Штучний інтелект

Анотація: Cтворення стратегії розвитку штучного інтелекту для України є беззаперечно важливим завданням сьогодення, особливо для військової сфери під час розвідки та ведення бойових дій. Розглядаються технології машинного навчання, зокрема глибокого навчання для виявлення, аналізу, розпізнавання мін і мультиспектральних образів, ракет та інших літальних апаратів, гібридні моделі, які використовують адаптивну техніку кодування та нейронні мережі, розпізнавання просторових образів в спектральному діапазоні.

Ключові слова: Штучний інтелект, стратегія, технології глибокого навчання, мультиспектральні образи.

Посилання:

1. Vasyl Lytvyn, Ivan Peleshchak, Roman Peleshchak, Roman Holoshchuk. Detection of multispectral input images using nonlinear artificial neural networks. 2018 14th International Conference on Advanced Trends in Radioelecrtronics, Telecommunications and Computer Engineering (TCSET), 2018. P. 119–122.
2. Ivan Peleshchak, Roman Peleshchak, Vasyl Lytvyn, Jan Kopka, Mariusz Wrzesien, Janusz Korniak, Janusz Kolbusz, Pawel Rozycki. Spectral Image Recognition Using Artificial Dynamic Neural Network in Information Resonance Mode. A2IA 2020: International Conference on Artificial Intelligence and Industrial Applications, 2020. R. 313–322.
3. Vasyl Lytvyn, Victoria Vysotska, Ivan Peleshchak, Ihor Rishnyak, Roman Peleshchak. Time Dependence of the Output Signal Morphology for Nonlinear Oscillator Neuron Based on Van der Pol Model. International Journal of Intelligent Systems and Applications (IJISA)), 2018. Vol. 10(4). P. 8– 17.
4. Peleshchak R., Lytvyn V., Bihun O., Peleshchak I. Structural transformations of incoming signal by a single nonlinear oscillatory neuron or by an artificial nonlinear neural network. International Journal of Intelligent Systems and Applications (IJISA)), 2019. Vol. 11(8). P. 1–10.
5. Siddeeq Y. Ameen, Ali H. Mahdi. AES Cryptosystem Development Using Neural Networks. International Journal of Computer and Electrical Engineering. 2011. Vol. 3. No 2. P. 309– 314.
6. Gautam Srivastava, Vinoth Kumar, V. Kavitha, N. Parthiban and Revathi Venkataraman. Two-stage data encryption using chaotic neural networks // Journal of Intelligent & Fuzzy Systems, 2020, vol. 38, no. 3, P. 2561–2568.
7. Lytvyn V., Peleshchak I., Peleshchak R., Vysotska V. Information Encryption Based on the Synthesis of a Neural Network and AES Algorithm. 2019 3rd International Conference on Advanced Information and Communications Technologies, 2019. P. 447– 450.
8. Y. Ma, X. Wu, G. Yu, Y. Xu, Y. Wang, Pedestrian detection and tracking from lowresolution unmanned aerial vehicle thermal imagery // Sensors, 2016, Vol. 4, P. 1–26.
9. A. S. Dovbysh, M. M. Budnyk, V. Yu. Piatachenko, M. I. Myronenko. Informatsiino-ekstremalne mashynne navchannia bortovoi systemy rozpiznavannia nazemnoho obiekta. Kibernetyka i systemnyi analiz, 2020, tom 56, № 4, S. 18–27.
10. Leandro H. F. P. Silva, Jocival D. Dias Jr, Jean F. B. Santos, Joao F. Mari, Maur´ıcio C. Escarpinati and Andre R. Backes. Non-linear Distortion Recognition in UAVs Images using Deep Learning // Proceedings of the 16th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications (VISIGRAPP 2021) - Vol. 4, P. 447-454.
11. Ya-Li Hou, Yaoyao Song, Xiaoli Hao, Yan Shen, Manyi Qian, Houjin Chen. Multispectral pedestrian detection based on deep convolutional neural networks // Infrared Physics & Technology, 2018, Vol. 94, P. 69–77.