WWW.KNIGA.SELUK.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА - Книги, пособия, учебники, издания, публикации

 

Pages:     | 1 |   ...   | 2 | 3 || 5 | 6 |   ...   | 10 |

«INTERNATIONAL CONGRESS ON COMPUTER SCIENCE: INFORMATION SYSTEMS AND TECHNOLOGIES Proceedings of the International Congress Republic of Belarus, Minsk, October' 31 – ...»

-- [ Страница 4 ] --

Рис.2. Шаблон с реализацией ассоциации play классом Шаблон Actor-Role можно отнести к порождающим шаблонам, так как этим шаблоном создаются объекты класса Role. С точки зрения создания объектов этот шаблон можно сравнить с шаблонами FactoryMethod и AbstractFactory. Различие между этими шаблонами состоит в том, какой подход в этих шаблонах используется для создания объектов различных классов. В шаблоне FactoryMethod классы создаваемых объектов определяются через наследование. В шаблоне AbstractFactory классы создаваемых объектов определяются, используя агрегацию. В шаблоне Actor-Role класс создаваемого объекта определяется посредством оператора преобразования типов.

РЕАЛИЗАЦИЯ ШАБЛОНА ACTOR-ROLE

Для реализации класса-ассоциации Converter предлагается использовать шаблон Type Promotion [19], который устанавливает между двумя типами отношение преобразования объектов одного типа в объекты другого типа. В языке программирования C++ этот шаблон реализуется двумя способами:

• конструктором класса с единственным параметром;

• оператором преобразования типов.

Однако каждая из этих реализаций не является транзитивным отношением. Поэтому клиент должен явно выполнить одно из двух преобразований типов. Более подробно последовательность преобразования типов можно описать так. Клиент явно преобразовывает объект класса Actor к типу Converter, а преобразование из типа Converter в нужный тип роли выполняется компилятором. Приведем схему класса Converter на языке программирования С++.

class Converter Converter(const Actor& a) {} operator Role() const { return Role(); } Очевидно, что если класс Role имеет наследников, то класс Converter содержит операторы преобразования типов для каждого класса наследника. Ниже приведен пример использования шаблона Actor-Role.

void client(const Role& r) {} client(Converter(a));

ЗАКЛЮЧЕНИЕ

В докладе рассмотрен подход к реализации ролей в языках программирования со статической типизацией, который позволяет выполнять динамическое назначение ролей. Реализация подхода основана на шаблоне Type Promotion.

ЛИТЕРАТУРА

1. Kristensen, B. B. Roles: Conceptual Abstraction Theory & Practical Language Issues / B. B. Kristensen, K. sterbye // Theory and Practice of Object Systems. 1996. Vol. 2. №. 3. P. 143–160.

2. Chu, W. W. Associations and Roles in Object-oriented Modeling / W.W. Chu, G. Zhang // Proceedings of the 16th International Conferece on Conceptual Modeling ER '97. Springer-Verlag Berlin Heidelberg.

1997. Lecture Notes in Computer Science. Vol. 1331. P. 257–270.

3. Genilloud, G. Foundation for the Concept of Role in Object Modelling / G. Genilloud, A. Wegmann // Proc. of the 4th International Enterprise Distributed Object Computing Conference (EDOC 2000). IEEE Computer Society Press. 2000. P. 76–85.

4. Liping, Zhao. Designing Application Domain Models with Roles / Zhao Liping // Model Driven Architecture, European MDA Workshops: Foundations and Applications, MDAFA 2003 and MDAFA 2004.

Springer-Verlag Berlin Heidelberg. 2005. Lecture Notes in Computer Science. Vol. 3599. P. 1–16.

5. Zhu, H. Supporting Software Development with Roles / H. Zhu, M. C. Zhou // IEEE Trans. on Systems, Man and Cybernetics, Part A. 2006. Vol. 36, №. 6. P. 1110–1123.

6. Fowler, M. Dealing with Roles / M. Fowler / Proceedings of Pattern Languages of Programming (PLoP) Conference 1997. Technical Report WUCS-97-34. Washington University Dept.

7. Bumer, D. The Role Object Pattern / D. Bumer, D. Riehle, W. Wiberski, M. Wulf // Proceedings of Pattern Languages of Programming (PLoP) Conference 1997. Technical Report WUCS-97-34. Washington University Dept.

8. Steimann, F. Role=Interface / F. Steimann / Journal of Object-Oriented Programming. October/November 2001. Vol. 14, №. 14. P. 23–32.

9. Moss, Francis G. Modeling Roles – A Practical Series of Analysis Patterns / Francis G. Moss / Journal of Object Technology. September-October 2002. Vol. 1, №. 4. P. 27–37.

10. Cabot, J. Roles as Entity Types: A Conceptual Modelling Pattern / J. Cabot, R. Raventos // Proceedings of the 23rd International Conferece on Conceptual Modeling (ER’04). Springer-Verlag Berlin Heidelberg. Lecture Notes in Computer Science. Vol. 3288. P. 69–82.

