Купить (120 RUB)
|сгенерировать QR код
Открытый доступ
Доступ платный или только для Подписчиков
РАЗРАБОТКА НЕЙРОСЕТЕВОГО КЛАССИФИКАТОРА ВИДА ПОМЕХИ ДВИЖЕНИЮ ЖЕЛЕЗНОДОРОЖНОГО СОСТАВА
https://doi.org/10.15518/isjaee.2015.22.010
Аннотация
В статье рассматриваются результаты исследований по разработке и созданию эффективного нейросетевого классификатора вида помех, возникающих на пути движения железнодорожного состава. Разработанный нейросетевой классификатор основан на искусственной нейронной сети типа «многослойный персептрон», воспринимающей и обрабатывающей видео и другую информацию от системы технического зрения.
Об авторах
Ю. С. Бехтин
ФГБОУ ВО Национальный исследовательский университет «МЭИ»
РФ 111250, Москва, ул. Красноказарменная, 14
Россия
Россия
д-р техн. наук, веду-щий научный сотрудник кафедры информационно-измерительной техники (ИИТ) НИУ «МЭИ»
И. Н. Желбаков
ФГБОУ ВО Национальный исследовательский университет «МЭИ»
РФ 111250, Москва, ул. Красноказарменная, 14
Россия
Россия
д-р техн. наук, заведующий кафедрой информационно-измерительной техники (ИИТ) НИУ «МЭИ»
П. Г. Круг
ФГБОУ ВО Национальный исследовательский университет «МЭИ»
РФ 111250, Москва, ул. Красноказарменная, 14
Россия
Россия
д-р техн. наук, профессор кафедры информационно-измерительной техники (ИИТ) НИУ «МЭИ»
А. А. Лупачев
ФГБОУ ВО Национальный исследовательский университет «МЭИ»
РФ 111250, Москва, ул. Красноказарменная, 14
Россия
Россия
канд. техн. наук, доцент кафедры информационно-измерительной техники (ИИТ) НИУ «МЭИ»
С. А. Павельев
ФГБОУ ВО Национальный исследовательский университет «МЭИ»
РФ 111250, Москва, ул. Красноказарменная, 14
Россия
Россия
канд. техн. наук, научный сотрудник кафедры информационно-измерительной техники (ИИТ) НИУ «МЭИ»
Список литературы
1. Cheng-Chin Chiang, Ming-Che Ho, Hong-Sheng Liao, Andi Pratama, Wei-Cheng Syu. Detecting and re-cognizing traffic lights by genetic approximate ellipse detection and spatial texture layout // ICIC International. 2011/ ISSN 1349-4198. P. 6919–6934.
2. Sokolov S.M., Boguslavky A.A. Intellectual Images Processing for a Realtime Recognition Problem // roc/ The 2nd Intern. Multi-Conf. on Complexity, Informatics and Cybernetics IMCIC 2011, Orlando, Florida, USA. March 27th–30th, 2011. Vol. II. P. 406–411.
3. Иванов Ю. А. Автоматическая система предотвращения столкновений локомотива, основанная на техническом зрении // Техника железных дорог. 2013, № 1 (21). С. 67–70 (Режим доступа: http://www.doc-iva.narod2.TZD.pdf).
4. Image Fusion: Algorithms and Applications. Ed. Tania Stathaki. Academic Press, 2008. p. 519.
5. ГОСТ 24179-80. Светофильтры, светофильтры-линзы, линзы, рассеиватели и отклоняющие вставки стеклянные для сигнальных приборов железнодорожного транспорта. Технические условия.
6. Иванов Ю.А. Технологии компьютерного зрения в системах автоведения // Автоматика, связь, информатика. 2011. № 6. С. 46–48 (Режим доступа: http://www.sworld.com.ua/konfer23/434.htm).
