процедури (моделі структури АДК/ЛДК) на основі початкових масивів дискретної інформації великого об’єму. Постановка завдання. Дослідження актуального питання складності загальної процедури побудови алгоритмічного дерева класифікації (моделі АДК) на основі концепції поетапної селекції наборів незалежних алгоритмів класифікації (можливих їх різнотипних множин та сполучень), яке для заданої початкової навчальної вибірки (масиву дискретної інформації) будує деревоподібну структуру (модель класифікації АДК), з набору алгоритмів оцінених на кожному кроці схеми побудови моделі за даною початковою вибіркою. Виклад основного матеріалу. Пропонується оцінка складності процедури побудови алгоритмічного дерева класифікації для довільного випадку (для умов слабкого та сильного розділення класів навчальної вибірки). Розв’язок цього питання має принциповий характер, щодо питань оцінки структурної складності моделей класифікації (у вигляді деревоподібних конструкцій), структур АДК дискретних об’єктів для широкого класу прикладних задач класифікації та розпізнавання в плані розробки перспективних схем та методів їх фінальної оптимізації (мінімізації) конструкції. Це дослідження має актуальність не лише для конструкцій алгоритмічних дерев класифікації, але й дозволяє розширити саму схему оцінки складності і на загальний випадок структур логічних дерев класифікації. Висновки відповідно до статті. Досліджені питання структурної складності конструкцій ЛДК/АДК, запропонована верхня оцінка складності для процедури побудови алгоритмічного дерева класифікації в умовах слабкого та сильного розділення класів початкової навчальної вибірки.

Робота складається із вступу та чотирьох розділів. Загальний обсяг роботи: 71 аркуш основного тексту, 20 ілюстрацій, 14 таблиць. При підготовці використовувалася література з 30 різних джерел. Актуальність. Задача розпізнавання музичних звуків є затребуваною при обробці складних музичних сигналів, а саме аудіозаписів музичних композицій різних жанрів, таких як класична музика, естрадна музика та інші. Завдання розпізнавання музичних звуків різних музичних інструментів відноситься до класу задач Music Information Retrieval (MIR), і може виникати в наступних областях: Використання в пошукових система. Ідентифікація музичних об'єктів; Анотування медіаконтенту (метадані); Сегментація музичних сигналів; Генерація плейлистів. Також дана задача може розглядатися як перший етап вирішення задачі сегментації складних музичних сигналів та ідентифікації музичних об'єктів. Мета і завдання дослідження. Метою магістерської роботи є розробка алгоритму розпізнавання звуку музичних інструментів з високою точністю і продуктивністю при мінімізації числа ознак що використовуються для розпізнавання. Для досягнення мети було сформульовано та вирішено наступні прикладні завдання: дослідження принципів побудови алгоритмів розпізнавання та нейронних мереж; вибір програмних засобів що вирішують задачу вичленення музичних звуків із аудіозапису; проектування нейронної мережі прямого поширення та визначення способу відображення отриманих даних; представлення розробленої архітектуру нейронної мережі шляхом використання програмних засобів; тестування розробленої моделі нейронної мережі та порівняння результатів з іншими методами розпізнавання; реалізація програмного продукту на основі розробленого алгоритму. Об’єкт дослідження – звук музичних інструментів, його структура та властивості. Особлива увага приділяється амплітудно-частотним характеристикам звуку. У даній роботі звук розглядається, як звуччання окремого музичного інструменту, так і звук музичних інструментів, що звучать на тлі інших звуків в складних композиціях (сольні партії музичних інструментів). Предмет дослідження – методи розпізнавання музичних звуків на основі нейромережевого аналізу амплітудно-частотних характеристик звуку. Методи досліджень. Для вирішення задач, поставлених в рамках цієї магістерській роботи, використано такі методи дослідження: 1.Розгляд та аналіз результатав попередніх наукових робіт проведених в сфері розпізнавання музичних звуків; 2.Дослідження фізичних характеристик звуку, та вплив цих показників на якість розпізнавання; 3.Виділення загальних кроків для вирішення задачі розпізнавання звуків на основі результатів отриманих із проведеного аналізу та формування паттерну найефективнішого на даний момент способу розв’язання задач розпізнавання музичних звуків; Наукова новизна цієї магістерської роботи полягає у наступному: використання нейронних мереж прямого поширення в задачах розпізнавання музичних звуків; дослідження дозволяє використовувати розроблений алгоритм для подальшого вдосконалення методів розпізнавання музичних звуків. Практична цінність. Результати досліджень, представлені в даній магістерській дисертації, можуть бути застосованими у майбутніх наукових та прикладних роботах за напрямками: сегментації складних музичних сигналів; вдосконалення методів розпізнавання музики.
The work consists of an introduction and four chapters. Total amount of work: 71 sheets of the main text, 20 illustrations, 14 tables. Literature from 30 different sources was used in the preparation. Topicality. The task of recognizing musical sounds is in demand in the processing of complex musical signals, namely audio recordings of musical compositions of various genres, such as classical music, pop music and others. The task of recognizing the musical sounds of various musical instruments belongs to the class of tasks Information Information Retrieval (MIR), and can occur in the following areas: Use in search engines Identification of musical objects; Annotation of media content (metadata); Segmentation of musical signals; Generate playlists. This problem can also be considered as the first stage of solving the problem of segmentation of complex musical signals and identification of musical objects. The purpose and objectives of the study. The aim of the master's thesis is to develop an algorithm for sound recognition of musical instruments with high accuracy and performance while minimizing the number of features used for recognition. To achieve this goal, the following applied tasks were formulated and solved: study of the principles of construction of recognition algorithms and neural networks; selection of software that solves the problem of extracting musical sounds from audio recording; designing a neural network for direct propagation and determining the method of displaying the obtained data; presentation of the developed neural network architecture through the use of software; testing the developed neural network model and comparing the results with other recognition methods; implementation of a software product based on the developed algorithm. The object of research is the sound of musical instruments, its structure and properties. Particular attention is paid to the amplitude-frequency characteristics of sound. In this paper, the sound is considered as the sound of a single musical instrument, and the sound of musical instruments that sound against the background of other sounds in complex compositions (solo parts of musical instruments). The subject of research - methods of recognition of musical sounds on the basis of neural network analysis of amplitude-frequency characteristics of sound. Research methods. The following research methods were used to solve the tasks set in this master's thesis: 1.Consideration and analysis of the results of previous scientific work conducted in the field of recognition of musical sounds; 2.Research of physical characteristics of sound, and influence of these indicators on quality of recognition; 3.Selection of general steps for solving the problem of sound recognition based on the results obtained from the analysis and formation of the pattern of the most effective way to solve problems of music sound recognition; The scientific novelty of this master's thesis is as follows: use of neural networks of direct propagation in problems of recognition of musical sounds; research allows to use the developed algorithm for further improvement of methods of recognition of musical sounds. Practical value. The research results presented in this master's dissertation can be used in future scientific and applied work in the following areas: segmentation of complex musical signals; improvement of music recognition ethods.

