1. Наука
  2. Видання
  3. Наука і техніка Повітряних Сил Збройних Сил України
  4. 1(34)'2019
  5. Адаптована нейронна мережа підсистеми інформаційного забезпечення

Адаптована нейронна мережа підсистеми інформаційного забезпечення

С.Г. Семенов, О.В. Ліпчанська, М.В. Ліпчанський
Анотації на мовах:


Анотация: Безпека життєдіяльності людини, збереження її матеріальних цінностей є одним з основних пріоритетів в су-часному суспільстві. Найбільшому ризику піддаються об'єкти критичної інфраструктури, надзвичайні події на яких мають серйозні наслідки, у тому числі із людськими жертвами . На протязі останніх років статистика надзвичайних подій на залізничних переїздах як в Україні, так і за кордоном зберігається на високому рівні, що підкреслює актуаль-ність даної проблеми. Велика кількість пригод пов’язана насамперед із підвищеним ризиком високотехнологічних об’єктів та наявністю людського фактору. У статті пропонується за допомогою адаптованої нейронної мережі під-вищити рівень безпеки на небезпечних ділянках залізниці через підсистему інформаційного забезпечення машиніста поїзда. Ця система дозволяє виявити небезпечні ситуації у вигляді несподіваних перешкод на залізничному переїзді, по-відомити машиніста поїзда та уникнути аварії або зменшити серйозність її наслідків завдяки завчасному гальмуванню і зниженню швидкості. Для вирішення поставленої задачі була обрана згортальна нейронна мережа через свої переваги перед іншими видами штучних нейронних мереж. Складність її використання полягає у підборі великої кількості змінних параметрів та налаштуванні роботи мережі для вирішення конкретної задачі розпізнавання наявності перешкоди на залізничному переїзді у різні пори року при різних погодних умовах та часі доби. Реалізувати дану задачу необхідно для конкретних обчислювальних потужностей. Запропонована адаптована до особливостей спостережуваного об'єкта нейрона мережа, для якої максимально ефективно визначені такі параметри, як кількість шарів, розмірність ядра згортки для кожного з шарів, кількість ядер для кожного з шарів, крок зсуву ядра при обробці шару, наявність шарів підвибірки, ступінь зменшення розмірності, функція по зменшенню розмірності, функція активації нейронів, наявність і параметри вихідної повнозв’язної нейронної мережі на виході згортальної частини. Наведено результати навчання і моделювання роботи нейронної мережі по зображеннях, отриманих з камери відеоспостереження на залізничному пе-реїзді.


Ключові слова: згортальна нейронна мережа, відеоспостереження, інформаційне забезпечення, безпека руху

Список літератури

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).