11. Chernuchin, D. Role Types and their Dependencies as Components of Natural Types/ D. Chernuchin, G. Dittrich // Roles, An Interdisciplinary Perspective. Papers from the 2005 AAAI Fall Symposium.

AAAI Press. Menlo Park, California. 2005. P. 39–46.

12. Cabot, J. Conceptual Modelling Patterns for Roles / J. Cabot, R. Ravents // Journal on Data Semantics V. Springer-Verlag Berlin Heidelberg 2006. Lecture Notes in Computer Science. Vol. 3870. P. 158–184.

13. Steimann, F. On the representation of roles in object-oriented and conceptual modeling / F. Steimann // Data & Knowledge Engineering. 2000. Vol. 35, № 1. P. 83–106.

14. Loebe, F. Towards a Definition of Roles for Software Engineering and Programming Languages / F. Loebe // Proceedings of the 2nd Workshop on Roles and Relationships in Object Oriented Programming, Multiagent Systems, and Ontologies (Roles 2007). Berlin, Germany, July 30–31. Forschungsberichte der Fakultt IV. Elektrotechnik und Informatik Nr. 2007–09, Technical University of Berlin.

15. Trygve, M. Roles and Classes in Object Oriented Programming. / M. Trygve // Proceedings of the 2nd Workshop on Roles and Relationships in Object Oriented Programming, Multiagent Systems, and Ontologies (Roles 2007). Berlin, Germany, July 30–31. Forschungsberichte der Fakultt IV. Elektrotechnik und Informatik Nr. 2007–09, Technical University of Berlin. P. 54–62.

16. Gottlob, G. Extending Object-Oriented Systems with Roles / G. Gottlob, M. Schrefl, B. Rck // ACM Transactions on Information Systems. 1996. Vol. 14, №. 3. P. 268–296.

17. Chernuchin, D. Comparison of Object-Oriented Approaches for Roles in Programming Languages / D. Chernuchin, O. S. Lazar, G. Dittrich // Roles, An Interdisciplinary Perspective. Papers from the AAAI Fall Symposium. AAAI Press. Menlo Park, California. 2005. P. 31–38.

18. Гамма, Э. Приемы объектно-ориентированного проектирования / Э. Гамма, Р. Хелм, Р. Джонсон, Дж. Влиссидес. СПб. : Питер, 2001. 368 с.

19. Coplien, J. O. C++ Idioms Patterns / J. O. Coplien // Pattern Languages of Program Design 4. Addison Wesley, Reading, MA, 2000. Chapter 10. P. 167–197.

О НЕКОТОРЫХ ПОДХОДАХ К СОЗДАНИЮ

ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ, ПОДДЕРЖИВАЮЩЕГО

ЭКСПРЕССНУЮ ЭКСПЕРТИЗУ ХИМИЧЕСКОГО СОСТАВА

ТВЕРДОТЕЛЬНЫХ МАТЕРИАЛОВ

С. Н. Райков1, Л. В. Рудикова2, М. В. Бельков1, В. В. Кирис Институт физики имени Б. И. Степанова НАН Беларуси Гродненский государственный университет имени Янки Купалы Рассмотрены основные задачи экспрессной экспертизы химического состава твердотельных материалов, а также особенности лазерного метода спектрального анализа. Выявлены основные требования к созданию специализированного программного обеспечения для мобильного лазерного спектрометра, применяемого при проведении материаловедческой экспертизы и исследованиях технологических изделий, историко-художественных ценностей, объектов окружающей среды, биоструктур.

Ключевые слова: экспрессная экспертиза, лазерный метод, спектральный анализ, цифровые базы данных, специализированное программное обеспечение.

ОСНОВНЫЕ ЗАДАЧИ ЭКСПРЕССНОЙ ЭКСПЕРТИЗЫ

ХИМИЧЕСКОГО СОСТАВА ТВЕРДОТЕЛЬНЫХ МАТЕРИАЛОВ

В последнее десятилетие интенсивно развиваются лазерные методы анализа состава почвы, руд, минералов и родственных материалов. Совокупное рассмотрение этих объектов роднит близость технологии выполнения аналитической процедуры, техническое оснащение, подходы к обработке результатов. Применяемые методы базируются на эмиссионной спектроскопии, флуоресценции, комбинационном рассеянии, отражении ИК-излучения от объекта исследования и др. При этом на передний план выдвигается лазерная искровая спектроскопия (в англоязычной литературе – LIBS). Этот метод имеет более раннюю историю развития, достаточно апробирован при решении разнообразных практических задач: контроле качества промышленной продукции, технологических процессов, состояния окружающей среды, водных ресурсов, исследовании состава руд и минералов и т. д. [1–3].

Задача экспрессной экспертизы химсостава любых твердотельных материалов без пробоподготовки, непосредственно в полевых, производственных условиях, в историко-культурных, экологических, криминалистических и др. центрах становится все более актуальной и охватывает постоянно расширяющийся круг проблем.

В стационарных условиях такой анализ может осуществляться химическими методами с механическим отбором пробы и последующими время- и трудоемкими процедурами пробоподготовки и анализа. Применяются и другие методы, в частности, спектральные, в целом, требующие такой же пробоподготовки. Во многих практических случаях необходимо проведение измерений с выездом на место экспертизы, что особенно важно при анализе объектов, не подлежащих транспортировке, в частности, при осуществлении антитеррористической деятельности, при текущем обследовании сооружений и конструкций, экологическом мониторинге в зонах повышенного риска и т. д.

