Оценивание кривизны по набору дискретных точек, описывающих кривую, имеет существенное прикладное значение. В докладе проведено исследование нейросетевого алгоритма, функционирующего в контролируемых условиях (использован синтетический датасет). Эксперименты показали, что данный подход обеспечивает точные и надежные оценки кривизны кривой даже в случае существенного зашумления входных данных. Полученные результаты являются базисными для проведения дальнейших исследований по данной тематике.

В работе рассматривается проблема обучаемости многослойных сверточных нейросетей с функцией активации Relu в задаче распознавания шумовых сигналов. При малом количестве нейронов в сверточных слоях обучаемость сети существенно зависит от ее инициализации, особенно эта зависимость проявляется в глубоких сверточных сетях. Предложены новые стратегии инициализации весов в сверточных слоях, позволяющие повысить обучаемость сетей. Проведен сравнительный анализ стратегий инициализации весов на основе характеристик обученных нейросетей.

Существует много транспортных средств, в которых естественной частью объекта управления является управляющий им человек. К ним относятся велосипед, мотоцикл, снегоход и многие другие спортивные снаряды. Математическое моделирование и анализ эффективности управления такими объектами затрудняется тем, что необходимо учитывать движения самого спортсмена, которые часто имеют сложную динамику. При этом потребность в таком моделировании существует у спортсменов, тренеров, организаторов соревнований и производителей данных систем. В докладе представлен проект исследования и экспериментальная система реконструкции движения спортсмена-мотоциклиста при прохождении трассы. Сбор данных осуществляется инерциальными датчиками и спутниковой навигационной системой. Реконструкция движения включает в себя этапы построения трехмерной модели трассы и определения положения мотоциклиста в каждый момент времени. Модель трассы строится с помощью технологии фотограмметрии, а реконструкция и визуализация движения – с помощью открытого программного обеспечения SlimeVR и Blender. Система может использоваться как для сбора аналитики, так и для верификации моделей движения мотоциклиста. При необходимости данная система может быть адаптирована для других объектов управления.

Тематическая сегментация — это задача разделения неструктурированного текста на тематически связные сегменты (такие, в которых речь идет об одном и том же). Граф знаний — графовая структура, вершинами которой являются различные объекты, а ребрами — отношения между ними. Обе задачи не являются новыми, потому существует множество алгоритмов для их решения. Однако, методы решения задачи тематической сегментации с использованием графов знаний до сих пор исследованы мало. Более того, пока еще нельзя сказать, что задача тематической сегментации решена в общем виде, то есть существуют алгоритмы, способные при должной настройке, решить задачу с требуемым качеством на конкретном наборе данных. В данной работе предлагается новый метод решения задачи тематической сегментации на основе графов знаний. Применение графов знаний при сегментации позволяет использовать больше информации о словах в тексте: помимо того чтобы основываться на co-occurrance и семантических расстояниях (как классические алгоритмы), методы на основе графов знаний могут применять расстояние между словами на графе, инкорпорируя тем самым фактологическую информацию из графа знаний в процесс принятия решений о биении текста на сегменты. В данной работе предлагается метод решения задачи тематической сегментации на основе графов знаний.