ІЄРАРХІЧНЕ ІНФОРМАЦІЙНО-ЕКСТРЕМАЛЬНЕ МАШИННЕ НАВЧАННЯ БПЛА ДЛЯ СЕМАНТИЧНОЇ СЕГМЕНТАЦІЇ ЦИФРОВОГО ЗОБРАЖЕННЯ РЕГІОНУ ЗА ДЕКУРСИВНОЮ СТРУКТУРОЮ ДАНИХ
Метою дослідження є підвищення точності машинного навчання автономного безпілотного літального апарату для ідентифікації кадрів цифрового зображення регіону спостереження. Запропоновано функціональну категорійну модель, на основі якої розроблено і програмно реалізовано алгоритм інформаційно-екстрема...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
National Technical University Kharkiv Polytechnic Institute
2025-07-01
|
| Series: | Вісник Національного технічного університету "ХПÌ": Системний аналіз, управління та інформаційні технології |
| Subjects: | |
| Online Access: | http://samit.khpi.edu.ua/article/view/334982 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1850118766751383552 |
|---|---|
| author | Ihor Naumenko Serhii Kovalevskyi |
| author_facet | Ihor Naumenko Serhii Kovalevskyi |
| author_sort | Ihor Naumenko |
| collection | DOAJ |
| description | Метою дослідження є підвищення точності машинного навчання автономного безпілотного літального апарату для ідентифікації кадрів цифрового зображення регіону спостереження. Запропоновано функціональну категорійну модель, на основі якої розроблено і програмно реалізовано алгоритм інформаційно-екстремального машинного навчання автономного БПЛА за лінійною структурою даних з оптимізацією контрольних допусків на ознаки розпізнавання. Формування вхідної навчальної матриці яскравості здійснювалося шляхом оброблення в декартовій системі координат цифрових зображень об’єктів машинного навчання, які відносилися до типу “текстура”. Як критерій оптимізації параметрів машинного навчання використовувалася модифікована міра Кульбака. Оскільки реалізація машинного навчання за лінійною структурою даних не дозволила отримати високу точність машинного навчання, то було реалізовано інформаційно-екстремальне машинне навчання за ієрархічною структурою у вигляді декурсивного бінарного дерева. Перехід від лінійної структури даних до ієрархічної дозволив багатокласове машинне навчання звести до двохкласового для кожної страти декурсивного бінарного дерева і підвищити усереднене за стратами декурсивного дерева значення інформаційного критерію. Для класів розпізнавання страти декурсивного дерева, де не було отримано високу точність машинного навчання, реалізовано інформаційно-екстремальне машинне навчання з послідовною оптимізацією параметрів. У результаті вдалося побудувати безпомилкові за навчальною матрицею вирішувальні правила. Крім того, експериментально доведено, що при кількості класів розпізнавання більше двох доцільно переходити на інформаційно-екстремальне машинне навчання за ієрархічною структурою даних у вигляді декурсивного бінарного дерева. |
| format | Article |
| id | doaj-art-bfd58728b9b0406b87d0f8566102d54f |
| institution | OA Journals |
| issn | 2079-0023 2410-2857 |
| language | English |
| publishDate | 2025-07-01 |
| publisher | National Technical University Kharkiv Polytechnic Institute |
| record_format | Article |
| series | Вісник Національного технічного університету "ХПÌ": Системний аналіз, управління та інформаційні технології |
| spelling | doaj-art-bfd58728b9b0406b87d0f8566102d54f2025-08-20T02:35:47ZengNational Technical University Kharkiv Polytechnic InstituteВісник Національного технічного університету "ХПÌ": Системний аналіз, управління та інформаційні технології2079-00232410-28572025-07-011 (13)667610.20998/2079-0023.2025.01.10373800ІЄРАРХІЧНЕ ІНФОРМАЦІЙНО-ЕКСТРЕМАЛЬНЕ МАШИННЕ НАВЧАННЯ БПЛА ДЛЯ СЕМАНТИЧНОЇ СЕГМЕНТАЦІЇ ЦИФРОВОГО ЗОБРАЖЕННЯ РЕГІОНУ ЗА ДЕКУРСИВНОЮ СТРУКТУРОЮ ДАНИХIhor Naumenko0https://orcid.org/0000-0003-2845-9246Serhii Kovalevskyi1https://orcid.org/0000-0002-1332-7913Науково-дослідницький центр ракетних військ і артилерії Збройних Сил УкраїниСумський державний університетМетою дослідження є підвищення точності машинного навчання