На современном этапе рутинные методы химического анализа объективно вытесняются экспрессными инструментальными методами, среди которых для мобильных систем доминирующее место по совокупности показателей занимают рентгенофлуоресцентный и лазерный спектральный анализ.

Рентгенофлуоресцентный метод ограничен в своих возможностях. Всплеск интереса к лазерному спектральному анализу стал наблюдаться в связи с внедрением в аналитическую практику современных вариантов двухимпульсных лазеров и многоканальных оптических анализаторов спектров. Важным шагом в этом направлении явилось и разработка метода безэталонного анализа, реализуемого пока только с лазерным пробоотбором и атомизацией материала.

ОСОБЕННОСТИ ЛАЗЕРНОГО МЕТОДА

СПЕКТРАЛЬНОГО АНАЛИЗА

Важнейшими особенностями лазерного метода спектрального анализа являются: а) экспрессный анализ в режимах практически неразрушающего контроля, только оптического контакта, реального времени, in situ; б) высокая локальность и возможность определения элементного состава микроколичеств вещества (микроанализ);

в) стехиометрическое (практически безизбирательное) испарение образца; г) исключение изменения первоначального элементного состава пробы; д) проведение одновременного многоэлементного анализа, а также определение макро-, микро- и следовых содержаний элементов. С помощью лазерных источников возбуждения можно решать задачи локального, поверхностного, послойного, динамического анализа, изучать однородность материалов и распределение элементов. Мобильные лазерные спектрометры серийно не выпускаются, разработаны единичные прототипы специального назначения в США, Германии, Италии, Испании, Беларуси (см. рисунок).

Заметим, что лазерный спектральный анализ является современной разновидностью классического эмиссионного атомного спектрального анализа.

Эмиссионный атомный спектральный анализ состоит из следующих основных процессов: 1) отбор представительной пробы, отражающей средний состав анализируемого материала или местное распределение определяемых элементов в материале;

2) введение пробы в источник излучения, в котором происходят испарение твердых и жидких материалов, диссоциация соединений и возбуждение атомов и ионов; 3) регистрация спектра (либо визуальное наблюдение) с помощью спектрального прибора;

4) расшифровка полученных спектров с помощью таблиц и атласов спектральных линий химических элементов. Обычно испарение пробы и возбуждение спектра ее паров происходит в одном и том же источнике света для спектрального анализа, например, в пламени, в электрических дуге или искре.

Изображение мобильного лазерного спектрометра При помощи лазерной техники можно выполнять спектральный анализ как проводящих, так и непроводящих материалов практически без предварительной подготовки проб (нет надобности в растворении, измельчении, обеспечении электропроводности проб и т. п.).

В основе количественного эмиссионного анализа лежит прямая зависимость, связывающая концентрацию (плотность атомов) определяемого химического элемента (Nz) с интенсивностью регистрируемой атомной спектральной линии этого же элемента:

где F1 – безразмерный коэффициент, учитывающий эффективность системы регистрации; t – временной интервал регистрации; Lld – объем зоны свечения плазмы, проецируемый на фотодетектор (L – толщина объема плазмы; d – ширина входной щели спектрографа; l – высота пикселя ПЗС-детектора); – телесный угол сбора излучения плазмы; h – постоянная Планка, c – скорость света; 0 – длина волны максимума эмиссионной линии; Aij – вероятность перехода с верхнего уровня i на нижний j; gi – статистический вес уровня i; Uz – сумма по состояниям атомов химического элемента z;

Ei – энергия верхнего уровня i; k – постоянная Больцмана; T – температура плазмы, P() =1, поскольку P() – нормализованный профиль спектральной линии.

Для обеспечения абляции материала анализируемых образцов в условиях микроанализа используется лазер на алюмоиттриевом гранате, активированном ионами неодима.

Основные параметры по излучателю: энергия каждого импульса на длине волны 1064 нм – 100 мДж; длительность импульса на полувысоте – 10–12 нс; частота повторения – 10 Гц; расходимость пучка – 1,5 мрад; диаметр пучка – 4 мм; стабильность по энергии – 2%; время задержки между импульсами – 0–80 мкс; габариты излучателя – 450 х 188 х 129мм. Используется совмещенный единый корпус блока питания и системы охлаждения.

В режиме регистрации эмиссионных спектров изображение плазменного облака с помощью короткофокусной линзы (25 мм) отображается (в масштабе 1:5) на торец кварцевого оптоволокна с оптической апертурой 0,2 и далее на входную щель компактного спектрального аппарата (полихроматора), имеющего дифракционную решетку 600 штрихов/мм, относительное отверстие – 1:4.9, фокусное расстояние – 380 мм.

Эмиссионный спектр регистрируется оптическим многоканальным анализатором на основе ПЗС линейки (Toshiba TCD 1304AP), имеющей 3648 светочувствительных пикселей с размерами 8 х 200 мкм. Область спектральной чувствительности (по уровню 0,1) составляет 200–1060 нм.