In some tasks of artificial intelligence, the problem arises of searching among a multitude of information objects most similar to this material. For example, the ability to recognize text, information retrieval, data compression, classification and clustering, building a database of images, video documents. In order to build an effective search method, it is necessary to take into account the peculiarities of this task. For example, strings must be processed in one way, and vectors in another. Therefore, the algorithms used will depend on how well it fits the description.

Дипломна робота: 122 c., 10 табл., 40 рис., 2 додатка, 24 джерела. Об’єкт дослідження: розпізнавання хвороби Альцгеймера по знімках МРТ. Предмет дослідження: аналіз методів та моделей для вирішення поставленої задачі. Мета дослідження: дослідити існуючі методи розпізнавання та класифікації зображень, розробити власну систему розпізнавання хвороби Альцгеймера по знімках МРТ за допомогою алгоритму, який базується на існуючих підходах до вирішення даного завдання. Використані моделі: у програмній реалізації було використано базові моделі ResNet50, VGG19 та InceptionV3, згортковий автокодувальник та алгоритм KNN. Отриманні результати: побудована система розпізнавання хвороби Альцгеймера, що може відносити знімок МРТ до одного з 3 класів: Normal, OldAge та AD з точністю 88%.
Thesis: 122 p., 10 tabl., 40 fig., 2 appendices, 24 sources. Object of research: recognition of Alzheimer's disease by MRI. Subject of research: analysis of methods and models for solving the problem. The purpose of the study: to study the existing methods of image recognition and classification, to develop our own system of Alzheimer's disease detection by MRI images using an algorithm based on existing approaches to solve our task. Used models: the software implementation used the basic models ResNet50, VGG19 and InceptionV3, convolutional autoencoder and KNN algorithm. Results: built a system for recognizing Alzheimer's disease, which can assign an MRI image to one of 3 classes: Normal, OldAge and AD with accuracy 88%.

Дипломна робота магістра присвячена створенню та дослідженню моделі мімічних проявів емоційного стану на обличчі людини, розробці інформаційної системи для розпізнавання мімічних проявів емоцій на обличчі людини.

Розпізнавання зорових картин - одна з найважливіших завдань в електронних пристроях обробки зображень. Для отримання сигналу про зорові картини використовуються різні методи фоторецепції. Найбільш часто застосовується метод сканування інформаційного поля або передавальної телевізійної трубкою або трубкою на основі CCD матриці. Отриманий відеосигнал обробляють згідно з алгоритмом, який використовується, або в аналоговій формі або, в даний час частіше, в цифровий.

У доповіді описано принцип роботи штучної імунної системи. Також розглянуто класи задач для рішення яких можуть бути використані відповідні системи задля обґрунтування доцільності використання штучної імунної системи для подальшої розробки засобу біометричної системи ідентифікації по особливостям клавіатурного почерку .
The article describes the principle of the artificial immune system. Also, classes of problems for the solution of which the appropriate systems can be used to justify the feasibility of using an artificial immune system for further development of a means of biometric identification system on the features of keyboard writing.