7. Патент РФ №120619. В 61 С 17/12. 6 c. Устройство управления локомотивом / Иванов Ю.А. // 2012. Режим доступа: http://www.doc-iva.narod2.PAC_DISS_54.rar.
8. Бестемьянов П.Ф., Романчиков А.М. Методика оценки качества управления при координатном способе интервального регулирования // Наука и техника транспорта. 2008. № 1. С. 71–74.
9. Шишов С.А. Классификаторы на основе нейронных структур // Зарубежная радиоэлектроника. 1992. № 8. С. 135–155.
10. Круг П.Г. Нейронные сети и нейрокомпьютеры. Учебное пособие по курсу «Микропроцессоры». М.: Издательство МЭИ, 2002.
11. Осовский С. Нейронные сети для обработки информации. М.: Финансы и статистика, 2004.
12. Nilesh Y. Choudhary, Mrs. Rupal Patil, Dr. Umesh Bhadade and prof. Bhupendra M Chaudhari. Signature Recognition & Verification System Using Back Propagation Neural Network // International Journal of IT, Engineering and Applied Sciences Research (IJIEASR) 2013.Vol. 2, No. 1. P. 1–8.
13. Bekhtin Yu., Krug P., Lupachev A., Ostroukh A., Pavelyev S., Zhelbakov I. Identification of Barriers to the Movement of the Train // International Journal of Signal System Control and Engineering Application/ 2014. Vol. 7 (3). P. 52–60. (DOI: 10.3923/ijssceapp.2014.52.60.http://medwelljournals.co m/abstract/?doi=ijssceapp.2014.52.60).
14. Krug P., Ostroukh A., Morozova T., Kashkin E. and Ivanova I. Monitoring of Railroad Parts for the Presence of an Objects on the Rails // ARPN Journal of Engineering and Applied Sciences. ISSN 1819-6608. 2015. Vol. 10, No. 18. P. 7935–7940.
15. Bekhtin Yu., Krug P., Lupachev A., Zhelbakov I., Grout V. The classifying algorithms for train barriers recognition on the basis of image fusion methods and neural networks // Internet Technologies and Applications (ITA). 8–11 Sept. 2015. P. 266–270 (ISBN: 978-1-4799-8036-9. DOI: 10.1109/ITechA.2015.7317407).
16. Какие цвета используются на железнодорожном светофоре и что они обозначают. Электронный ресурс: http://rail.uzdk.ru/voprosy-i-otvety/kakie-cvetaispolzuutsya-na-zheleznodorozhnom-svetofore-i-chtoonioboznachaut.
17. Материалы IV Московского международного конгресса по интеллектуальным транспортным системам. М., 2011г.
18. Казаков А.А., Бубнов В.Д., Казаков Е.А. Автоматизированные системы интервального регулирования движения поездов. М.: Транспорт, 1995.
19. Материалы второго российского международного конгресса по интеллектуальным транспортным системам. М., 2008.
Рецензия
Для цитирования:
Бехтин Ю.С., Желбаков И.Н., Круг П.Г., Лупачев А.А., Павельев С.А. РАЗРАБОТКА НЕЙРОСЕТЕВОГО КЛАССИФИКАТОРА ВИДА ПОМЕХИ ДВИЖЕНИЮ ЖЕЛЕЗНОДОРОЖНОГО СОСТАВА. Альтернативная энергетика и экология (ISJAEE). 2015;(22):84-94. https://doi.org/10.15518/isjaee.2015.22.010
For citation:
Bekhtin Yu.S., Zhelbakov I.N., Krug P.G., Lupachev A.A., Pavel'ev S.A. DEVELOPMENT OF A NEURAL NETWORK CLASSIFIER OF BARRIERS TO THE MOVEMENT OF THE TRAIN. Alternative Energy and Ecology (ISJAEE). 2015;(22):84-94. (In Russ.) https://doi.org/10.15518/isjaee.2015.22.010
Просмотров:
625
Послать статью по эл. почте 