Отработана механическая и оптическая схемотехника наведения и фокусировки лазерного излучения на выбранный участок анализируемого образца и отбора полезного сигнала (XYZ позиционер).

ОСНОВНЫЕ ТРЕБОВАНИЯ К СОЗДАНИЮ ПРОГРАММНОГО

ОБЕСПЕЧЕНИЯ

В настоящее время накоплен достаточно обширный материал по спектрам, о чем свидетельствуют соответствующие таблицы и атласы спектральных линий химических элементов. Однако непосредственная автоматизация процесса обработки результатов спектрограмм, получаемых с использованием мобильного лазерного спектрометра, применяемого при проведении материаловедческой экспертизы и исследованиях технологических изделий, историко-художественных ценностей, объектов окружающей среды, биоструктур, отсутствует. Это, естественно, замедляет получение итоговых результатов экспертизы и не позволяет осуществлять быстрый, направленный и расширенный поиск в базе накопленных экспертиз.

Таким образом, основным требованием к программному обеспечению для лазерных спектрометров различных типов являются следующие аспекты. Прежде всего поддержка цифровых баз данных основных химических элементов, визуализация основных линий частотных спектров, а также обработка данных, связанных с проведением материаловедческой экспертизы и исследований технологических изделий, историко-художественных ценностей, объектов окружающей среды, биоструктур.

В рамках проводимых исследований проделана следующая работа: собран и проанализирован материал, касающийся таблиц и атласов спектральных линий химических элементов; проведен анализ предметной области, связанной с цифровыми базами данных основных спектральных линий химических элементов; проанализирована основная структура спектрограмм и выявлены требования по обработке отдельного контура спектральной линии; разработаны общие программные требования к обработке спектрограмм, получаемых с использованием мобильного лазерного спектрометра, применяемого при проведении материаловедческой экспертизы и исследованиях технологических изделий, историко-художественных ценностей, объектов окружающей среды, биоструктур; подготовлен документ аналитического обзора, связанный с предметной областью материаловедческой экспертизы; выявлены основные функции разрабатываемого программного обеспечения; предложена модель данных для основных спектральных линий и данных, получаемых в результате проведения материаловедческой экспертизы; разработана общая архитектура специализированного программного обеспечения.

Автоматизация процесса обработки спектральных линий позволит получать быстрые и точные результаты экспертизы, собирать полученные результаты в базу данных для их дальнейшей обработки, а также визуализировать и масштабировать полученные спектры. Несомненно, все это будет способствовать широкому использованию мобильного лазерного спектрометра и повысит его конкурентоспособность на мировом рынке соответствующих экспертных устройств.

ЛИТЕРАТУРА

1. Gornushkin, I. B. Spectrochim / I. B. Gornushkin, A. Y. Kazakov, N. Omenetto, B. W. Smith, J. D. Winefordner // Acta Part B. 2004. Vol. 59. P. 401–418.

2. Miziolek, A. W. Laser-Induced Breakdown Spectroscopy (LIBS): Fundamentals and Applications / A. W. Miziolek, V. Palleschi, I. Schechter. Cambridge University Press: New York, 2006.

3. Trevizan, L. C. Spectrochim / L. C. Trevizan, D. Santos, R. E. Samad, N. D. Vieira, C. S. Nomura, L. C. Nunes, I. A. Rufini, F. J. Krug // Acta Part B. 2008. Vol. 63. P. 11–51.

Результаты работы получены в процессе выполнения ГПНИ «Разработать мобильный лазерный спектрометр, развить экспрессные методы элементного анализа, ИК-спектроскопии, люминесцентного зондирования для материаловедческой экспертизы и исследования технологических изделий, историко-художественных ценностей, объектов окружающей среды, биоструктур».

АЛГОРИТМ ЗАЩИТЫ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ

ПОЛЬЗОВАТЕЛЯ ПРИВЯЗКОЙ К РЕСУРСАМ ПК

Рассматриваются вопросы защиты ПО пользователя при его тиражировании. Предложен устойчивый ко взлому алгоритм защиты пользовательских приложений путем привязки к характеристикам ПК.

Ключевые слова: защита программного обеспечения, API, криптозащита.

Защита авторских прав разработчиков программных средств в настоящее время является одной из важнейших задач. Развитие рынка пиратской продукции побуждает владельцев интеллектуальной собственности учиться эффективно применять имеющиеся методы и изыскивать новые средства защиты информации.

Среди решений, предлагаемых для защиты тиражируемого программного обеспечения (ПО), можно выделить несколько основных групп.

Использование защищенных компакт-дисков, паролей и регистрационных номеров.

Эти методы защиты не требуют больших финансовых издержек при внедрении, однако обладают низкой стойкостью к взлому. Вследствие чего, применение такой защиты оправдано только для ПО нижней ценовой категории.

Привязка к уникальным характеристикам компьютера.

