Том 11, № 3 (2024)

В статье обсуждаются перспективы и технические проблемы создания практичных квантовых компьютеров. Отмечается, что квантовые компьютеры обладают уникальной способностью выполнять множество вычислений одновременно, благодаря использованию квантовых эффектов, таких как суперпозиция и запутанность. Это делает их чрезвычайно мощными в решении определенных типов сложных задач, включая криптографию, оптимизацию, моделирование квантовых систем и поиск в больших базах данных. Однако разработка практических квантовых компьютеров сталкивается с серьезными техническими проблемами. Ключевой из них является крайняя чувствительность кубитов (основных элементов квантовых компьютеров) к внешним воздействиям, что приводит к нарушению их квантового состояния. Для решения этой проблемы обсуждается возможность использования импульсного туннельного эффекта (ИТЭ). Это может позволить стабилизировать характеристики и квантовые состояния кубитов и тем самым продвинуть разработку практичных квантовых компьютеров.

В данной работе на основе экспериментальных данных исследованы переходные процессы в системе регулирования. Построение передаточной функции объекта регулирования с использование метода Симою реализовано средствами языка Python. Модель системы управления объектом, подбор регулятора и его настроек реализованы средствами среды моделирования SimInTech. В рамках проведенного исследования разработаны и протестированы методологические подходы к формированию передаточных функций объектов регулирования, представленных в виде полиномиальных выражений различной степени сложности, начиная с полиномов первой степени в числителе и второго степени в знаменателе, и завершая полиномами второго степени в знаменателе против третьего степени в числителе. Для построения интерфейса программы Python использована процедура чтения данных в формате CSV, что способствовало упрощению интеграции результатов экспериментальных измерений с аналитическими инструментами, предоставляя мощную платформу для последующего анализа, визуализации и интерпретации полученных передаточных функций. Осуществлены процедуры отладки и оптимизации техники визуализации результатов и оценки погрешностей расчетов, что позволило обеспечить наглядное представление данных и высокую точность полученных передаточных функций. В отличие от известных аналитических исследований в области дифференциальных уравнений, описывающих переходные процессы, использование численных методов, реализованных средствами библиотек Python и сред программирования, в частности SimInTech, позволяет упростить анализ переходных процессов объектов регулирования.

В настоящее время сверточные нейронные сети продемонстрировали значительный прирост производительности по сравнению с традиционными методами машинного обучения при решении различных реальных задач в области вычислительного интеллекта, таких как классификация цифровых изображений. Однако для достижения наилучшей точности топология сети должна быть смоделирована с помощью различных архитектур с разным количеством фильтров, размером ядра, количеством слоев и т.д., что актуализирует задачу выработки и обоснования соответствующих методов отбора. Учитывая отмеченное, цель статьи заключается в обосновании подхода, который позволит усовершенствовать топологию нейросетевой модели для сегментации объектов на цифровых снимках на основе сверточных нейронных сетей. Методы исследования – системный анализ, моделирование, теория машинного обучения и нечеткой логики, теория принятия решений. В результате проведенного анализа в статье предложен алгоритм, который позволяет усовершенствовать топологию нейросетевой модели на основе дифференциальной эволюции для оптимизации точности сегментации изображений и времени обучения сети. Дифференциальная эволюция применяется для определения оптимального количества слоев в топологии сети, что способствует более быстрой сходимости. В рамках предложенного алгоритма был выделен этап кодирования для представления структуры каждой сети с помощью целочисленного массива фиксированной длины, после чего предложено использовать процессы дифференциальной эволюции (мутация, рекомбинация и отбор) для эффективного исследования пространства поиска. Перспективы дальнейших исследований заключаются в разработке способов и приемов, позволяющих закодировать решение-кандидат, используя разное количество скрытых блоков в каждой свертке.

Исследование посвящено проблеме распознавания человеческой деятельности (Human Activity Recognition, HAR) и определения нормальных и аномальных действий в зависимости от ситуации. Автоматизированное обнаружение аномальных действий с помощью технологий компьютерного зрения и оперативное реагирование позволяют усовершенствовать работу служб быстрого реагирования, тем самым спасти человеческие жизни или пресечь правонарушения. В работе представлен всесторонний обзор методов распознавания человеческой деятельности и выявления аномальных действий на основе глубокого обучения. Исследуются различные классификации аномальных действий, и затем обсуждаются и анализируются методы глубокого обучения и нейросетевые архитектуры, используемые для обнаружения аномальных действий. На основе проведенного сравнительного анализа различных подходов предложен алгоритм распознавания человеческой активности и разработана нейронная сеть, которая определяет насильственные и ненасильственные действия с точностью 92,22% в 150 эпохах.

В рамках данного исследования предлагается модель искусственной нейронной сети, используемой в качестве специализированной надстройки над генетическим алгоритмом, позволяющем влиять на процесс поиска решений непосредственно в ходе синтеза решений. Такая комбинация методов позволит управлять траекторией движения популяции в пространстве решений, что особенно важно при работе с технологией обработки больших данных, когда остановка процесса поиска решений в виду затухания эволюционной процедуры или нахождение популяции в локальном экстремуме требует остановки работы генетического алгоритма, выполнения дополнительной настройки операторов и перезапуска, применение такого подхода неэффективно, особенно при работе с большими данными и трудоемких вычисления. В данной статье предложена модель искусственной нейронной сети, которая позволяет распознавать состояние популяции генетического алгоритма и принимать решение об изменении параметров функционирования операторов генетического алгоритма. Предложенная модель позволяет распознать процессы затухания эволюционной процедуры при решении задачи структурно-параметрического синтеза больших дискретных систем и на определить меры влияния на параметры функционирования генетического алгоритма. Данная модель распознает состояние популяции с точностью 95%, что позволяет существенно сократить время на поиск решений в задачах применения генетического алгоритма для работы с большими данными.

Данная статья рассматривает использование фракталов для оценки вероятности классических событий, управляемых квантовыми процессами. Обсуждается гипотеза об объяснении противоположности зарядов позитрона и электрона, а также взаимосвязь с основными современными теориями квантовой механики, такими как квантовая электродинамика (КЭД), теория струн и др. Рассматривается связь с туннельным эффектом и импульсным туннельным эффектом. Приводятся примеры практического применения фракталов, например, в фотокатализаторах. Затрагиваются понятия эффективной массы фотона и квантовой природы элементарных частиц, идея об их внутренней структуре и формировании материи с точки зрения квантовой механики. Особое внимание уделяется фрактальной структуре квантового поля, как вероятности, связанной с образованием позитрона или электрона, и математической связи с уравнением Дирака, КЭД и уравнением Шрёдингера.