Отрывок: − независимая масштабируемость: каждый компонент можно масштабировать независимо от другого. Это позволяет обеспечить необходимую устойчивость системы меньшими затратами. 51 − возможность повторного использования: компоненты реализуют свою маленькую конкретную функцию. Это означает, что их проще адаптировать для использования в других системах, сервисах или приложениях. 2.3 Проектирование информационно-логической модели системы 2.3.1 Диа...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorПривалов А. С.ru
dc.contributor.authorГоловнин О. К.ru
dc.contributor.authorСоловьева Я. В.ru
dc.contributor.authorМинистерство науки и высшего образования Российской Федерацииru
dc.contributor.authorСамарский национальный исследовательский университет им. С. П. Королева (Самарский университет)ru
dc.contributor.authorИнститут информатикиru
dc.contributor.authorматематики и электроникиru
dc.coverage.spatialшаблоныru
dc.coverage.spatialпаттерныru
dc.coverage.spatialтранспортные средстваru
dc.coverage.spatialакустическое излучениеru
dc.coverage.spatialавтоматизированные системыru
dc.coverage.spatialсверточные нейронные сетиru
dc.coverage.spatialаудиозаписиru
dc.coverage.spatialдетектирование признаковru
dc.coverage.spatialдетектирование признаков акустического излученияru
dc.creatorПривалов А. С.ru
dc.date.issued2020ru
dc.identifierRU\НТБ СГАУ\ВКР20200909155617ru
dc.identifier.citationПривалов, А. С. Автоматизированная система детектирования признаков акустического излучения транспортных средств на аудиозаписях с использованием сверточных нейронных сетей : вып. квалификац. работа по направлению подгот. 09.04.01 "Информатика и вычислительная техника" (уровень магистратуры) / А. С. Привалов ; рук. работы О. К. Головнин ; нормоконтролер Я. В. Соловьева ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатик. - Самара, 2020. - on-lineru
dc.description.abstractЦелью выпускной квалификационной работы магистра являетсяразработка автоматизированной системы детектирования признаковакустического излучения транспортных средств на аудиозаписях сиспользованием сверточных нейронных сетей.Проведено исследование предметной области «Анализ транспортныхпотоков», рассмотрены задачи детектирования признаков и особенностиакустического излучения, проанализированы нейросетевые технологии иалгоритмы дискретного преобразования сигналов, применяемые в решениианалогичных задач. Выполнен аналитический обзор существующих систем-аналогов. Разработан метод классификации объектов по их акустическомуизлучению. Построены диаграммы по методологии UML, создана модельданных, разработаны алгоритмы функционирования и описана архитектурасистемы. Разработана автоматизированная система детектирования признаковакустического излучения транспортных средств на аудиозаписях сиспользованием сверточных нейронных сетей. Проведены исследованияэффективности разработанной системы для решения поставru
dc.format.extentЭлектрон. дан. (1 файл : 4,3 Мб)ru
dc.titleАвтоматизированная система детектирования признаков акустического излучения транспортных средств на аудиозаписях с использованием сверточных нейронных сетейru
dc.typeTextru
dc.subject.rugasnti50.01ru
dc.subject.udc004.032.26ru
dc.textpart− независимая масштабируемость: каждый компонент можно масштабировать независимо от другого. Это позволяет обеспечить необходимую устойчивость системы меньшими затратами. 51 − возможность повторного использования: компоненты реализуют свою маленькую конкретную функцию. Это означает, что их проще адаптировать для использования в других системах, сервисах или приложениях. 2.3 Проектирование информационно-логической модели системы 2.3.1 Диа...-
Располагается в коллекциях: Выпускные квалификационные работы




Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.