Стойкость к взлому у этого метода защиты гораздо выше, чем у предыдущих, при небольших затратах на внедрение. Применение такой защиты целесообразно в случаях, когда производитель уверен, что не отпугнет клиентов недостатками данного метода: трудностями при модернизации ПК. Пример использования этого метода – встроенная защита от копирования новых программных продуктов Microsoft.

Программно-аппаратная защита с использованием электронных ключей На сегодняшний день это наиболее надежный и удобный метод защиты тиражируемого ПО средней и высшей ценовой категории. Он обладает высокой стойкостью ко взлому и не ограничивает использование легальной копии программы. Применение этого метода экономически оправдано для программ стоимостью свыше $100, так как использование даже самых дешевых электронных ключей увеличивает стоимость ПО на $15–20.

Выбирая средство защиты, разработчик должен исходить из принципа экономической целесообразности. Защита должна выполнить свое основное предназначение – существенно сократить, а в идеале – прекратить, потери от пиратства, не сильно при этом увеличивая стоимость программы. В идеале защита не должна причинять неудобства пользователям.

В докладе рассматривается защита ПО пользователя привязкой к ресурсам ПК.

Характеристиками компьютера, на которые обычно выполняется настройка устанавливаемого программного обеспечения [1]: имя компьютера, имя пользователя, версия операционной системы, параметры центрального процессора, параметры оперативной памяти, тип используемой клавиатуры, параметры используемой мыши, ширина и высота экрана монитора, информация о дисковых устройствах компьютера, параметры диска, на котором выполняется установка программного продукта (емкость, тип файловой системы, метка тома, путь к папкам с файлами операционной системы и др.).

Для получения значений указанных характеристик могут использоваться следующие функции из набора Windows API: GetUserName(…), GetComputerName(…), GetWindowsDirectory(…), GetSystemDirectory(…), GetKeyboardType(…), GetSystemMetrics(…), GetLogicalDriveStrings(…), GlobalMemoryStatus(…), GetDiskFreeSpace(…), GetVolumelnformation(…), SystemParametresInfo(…), GetSystemInfo(…).

Однако из-за особенностей реализации механизма защиты рассматриваемый метод часто является неудобным для конечных пользователей и вызывает нарекания.

Возникают трудности с модернизацией. Увеличение числа используемых параметров позволяет повысить надежность системы защиты, однако приводит к увеличению числа ложных срабатываний, что увеличивает неудобства пользователя защищаемого приложения. Мы не рекомендуем использовать при настройке ПО часть рассмотренных в [1] параметров ПК: имя компьютера, имя пользователя, версия операционной системы, тип используемой клавиатуры, параметры используемой мыши, параметры монитора, путь к папкам с файлами операционной системы, параметры оперативной памяти. Данные параметры часто меняютсяся в процессе эксплуатации ПК.

Мы рекомендуем использовать следующие параметры ПК: параметры центрального процессора; информация о дисковых устройствах компьютера; параметры диска, на котором выполняется установка. Однако применяемые для получения данных параметров API-функции не позволяют получить уникальной информации о ПК (например, функция GetVolumelnformation (…) позволяет получить серийный номер тома, а не физического диска, и данный номер не связан с серийным номером диска).

В качестве уникальных параметров ПК предлагаем использовать серийный номер видеоадаптера, жесткого диска, материнской платы, MAC-адрес сетевой платы.

Данные параметры присваиваются устройствам на этапе их изготовления и не меняются в процессе их функционирования. Для извлечения этих параметров требуется создать специальный драйвер, которым должны комплектоваться программный продукт и программа-регистратор. Однако существует более простой способ получения уникальных характеристик ПК – механизм WMI (Windows management instrumentation). В качестве примера рассмотрим получение информации о видеоадаптере. Данные о видеоадаптере можно получить, используя класс WMI Win32_VideoController. Важным является его поле PNPDeviceID (именно оно содержит всю необходимую информацию о видеоадаптере). Если на вашем компьютере установлен PowerShell, то вы можете получить информацию о видеоадаптере, набрав команду get-WMIObject Win32_VideoController.

Используемый нами метод привязки ПО пользователя к характеристикам ПК работает следующим образом:

Программный продукт 1. Анализирует параметры оборудования.

2. Анализирует лицензионную информацию.

3. При несоответствии принимает меры ограничения (программа запускается Программа-регистратор 1. Анализирует параметры оборудования.

2. Генерирует регистрационный ключ.

3. Передает ключ пользователю продукта.

Для отключения защитной реакции взломщик может:

• нейтрализовать защитный механизм;

• дублировать регистрационный ключ.

Простая реализация метода защиты ПО привязкой к параметрам ПК [1] сводит анализ лицензионной информации, сгенерированной программой-регистратором к ее сравнению с необходимой, полученной в результате анализа параметров реального оборудования программным продуктом. Нейтрализация защиты в данном случае сводится к поиску и замене инструкции сравнения на безусловный переход.

Надежность защиты может быть увеличена путем использования криптозащиты. Шифрование должно применяться совместно с защитой от статического и динамического анализа кода программы и «изощренным программированием», т. е. стилем, позволяющим получить сложный и запутанный исполняемый модуль [2].