автономного безпілотного літального апарату для ідентифікації кадрів цифрового зображення регіону спостереження. Запропоновано функціональну категорійну модель, на основі якої розроблено і програмно реалізовано алгоритм інформаційно-екстремального машинного навчання автономного БПЛА за лінійною структурою даних з оптимізацією контрольних допусків на ознаки розпізнавання. Формування вхідної навчальної матриці яскравості здійснювалося шляхом оброблення в декартовій системі координат цифрових зображень об’єктів машинного навчання, які відносилися до типу “текстура”. Як критерій оптимізації параметрів машинного навчання використовувалася модифікована міра Кульбака. Оскільки реалізація машинного навчання за лінійною структурою даних не дозволила отримати високу точність машинного навчання, то було реалізовано інформаційно-екстремальне машинне навчання за ієрархічною структурою у вигляді декурсивного бінарного дерева. Перехід від лінійної структури даних до ієрархічної дозволив багатокласове машинне навчання звести до двохкласового для кожної страти декурсивного бінарного дерева і підвищити усереднене за стратами декурсивного дерева значення інформаційного критерію. Для класів розпізнавання страти декурсивного дерева, де не було отримано високу точність машинного навчання, реалізовано інформаційно-екстремальне машинне навчання з послідовною оптимізацією параметрів. У результаті вдалося побудувати безпомилкові за навчальною матрицею вирішувальні правила. Крім того, експериментально доведено, що при кількості класів розпізнавання більше двох доцільно переходити на інформаційно-екстремальне машинне навчання за ієрархічною структурою даних у вигляді декурсивного бінарного дерева.http://samit.khpi.edu.ua/article/view/334982інформаційно-екстремальне машинне навчаннякласифікаціяінформаційний критерій оптимізаціїбезпілотний літальний апаратсемантична сегментаціядекурсивне бінарне дерево |
| spellingShingle | Ihor Naumenko Serhii Kovalevskyi ІЄРАРХІЧНЕ ІНФОРМАЦІЙНО-ЕКСТРЕМАЛЬНЕ МАШИННЕ НАВЧАННЯ БПЛА ДЛЯ СЕМАНТИЧНОЇ СЕГМЕНТАЦІЇ ЦИФРОВОГО ЗОБРАЖЕННЯ РЕГІОНУ ЗА ДЕКУРСИВНОЮ СТРУКТУРОЮ ДАНИХ Вісник Національного технічного університету "ХПÌ": Системний аналіз, управління та інформаційні технології інформаційно-екстремальне машинне навчання класифікація інформаційний критерій оптимізації безпілотний літальний апарат семантична сегментація декурсивне бінарне дерево |
| title | ІЄРАРХІЧНЕ ІНФОРМАЦІЙНО-ЕКСТРЕМАЛЬНЕ МАШИННЕ НАВЧАННЯ БПЛА ДЛЯ СЕМАНТИЧНОЇ СЕГМЕНТАЦІЇ ЦИФРОВОГО ЗОБРАЖЕННЯ РЕГІОНУ ЗА ДЕКУРСИВНОЮ СТРУКТУРОЮ ДАНИХ |
| title_full | ІЄРАРХІЧНЕ ІНФОРМАЦІЙНО-ЕКСТРЕМАЛЬНЕ МАШИННЕ НАВЧАННЯ БПЛА ДЛЯ СЕМАНТИЧНОЇ СЕГМЕНТАЦІЇ ЦИФРОВОГО ЗОБРАЖЕННЯ РЕГІОНУ ЗА ДЕКУРСИВНОЮ СТРУКТУРОЮ ДАНИХ |
| title_fullStr | ІЄРАРХІЧНЕ ІНФОРМАЦІЙНО-ЕКСТРЕМАЛЬНЕ МАШИННЕ НАВЧАННЯ БПЛА ДЛЯ СЕМАНТИЧНОЇ СЕГМЕНТАЦІЇ ЦИФРОВОГО ЗОБРАЖЕННЯ РЕГІОНУ ЗА ДЕКУРСИВНОЮ СТРУКТУРОЮ ДАНИХ |
| title_full_unstemmed | ІЄРАРХІЧНЕ ІНФОРМАЦІЙНО-ЕКСТРЕМАЛЬНЕ МАШИННЕ НАВЧАННЯ БПЛА ДЛЯ СЕМАНТИЧНОЇ СЕГМЕНТАЦІЇ ЦИФРОВОГО ЗОБРАЖЕННЯ РЕГІОНУ ЗА ДЕКУРСИВНОЮ СТРУКТУРОЮ ДАНИХ |
| title_short | ІЄРАРХІЧНЕ ІНФОРМАЦІЙНО-ЕКСТРЕМАЛЬНЕ МАШИННЕ НАВЧАННЯ БПЛА ДЛЯ СЕМАНТИЧНОЇ СЕГМЕНТАЦІЇ ЦИФРОВОГО ЗОБРАЖЕННЯ РЕГІОНУ ЗА ДЕКУРСИВНОЮ СТРУКТУРОЮ ДАНИХ |
| title_sort | ієрархічне інформаційно екстремальне машинне навчання бпла для семантичної сегментації цифрового зображення регіону за декурсивною структурою даних |
| topic | інформаційно-екстремальне машинне навчання класифікація інформаційний критерій оптимізації безпілотний літальний апарат семантична сегментація декурсивне бінарне дерево |
| url | http://samit.khpi.edu.ua/article/view/334982 |
| work_keys_str_mv | AT ihornaumenko íêrarhíčneínformacíjnoekstremalʹnemašinnenavčannâbpladlâsemantičnoísegmentacíícifrovogozobražennâregíonuzadekursivnoûstrukturoûdanih AT serhiikovalevskyi íêrarhíčneínformacíjnoekstremalʹnemašinnenavčannâbpladlâsemantičnoísegmentacíícifrovogozobražennâregíonuzadekursivnoûstrukturoûdanih |