Добірка наукової літератури з теми "Розпізнавання текстової інформації"

У статті здійснено постановку завдання аналізу тональності вхідної текстової інформації, яке відноситься до розділу прикладної лінгвістики та обробки природньої мови. Розроблено двонаправлену нейронну мережу з довгою короткотривалою пам’яттю для розв’язання завдання сентимент аналізу. Обґрунтовано доцільність застосування додаткового шару для нейронної мережі з умовно випадковими полями. Для проведення навчання нейронної мережі застосовано корпус текстових повідомлень з соціальної мережі. Описано результати навчання, валідації та тестування розробленої нейронної мережі. Для оцінювання якості розпізнавання сентиментів застосовано метрики повноти (precision), точності (recall) та збалансованої міри F1. Найкращі значення розпізнавання на тестовому наборі даних були отримані для позитивного сентименту і склали precision = 61,92 %, recall = 69,21 %, F1 = 65,36 %.

У статті проаналізовано шляхи підвищення ефективності роботи пункту технічного спостереження (ПТС) на основі аналізу технічного забезпечення (ТЗ) механізованих підрозділів Національної гвардії України та Збройних Сил України, а також технічне оснащення наявних технічних пунктів спостереження (ПС) та необхідність доопрацювання існуючого мобільного комплексу наземної розвідки “Джеб” до потреб рухомого пункту технічного спостереження (РПТС), а потім його використання як базового. Мобільний пункт технічного спостереження мобільного комплексу наземної розвідки “Джеб” є частиною комплексу REW “Ground Exploration”, який потребує подальшої розробки шляхом розширення доступності оперативної інформації щодо контролю обладнання та особового складу. На сьогодні бойові можливості комплексу такі: автоматичне виявлення і розпізнавання наземних і малошвидкісних низьколітаючих цілей на відстані до 12 км за допомогою РЛС міліметрового діапазону; виявлення і розпізнавання цілей на відстані до 5–8 км в оптичному діапазоні довжин хвиль за допомогою телевізійної і тепловізійної систем в денних і нічних умовах, а так само в умовах обмеженої видимості; детальна дорозвідка цілей у видимому та інфрачервоному діапазонах довжин хвиль; визначення відстані до розвідувальних цілей з точністю до 5 м за допомогою лазерного далекоміра; визначення власних координат комплексу та цілей і прив’язка їх до місцевості; розвідка цілей в умовах активної протидії з боку супротивника засобами РЕБ; відображення озвідувальної інформації про цілі (кількість цілей, склад цілей, дальність, пеленг, детальна відеоінформація про цілі, координати комплексу) на дисплеї ЕОМ, що працює в мультиекранному режимі, і екрані РКІ монітора; сканування і реєстрація радіосигналів систем зв’язку і телекомунікації у виділених ділянках радіодіапазону; зняття характеристик зареєстрованих сигналів (несуча частота, ширина смуги, потужність, вид модуляції, параметри зондувальних імпульсів та ін.); відображення та індикація характеристик аналізованогодіапа зону/джерела; ведення бази даних зареєстрованих джерел; класифікація та ідентифікація виявлених джерел і прив’язка їх до можливих технічних засобів; визначення напрямку випромінювання виявлених джерел (за наявності відповідних антенних систем); перехоплення та реєстрації сигналів стільни кового, пейджерного і транкового зв’язку стандартів AMPS/DAMPS (протоколи IS-54B, IS-136 і IS-641), NAMPS, TACS, NMT-450 (900), GSM-900, DCS-1800, MPT-1327, EDACS, FLEX, RDS, POCSAG; передача розвідувальної інформації (текстової та відео) по радіоканалу на командні пункти.Практична реалізація запропонованого підходу дозволяє надати додаткову необхідну інформацію для прийняття управлінських рішень щодо ТЗ:технічний стан, місце розташування та причини зупинок контрольованого обладнання тощо, а також стан екіпажів та їх місцезнаходження; наявність сил і засобів ротивника в зоні дії підлеглих частин з ТЗ;прокладання оптимального маршруту відносно засобів ремонту та евакуації в реальному часі, пов’язаних з поточною ситуацією в бою.Інформація про РПТС повинна надходити через систему підключених датчиків, встановлених на контрольованих машинах, що дозволяє отримати дані:про стан машин, систем і механізмів машини;причини несподіваної зупинки автомобіля (перекинуті, застрягли, пожежі, травми (динамічний удар);наявність палива;наявність боєприпасів;облік споживання палива при підключенні додаткових датчиків рівня палива;ведення обліку кожного члена екіпажу. Набір датчиків залежить від цілей, які переслідує замовник. Ефективність запропонованої автоматизації обробки оперативної інформації про озброєння та військову техніку визначається при розробці проекту автоматизованої інформаційної технології (АІТ) з метою обґрунтування її доцільності і вибору оптимального варіанта, а також після практичної реалізації проекту для обчислення фактично отриманого ефекту Запропоновано метод визначення ефективності модернізованого мобільного комплексу наземних розвідувальних даних РЕБ “Джеб” для потреб РПТС.

В роботі розроблена інформаційна технологія автоматизованого прогнозування несприятливого авіаційних подій в польоті з використання глибоких нейронних мереж для вирішення задач розпізнавання і запобігання несприятливих авіаційних подій є мало розглянутими і вимагають подальших досліджень. Запропоновано реалізація розробленої інформаційної технології (ІТ) в чотири етапи: підготовчий, основний, додатковий та заключний. Перший (підготовчий) етап функціонування ІТ виконується до початку прогнозування несприятливих авіаційних подій в польоті. Вхідні дані задаються у вигляді архівних текстових повідомлень про ситуацію в польоті за даними від зовнішніх джерел. Вихідні дані включають топологію та вагові коефіцієнти згорткової нейронної мережі (ЗНМ), які передаються для виконання основного етапу функціонування ІТ. Основний, додатковий та заключний етапи функціонування ІТ виконуються в процесі прогнозування несприятливих авіаційних подій в польоті. Вхідними даними для відповідних етапів є текстові повідомлення про ситуацію в польоті за даними від зовнішніх джерел, а також топологія та вагові коефіцієнти ЗНМ, отримані на підготовчому етапі з використанням модулю рекурентної нейронної мережі (LSTM). Вихідними даними основного етапу функціонування ІТ є задокументована інформація щодо результатів прогнозування несприятливих авіаційних подій в польоті. Розроблена ІТ технологія дозволяє реалізувати процес автоматизованого прогнозування несприятливого авіаційних подій в польоті з використанням глибоких нейронних мереж, з чітко визначеною і взаємозалежної сукупністю етапів, з можливістю подальшого розпаралелювання виконання їх процедур, з урахуванням особливостей подання (формалізації) знань про розпізнавання несприятливих авіаційних подій в польоті по текстовій інформації, що отримана та узагальнена від різних джерел за результатами контролю повітряного простору.

Розглядається розв’язання проблеми класифікації текстів. Таким розв’язанням є створення різних систем з новим рівнем сприйняття вхідної інформації. Ці системи повинні не тільки перетворювати вхідну інформацію у цифровий еквівалент, а і певною мірою проводити попередню обробку, яка забезпечить спрощення аналізу та прийняття рішень.