В предлагаемом нами варианте защиты в качестве параметров, к которым привязывается ПО пользователя, используются: параметры центрального процессора, информация о дисковых устройствах компьютера, данные о видеоадаптере. На основании собранной информации программный продукт и программа-регистратор генерируют ключи как MD6-хеш длиной 128 бит от суммарной информации.

В дальнейшем ключ программы-регистратора используется для шифрования изъятого фрагмента кода приложения пользователя.

При запуске приложение пользователя генерирует свой ключ, читает недостающий зашифрованный фрагмент кода из файла лицензии, расшифровывает его во временный буфер при помощи полученного ключа. В случае правильной расшифровки программа запускается в полнофункциональном режиме.

Взломщик, имея исполняемый модуль программы, не может его корректно анализировать, так как в нем, как отмечалось выше, отсутствует фрагмент кода.

Для борьбы со снятием дампа и дизассемблерами было использовано динамическое изменение кода программы.

Для борьбы с отладчиками написан специфический обработчик прерывания int (намеренно вызываемый программой), который выполняет коррекцию «ложных»

ошибок, заранее включенных в текст программы. В случае если приложение запущено под отладчиком, то отладчик сам обработает int 3, и программа окажется нескорректированной. Используется также реализация защитного механизма на базе двух взаимодействующих потоков, что затрудняет динамическое исследование кода.

Разработанный нами алгоритм приведен на рисунке.

Алгоритм защиты ПО пользователя привязкой к ресурсам ПК Таким образом, предложенный нами алгоритм защиты ПО пользователя привязкой к ресурсам ПК может быть использован для защиты реальных приложений в среднем ценовом диапазоне, а также в процессе подготовки специалистов в области компьютерной безопасности.

ЛИТЕРАТУРА

1. Хорев, П. Б. Методы и средства защиты информации в компьютерных системах/ П. Б. Хорев. М.:

Академия, 2005.

2. Абашев, А. А. Ассемблер в задачах защиты информации / А. А. Абашев, И. Ю. Жуков, М. А. Иванов, Ю. В. Метлицкий, И. И. Тетерин. М.: Кудиз-Образ, 2004.

РАСПОЗНАВАНИЕ

ОБРАЗОВ,

ИНФОРМАЦИОННЫЕ

СИСТЕМЫ

УПРАВЛЕНИЯ

ТЕХНОЛОГИИ И СИСТЕМЫ ДЛЯ РЕШЕНИЯ

ПРАКТИЧЕСКИХ ЗАДАЧ РАСПОЗНАВАНИЯ ОБРАЗОВ

С. В. Абламейко, В. В. Краснопрошин, В. А. Образцов E-mail: (ablameyko, krasnoproshin, obraztsov)@bsu.by Рассмотрены принципы построения технологии для решения задачи распознавания образов с обучением. Описаны некоторые компьютерные системы и приведены примеры их использования для решения конкретных практических задач медицинской диагностики, обработки изображений.

Ключевые слова: распознавание образов, технология построения компьютерных систем, практические задачи.

Распознавание образов является одним из актуальных направлений информатики, связанным с автоматизацией процессов обработки и использования информации.

Несмотря на серьезные успехи в решении практических задач, методология распознавания остается по сути «эвристической». Даже на уровне теории трудно построить суждение об обоснованности моделей, методов и алгоритмов, что не позволяет говорить о правильности полученных результатов. Это существенно отражается и на принципах построения компьютерных систем, ориентированных на решение практических задач.

Начнем с формулировки стандартной задачи распознавания образов [1]:

на множестве объектов X произвольной природы задано некоторое (возможно и бесконечное) число подмножеств (классов) X 1,..., X l. Задана также некоторая информация о классах I 0 ( X 1,..., X l ). Требуется, используя только информацию I 0, указать алгоритм A, который определен на всем множестве X и результат работы которого для каждого x X можно интерпретировать в терминах принадлежности классам X i (i ).

Информация I 0 задает некоторую выборку X 0, удовлетворяющую условиям:

| X 0 | +, X 0 X. Кроме того, важен способ представления выборки. В этом смысле возможны два варианта: выборка задается прецедентами или с использованием принципа свертки. Обозначим соответствующие задачи через Z1 и Z 2.

Рассмотрим понятие технологии, которое возникает вследствие необходимости автоматизации процессов обработки информации при решении задачи (рис. 1). Под технологией будем понимать набор инструментов и приемов, направленных на построение компьютерной системы для автоматизации процесса решения задачи. Технология должна обеспечивать всю необходимую функциональность во взаимодействии объектов, представленных на рис. 1. В данной трактовке уточняется стандартное понимание информационной технологии [2], которое описывает роль компьютерной системы.

Рис.1. Схема взаимодействия объектов в процессе решения задачи Приведем основные результаты, опубликованные в работах [3–7]. В области информационных технологий можно сформулировать несколько идей, положенных в основу построения систем. Описанные в виде принципов, они и определяют искомое понятие технологии. Следствием любой технологии является архитектура системы, на основе которой можно строить компьютерную систему. Последняя чаще всего не связана с предметной областью, и может использоваться для решения различных прикладных задач. Опишем технологию в форме тезиса.

