Отрывок: На рисунке 2.12 представлена логическая модель, содержащая основные сущности базы данных системы. 76 Рисунок 2.12 – Основные сущности логической модели данных 2.4.8 Разработка физической модели данных Под физической моделью базы данных понимают модель, определяющую способы размещения данных в среде хранения и способы доступа к этим данным. Физическая модель позволяет описывать все детали, которые необходимы для создания базы данных в конкретной СУБД: названия таблиц и столбц...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorПеревозчиков Н. Д.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.spatialтранспортные потокиru
dc.coverage.spatialдорожно-транспортная обстановкаru
dc.coverage.spatialавтоматизированные системы прогнозированияru
dc.coverage.spatialсверточные нейронные сетиru
dc.coverage.spatialпространственно-временные графыru
dc.coverage.spatialпрогнозирование дорожно-транспортной обстановкиru
dc.creatorПеревозчиков Н. Д.ru
dc.date.issued2021ru
dc.identifierRU\НТБ СГАУ\ВКР20210901141756ru
dc.identifier.citationПеревозчиков, Н. Д. Автоматизированная система прогнозирования дорожно-транспортной обстановки на основе сверточной нейронной сети с пространственно-временным графом : вып. квалификац. работа по направлению подгот. 09.04.01 "Информатика и вычислительная техника" (уровень магистратуры) / Н. Д. Перевозчиков ; рук. работы О. К. Головнин ; нормоконтролер Я. В. Соловьева ; -во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информа. - Самара, 2021. - on-lineru
dc.description.abstractЦелью выпускной квалификационной работы магистра является разработка автоматизированной системы прогнозирования дорожно- транспортной обстановки на основе сверточной нейронной сети с пространственно-временным графом. Проведён анализ предметной области «Прогнозирование дорожно- транспортной обстановки». Рассмотрены транспортные потоки и их характеристики, рассмотрены задачи прогнозирования дорожно- транспортной обстановки, проанализированы нейросетевые технологии, алгоритмы аппроксимации, кластеризации, классификации объектов улично- дорожной сети. Выполнен аналитический обзор существующих систем- аналогов, выявлены их достоинства и недостатки. Разработана архитектура нейронной сети, метод для прогнозирования дорожно-транспортной обстановки. Приведен и обоснован выбор комплекса программных средств. Построены диаграммы по методологии UML, создана модель данных, разработаны алгоритмы функционирования и описана архитектура системы. Разработана автоматизированная система прогнозирования дорожно- транспортной обстаru
dc.format.extentЭлектрон. дан. (1 файл : 3,3 Мб)ru
dc.titleАвтоматизированная система прогнозирования дорожно-транспортной обстановки на основе сверточной нейронной сети с пространственно-временным графомru
dc.typeTextru
dc.subject.rugasnti50.01ru
dc.subject.udc004.032.26ru
dc.textpartНа рисунке 2.12 представлена логическая модель, содержащая основные сущности базы данных системы. 76 Рисунок 2.12 – Основные сущности логической модели данных 2.4.8 Разработка физической модели данных Под физической моделью базы данных понимают модель, определяющую способы размещения данных в среде хранения и способы доступа к этим данным. Физическая модель позволяет описывать все детали, которые необходимы для создания базы данных в конкретной СУБД: названия таблиц и столбц...-
Располагается в коллекциях: Выпускные квалификационные работы

Файлы этого ресурса:
Файл Размер Формат  
Перевозчиков_Никита_Дмитриевич_Автоматизированная_система_прогнозирования_дорожно.pdf3.39 MBAdobe PDFПросмотреть/Открыть  
Показать базовое описание ресурса Просмотр статистики
Поделиться:



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