"В процессе работы программы выполняется конвертация гетерогенных данных в единое представление, нормализация и подача в гибридную архитектуру, состоящую из обучаемого нейросетевого модуля и продукционного нечеткого блока", - комментирует еще один технический консультант Илья Рыбаков.
Программа также реализует процедуру адаптивного обучения с обратной связью, что позволяет уточнять модель при поступлении новых данных или экспертных корректировок. Нейронная сеть обучена на снимках из открытых баз данных и способна обнаруживать признаки пожароопасных ситуаций, например, бурелом. По словам научного руководителя проекта, доктора технических наук, профессора ПГУ Николая Юркова, искусственный интеллект прогоняет поступающие снимки по разработанной модели, строит внутренние матрицы и обнаруживает потенциально опасные места. После этого в эти места может быть направлена бригада для ликвидации угрозы.
Проверка предложения на тестовых данных показала, что точность прогноза приближается к 90%, а результат выдается в течение нескольких секунд. Созданная программная реализация позволяет проверить работоспособность предлагаемых научных концепций. При успешной апробации можно будет создать программу, удобную для конечных пользователей.
По информации" /> Как отметил технический консультант проекта, кандидат технических наук, доцент кафедры "Конструирование и производство радиоаппаратуры" Игорь Кочегаров, программа предназначена для построения и обучения нейро-нечеткой адаптивной модели оценки пожароопасности на основе синтеза нечеткой логики Мамдани и глубокой нейронной сети. Реализованная методика включает этап предварительной обработки мультиформатных входных данных. Методика способна одновременно анализировать метеорологические, геопространственные и экспертные оценки, поступающие в различной форме: числовой, категориальной и лингвистической.
"В процессе работы программы выполняется конвертация гетерогенных данных в единое представление, нормализация и подача в гибридную архитектуру, состоящую из обучаемого нейросетевого модуля и продукционного нечеткого блока", - комментирует еще один технический консультант Илья Рыбаков.
Программа также реализует процедуру адаптивного обучения с обратной связью, что позволяет уточнять модель при поступлении новых данных или экспертных корректировок. Нейронная сеть обучена на снимках из открытых баз данных и способна обнаруживать признаки пожароопасных ситуаций, например, бурелом. По словам научного руководителя проекта, доктора технических наук, профессора ПГУ Николая Юркова, искусственный интеллект прогоняет поступающие снимки по разработанной модели, строит внутренние матрицы и обнаруживает потенциально опасные места. После этого в эти места может быть направлена бригада для ликвидации угрозы.
Проверка предложения на тестовых данных показала, что точность прогноза приближается к 90%, а результат выдается в течение нескольких секунд. Созданная программная реализация позволяет проверить работоспособность предлагаемых научных концепций. При успешной апробации можно будет создать программу, удобную для конечных пользователей.
По информации" />
05.03.2026 Разработана программа с ИИ для предсказания лесных пожаров
"Нейронная сеть обучена на нескольких тысячах снимков, полученных со спутников, квадрокоптеров и вертолетов. Программа использует доработанную нейросеть, которая позволяет быстро распознавать "проблемные" зоны на снимках и самообучаться в процессе эксплуатации", - говорится в сообщении.
Как отметил технический консультант проекта, кандидат технических наук, доцент кафедры "Конструирование и производство радиоаппаратуры" Игорь Кочегаров, программа предназначена для построения и обучения нейро-нечеткой адаптивной модели оценки пожароопасности на основе синтеза нечеткой логики Мамдани и глубокой нейронной сети. Реализованная методика включает этап предварительной обработки мультиформатных входных данных. Методика способна одновременно анализировать метеорологические, геопространственные и экспертные оценки, поступающие в различной форме: числовой, категориальной и лингвистической.
"В процессе работы программы выполняется конвертация гетерогенных данных в единое представление, нормализация и подача в гибридную архитектуру, состоящую из обучаемого нейросетевого модуля и продукционного нечеткого блока", - комментирует еще один технический консультант Илья Рыбаков.
Программа также реализует процедуру адаптивного обучения с обратной связью, что позволяет уточнять модель при поступлении новых данных или экспертных корректировок. Нейронная сеть обучена на снимках из открытых баз данных и способна обнаруживать признаки пожароопасных ситуаций, например, бурелом. По словам научного руководителя проекта, доктора технических наук, профессора ПГУ Николая Юркова, искусственный интеллект прогоняет поступающие снимки по разработанной модели, строит внутренние матрицы и обнаруживает потенциально опасные места. После этого в эти места может быть направлена бригада для ликвидации угрозы.
Проверка предложения на тестовых данных показала, что точность прогноза приближается к 90%, а результат выдается в течение нескольких секунд. Созданная программная реализация позволяет проверить работоспособность предлагаемых научных концепций. При успешной апробации можно будет создать программу, удобную для конечных пользователей.
По информации https://tass.ru/nauka/26657721
© 1999, 2000 "Русский переплет"
Подписаться на новости
АВТОРСКИЕ НАУЧНЫЕ ОБОЗРЕНИЯ
"Физические явления на небесах"
| "Terra & Comp" (Геология и компьютеры)
| "Неизбежность странного микромира"|
"Научно-популярное ревю"| "Биология и жизнь" | Теорфизика для малышей
Семинары - Конференции - Симпозиумы - Конкурсы
НАУКА В "РУССКОМ ПЕРЕПЛЕТЕ"
Проект поддержан
Международной Соросовской
Программой образования в
области точных наук.
Новости из мира науки и
техники
The Best of Russian Science and Technology
Страницу курирует проф. В.М.Липунов
"Русский переплет" зарегистрирован как СМИ.
Свидетельство о регистрации в Министерстве печати РФ: Эл. #77-4362 от
5 февраля 2001 года. При полном или частичном использовании
материалов ссылка на www.pereplet.ru обязательна.
21:10
Подведомственный Минобрнауки России Пензенский государственный университет (ПГУ) разработал программу со встроенным искусственным интеллектом, способную предсказать возникновение пожара в лесных массивах. Разработка может быть использована сотрудниками МЧС, лесниками и егерями для предотвращения возгораний, сообщили ТАСС в пресс-службе Минобрнауки РФ.
Обозрение "Terra & Comp".
Помощь
корреспонденту
Кнопка куратора
Добавить новость
Добавить новости
НАУКА В "РУССКОМ
ПЕРЕПЛЕТЕ"
Дизайн - Алексей Комаров