Тезис 1. Для решения задачи Z1 технология может быть построена на следующих принципах:

Принцип 1 (принцип отделимости). Данные и знания должны быть отделены от средств манипулирования информацией.

Принцип 2 (принцип структурирования). Задача Z1 должна быть подходящим образом структурирована, сведена к множеству неприводимых задач. Результат решения Z1 представляет суперпозицию результатов решения подходящих неприводимых задач.

Принцип 3 (принцип модульности). Структура системы должна быть модульной. Каждый модуль отвечает за решение отдельной неприводимой задачи.

Принцип 4 (принцип инвариантности). Компьютерная система, построенная на базе принципов 1–3, может решать любую задачу Z1 и в пределах особенностей данной постановки не зависит от предметной области (характера информации).

На базе описанной технологии, с учетом особенностей систем программирования и вычислительной техники 80-х гг. ХХ в., была построена компьютерная система ПАРУС (Полигон Алгоритмов Распознавания с Управляющей Системой). Архитектура данной системы приведена на рис. 2.

Рис.2. Архитектура компьютерной системы ПАРУС В технологическом смысле процесс решения задачи в постановках Z1 и Z практически одинаков, но имеют небольшое различие на уровне архитектуры [8].

Сформулируем принцип, на базе которых может быть решена задача Z 2.

Тезис 2. Для решения задачи Z 2 технология может быть построена на принципах 1–4 и следующем:

Принцип 5 (принцип разделения). Данные и знания должны быть разделены и эти виды информации можно использовать для получения результата независимо.

Структура соответствующей системы показана на рис. 3.

Рис.3. Структура компьютерной системы Орто-Эксперт Приложения в интеллектуальном анализе данных. На базе описанных технологий были построены компьютерные системы, которые использовались для решения задач из области интеллектуального анализа данных. Опишем кратко суть задач и основное содержание полученных результатов. Более подробно с ними можно ознакомиться в цикле работ [3–8].

Обработка данных дистанционного зондирования Земли. Рассматривалась задача классификации подстилающих поверхностей Земли по данным космического спектрометрирования и распознавание нефтеносности месторождений по результатам изучения близлежащих водоносных пластов. Для сравнения были выбраны эвристик: варианты алгоритмов вычисления оценок, ближайших соседей, потенциальных функций. По результатам экспериментов формировались наборы для построения модели алгоритмов распознавания [1] из «слабокоррелированных» алгоритмов. Далее исследовалась эффективность различных типов корректоров. Определялся объем обучения и его зависимость от числа алгоритмов в корректируемом наборе. Экспериментальные исследования позволили в целом сделать вывод, что двухуровневые схемы с корректором [8] являются разумным подходом к повышению качества и надежности работы систем распознавания.

Решались задачи обработки изображений и выделения требуемых объектов на снимках земной поверхности. Предложенные подходы позволили автоматизировать режим обновления снимков на основе их совмещения с цифровыми картами.

Обработка медицинских данных. На основе предложенных технологических и структурных решений, в результате практического взаимодействия со специалистами-медиками, была реализована серия компьютерных систем с общим названием – Орто-Эксперт (для поддержки процессов диагностики и лечения пациентов с нарушениями опорно-двигательного аппарата). Некоторые специализированные варианты системы внедрены в Республиканском центре и областных диспансерах спортивной медицины. Их практическое использование обеспечило эффективное обследование, обоснованную диагностику и выбор соответствующего метода лечения, что повысило качество диагностики ортопедических заболеваний и травм и сократило сроки реабилитации спортсменов. Система использовалась в сборных командах республики по различным видам спорта на Пекинской олимпиаде. В 2011 г. на выставке инновационных технологий в Санкт-Петербурге система была награждена серебряной медалью как лучший инновационный продукт.

На основе предложенных технологий были также разработаны системы [5–7], в рамках которых решены проблемы анализа состояния и диагностики рака щитовидной железы по гистологическим, ультразвуковым и цитологическим изображениям клеток. Диагностики злокачественных новообразований органов средостения и забрюшинного пространства у детей на основе анализа изображений, полученных с помощью лучевых методов исследования и др.

Таким образом, предложенные технологии получили практическое применение при разработке компьютерных систем, ориентированных на решение важных народнохозяйственных задач.

ЛИТЕРАТУРА

1. Журавлёв, Ю. И. Избранные научные труды. М.: Магистр, 1998.

2. http://ru.wikipedia.org/wiki/Технология 3. Krasnoproshin, V. Solution of applied problems: formalization, methodology and justification / V. Krasnoproshin, V. Obraztsov, H. Vissia // Computational Intelligence in Business and Economics, London:

World Scientific, 2010. Vol. 3. Р. 57–64.

4. Krasnoproshin, V. V Problem of Solvalibility and Choice of Algorithms for Decision Making by Precedence / V. Krasnoproshin, V. Obraztsov // Pattern Recognition and Image Analysis. 2006. Vol. 16. № 2.

Р. 155–169.

5. Абламейко, С. В Обработка изображений: технология, методы, применение / С. В. Абламейко, Д. М. Лагуновский. Минск: Ин-т техн. кибернетики НАН Беларуси, 1999.

