1. Наука
  2. Видання
  3. Наука і техніка Повітряних Сил Збройних Сил України
  4. 1(34)'2019
  5. Адаптированная нейронная сеть подсистемы информационного обеспечения

Адаптированная нейронная сеть подсистемы информационного обеспечения

С.Г. Семенов, О.В. Липчанская, М.В. Липчанский
Аннотации на языках:


Анотация: Безопасность жизнедеятельности человека, сохранность его материальных ценностей является одним из основных приоритетов в современном обществе. В особой зоне риска находятся объекты критической инфраструктуры, статистика происшествий для которых сохраняется на высоком уровне на протяжении последних лет. Повышенный риск и большое количество происшествий, в том числе и за рубежом, подчеркивают актуальность данной проблемы. Предложена адаптированная нейронная сеть для контроля ситуации на железнодорожном переезде и информирования через подсистему информационного обеспечения машиниста поезда о неожиданных препятствиях с целью снижения вероятности аварии либо уменьшения серьезности ее последствий. Приведены результаты обучения и моделирования работы нейронной сети по изображениям, полученным с камеры видеонаблюдения на железнодорожном переезде.


Ключевые слова: безопасность движения, информационное обеспечение, видеонаблюдение, сверточная нейронная сеть

Список литературы

1. Офіційний сайт SAI.GOV.UA. Статистика аварійності в Україні [Електронний ресурс]. – Режим доступу: http://www.sai.gov.ua/ua/ua/static/21.htm (дата звернення 27 грудня 2018).
2. Офіційний сайт EC.EUROPA.EU. Rail accident fatalities in the EU [Електронний ресурс]. – Режим доступу: https://ec.europa.eu/eurostat/statistics-explained/index.php/Rail_accident_fatalities_in_the_EU (дата звернення 27 грудня 2018).
3. Офіційний сайт ORR.GOV.UK. Rail Safety Statistics 2017-18 Annual Statistical Release [Електронний ресурс]. – Режим доступу: http://orr.gov.uk/__data/assets/pdf_file/0016/39103/rail-safety-statistics-2017-18.pdf (дата звернення 27 грудня 2018).
4. Офіційний сайт STATISTA.COM. Number of rail accidents and incidents in the United States from 2013 to 2017 [Електронний ресурс]. – Режим доступу: https://www.statista.com/statistics/204569/rail-accidents-in-the-us (дата звернення 27 грудня 2018).
5. Офіційний сайт BUDPORT.COM.UA. В Украине хотят уменьшить количество ж/д переездов [Електронний ре-сурс]. – Режим доступу: http://budport.com.ua/news/9813-v-ukraine-hotyat-umenshit-kolichestvo-zh-d-pereezdov (дата звер-нення 27 грудня 2018).
6. Офіційний сайт GLOBALRAILWAYREVIEW.COM. The rail sector’s efforts in improving level crossing safety [Еле-ктронний ресурс]. – Режим доступу: https://www.globalrailwayreview.com/article/73517/level-crossings-improving-safety (дата звернення 27 грудня 2018).
7. Офіційний сайт UNECE.ORG. Low cost solutions to improve safety at level crossings in Hungary [Електронний ре-сурс]. – Режим доступу: https://www.unece.org/fileadmin/DAM/trans/doc/2014/wp1/ECE-WP1-GE1-2014-9e.pdf (дата звер-нення 27 грудня 2018).
8. Douglas L. Reilly. A Neural Network Video Sensor Application for Rail Crossing Safety [Електронний ресурс] / L. Reilly Douglas // IDEA Program. – 2010. – P. 27-33. Режим доступу: http://onlinepubs.trb.org/onlinepubs/archive/studies/idea/finalreports/highspeedrail/hsr-10final_report.pdf.
9. Automatic Railway Traffic Object Detection System Using Feature Fusion Refine Neural Network under Shunting Mode [Electronic resource] / Tao Ye, Baocheng Wang, Ping Song, Juan Li // Sensors. – 2018. – No. 18(1916). – P. 1-19. – Available at: https://www.researchgate.net/publication/325730416_Automatic_Railway_Traffic_Object_Detection_System_Using_Feature_Fusion_Refine_Neural_Network_under_Shunting_Mode/ fulltext/5b20963d0f7e9b0e373efd54/325730416_Automatic_Railway_Traffic_Object_Detection_System_Using_Feature_Fusion_Refine_Neural_Network_under_Shunting_Mode.pdf.
10. LeCun Y. Convolutional Networks for Images, Speech, and Time-Series / Y. LeCun, Y. Bengio // The Handbook of Brain Theory and Neural Networks. – MIT Press, 1995. – 14 p.
11. Solla S. Constrained Neural Networks for Pattern Recognition / S. Solla, Y. LeCun // Neural Networks: Concepts, Ap-plications and Implementations. – Vol IV. – Prentice Hall, 1991.– P. 142-161.
12. Nair V. Rectified Linear Units Improve Restricted Boltzmann Machines / V. Nair, G.E. Hinton // Proceedings of the 27Th International Conference on Machine Learning. – Haifa, Israel, 2010. – P. 1-8.
13. Goodfellow I. Deep Learning / I. Goodfellow, Y. Bengio, A. Courville. – 2017 [Electronic resource]. – Available at: http://www.deeplearningbook.org/front_matter.pdf (accessed 27 December 2018).
14. Nielsen M. Neural Networks and Deep Learning. – 2017. [Electronic resource]. – Available at: http://neuralnetworksanddeeplearning.com/chap2.html (accessed 27 December 2018).