В современном мире проблемы, возникающие в сфере дорожного движения, имеют большую значимость. С целью решения существующих задач разрабатываются различные интеллектуальные системы, одной из которых является система «Умный город». Данная работа посвящена разработке информационно-аналитической системы (ИАС) для управления интеллектуальным светофором. Представленная система состоит из двух уровней, каждый из которых реализует набор определенных операций. Первый уровень отвечает за обнаружение объектов, в частности, пешеходов и автомобилей, находящихся на перекрестке, а второй уровень осуществляет расчёт времени работы сигналов светофора для управляющего сигнала, который передаётся на устройство. Для сравнительного анализа выбран комбинационный метод (HOG+SVM) Histogram of Oriented Gradients, основанный на подсчёте числа направлений градиента на отдельных областях изображения и Support Vector Machines, с помощью которого строятся гиперплоскости в n-мерном пространстве с целью разделения объектов, относящихся к разным классам. Результаты экспериментального исследования, в ходе которого проводилось распознавание объектов на изображениях, показали превосходство разработанной информационно-аналитической системы над существующими. Среднее значение точности выявления пешеходов и автомобилей посредством ИАС составило 69,4%. Кроме того, по результатам проведенного эксперимента сделан вывод, что точность выявления объектов на изображениях прямо пропорциональна расстоянию от видеокамеры до объекта.

Рассмотрена проблема автоматической разметки обучающих выборок в области компьютерного зрения с использованием методов машинного обучения.

Разметка данных является ключевым этапом в разработке и обучении моделей глубокого обучения, однако процесс создания размеченных данных зачастую требует значительных временных и трудовых затрат. В статье предложен механизм автоматической разметки, основанный на использовании сверточных нейронных сетей и методов активного обучения.

Предложенная методология включает анализ и оценку существующих подходов к автоматической разметке. Эффективность предложенных решений оценена на общедоступных наборах данных. Результаты показали, что предложенный метод в значительной мере сокращает время, необходимое для разметки данных, но в любом случае требует вмешательства оператора-разметчика.

Обзор литературы включает анализ современных методов разметки и существующих автоматических систем, что позволяет лучше понять контекст и преимущества предлагаемого подхода. В заключении обсуждены достижения, ограничения и возможные направления для будущих исследований в данной области.

Описана разработка на основе методов машинного обучения приложения для автоматического аннотирования веб-страниц по стандарту Microdata с возможностью расширения для других стандартов и с внедрением данных в JSX-файлы. Собраны и подготовлены датасеты для обучения моделей Machine Learning (ML). Собраны и проанализированы метрики модели ML.

Описаны основные этапы применения информационных технологий для научных исследований в геологии. Рассмотрен ряд цифровых технологий ближайшего будущего, которые в настоящее время имеют перспективы применения в геологии. Первые результаты работ в Государственном геологическом музее (ГГМ) им. В.И. Вернадского РАН показали перспективность применения очередных шагов развития ИТ-технологий при создании информационно-вычислительных систем для поддержки геологических исследований.

Агрегирование научной информации играет важную роль для комплексного анализа геологических объектов. В настоящей работе мы рассматриваем потенциал и возможности семантического поиска для выбора тематически близких геологических публикаций. Проанализированы различные языковые модели в контексте нахождения сходства и различия между текстами при описании месторождений полезных ископаемых. Показано значительное улучшение результатов поиска после дополнительной тренировки языковых моделей. Представлены два веб-сервиса, основанных на методе расчета семантической близости текстов с количественной оценкой меры близости.

Представлен новый подход к разработке инструмента, направленного на упрощение рабочего процесса игрового дизайнера. Выработаны требования, разработан сценарий работы и уточнены основные параметры для разрабатываемого инструмента. Основная задача инструмента заключается в ускорении и облегчении выбора подходящих игровых механик без необходимости тратить ценное время на длительный анализ других видеоигровых проектов.

Чтобы обеспечить более эффективную работу геймдизайнеров при подборе игровых механик, был проведён анализ разнообразных подходов к классификации игровых механик. В процессе исследования были рассмотрены различные методы классификации игровых механик, их разбор и анализ показали, какие классификации в большей степени подходят для декомпозиции игровой механики. Результаты исследования позволили выявить ключевые аспекты игровой механики, которые будут служить фундаментом для разработки инструмента.

Настоящее исследование представляет собой важный этап в создании инструмента, который, будучи внедренным, позволит оптимизировать процесс геймдизайна и ускорить разработку видеоигр.