6. Абламейко, С. В. Медицинские информационные технологии и системы / С. В. Абламейко, В. В. Анищенко, В. А. Лапицкий, А. В. Тузиков. Минск: ОИПИ НАН Беларуси, 2007.

7. Абламейко, С. В. Обработка оптических изображений клеточных структур в медицине / С. В. Абламейко, А. М. Недзьведь. Минск: Объед. ин-т проблем информатики НАН Беларуси, 2005.

8. Краснопрошин, В. В. Проблема принятия решений по прецедентности: разрешимость и выбор алгоритмов / В. В. Краснопрошин, В. А. Образцов // Выбраныя навуковыя працы Беларускага дзярж.

ун-та. Т. 6. Матэматыка, 2001. С. 285–312.

РЕАЛИЗАЦИЯ СРЕДСТВ ОТЧЕТНОСТИ

И ПРОГНОЗИРОВАНИЯ В ИНФОРМАЦИОННОЙ

БАНКОВСКОЙ СИСТЕМЕ

Белорусский государственный университет, Белорусский государственный экономический университет E-mail: akinfina@rambler.ru, BondarenkoSP@bsu.by В данной работе приводятся результаты разработки модулей отчетности и прогнозирования, входящие в состав системы интернет-банкинга. Исследуются технологии, применяемые для реализации интернет-приложений, средства работы приложения с базой данных.

Ключевые слова: прогнозные модели, формирование отчетов, параметры настройки, интернет-банкинг, банковские проводки, балансировочные транзакции.

В настоящее время проблема компьютеризации банковской сферы является очень актуальной. Любое предприятие, от небольшого частного, с несколькими сотрудниками, до огромного концерна, с тысячами сотрудников, проводит финансовые операции посредством банковских счетов. Задача автоматизации и компьютеризации операций со счетами и получение отчетности по текущему состоянию дел на счетах очень важна. Не менее важным является и разработка прогнозных моделей финансового состояния предприятия, которые необходимы для выработки финансовой стратегии по обеспечению предприятия финансовыми ресурсами, оценки его возможностей в перспективе. Обе эти задачи входят в состав автоматизированного рабочего места финансового менеджера.

Анализ существующих информационных банковских систем позволяет указать на ряд недостатков, присущих этим системам. К ним относятся:

1) недостаточный объем справочной информации;

2) недостаточная гибкость подсистемы формирования отчетности;

3) недостаточный уровень развития подсистемы прогнозирования.

В связи с вышесказанным возникла потребность в разработке и реализации средств прогнозирования и отчетности для информационной банковской системы.

В данной работе представлена реализация двух подсистем, входящих в состав автоматизированного рабочего места финансового менеджера:

• подсистема построения сводного отчета состояния баланса на счетах;

• подсистема прогнозирования суммы комиссионных сборов, взимаемых банком за управление счетами.

Эти две подсистемы реализованы в рамках системы интернет-банкинга с использованием современных средств и технологий [1–3]. При выполнении данной работы был проведен ряд исследований, обеспечивающих наиболее эффективную реализацию этих подсистем.

Подсистема построения сводного отчета по состоянию баланса на счетах позволяет финансовому менеджеру выполнять следующие действия:

• просматривать ежедневное состояние баланса на счету или сводного баланса по нескольким счетам с различной степенью детализации по периодам;

• вводить и просматривать банковские проводки, как уже подтвержденные банком, так и предполагаемые (прогнозы по платежам);

• вводить и просматривать балансировочные транзакции, позволяющие сделать перевод денег между счетами компании, чтобы минимизировать выплаты банку за управление счетом/счетами (в случае создания отрицательного баланса по одному из счетов).

Система позволяет пользователю с помощью фильтра выбрать параметры формирования отчета, к которым относятся параметры выборки данных, по которым будет строиться отчет, величина периода рассчета, параметры отображения отчета и ряд других параметров (табл. 1).

Параметры фильтра формирования отчета Имя параметра Описание и комментарий Тип данных Значение по Тип счетов Позволяет выбрать различные типы Список Все счета Класс для вы- Позволяет выбрать одно из сле- Список Счет борки счетов дующих значений:

Объекты для Позволяет выбрать подмножество Выбор под- – выборки объектов из определенного в пре- множества из дыдущем пункте класса. Ограниче- справочника Единицы пред- Позволяет выбрать одно из сле- Список Единицы ставления дан- дующих значений:

чения рассчитанных балансов в отчете. Ограничение: поле является В процессе обработки система производит определение множества счетов, для которых необходимо построить отчет и выбрать данные по этим счетам (приход/расход). Все данные конвертируются в заданную пользователем валюту. После перевода данные группируются для того, чтобы дать детальную картину финансовой ситуации по счетам (табл. 2).

В табл. 2 IB – начальный баланс (initial balance), С – приход (collection), D – расход (disbursement), FB – конечный баланс (final balance). FBi = IBi + Ci + [остальной приход за этот день] – Di [остальной расход за этот день], i = 1... n; C = C1 +...

+ Cn, D = D1 +... + Dn, IB = IB1, FB = FBn.

Детальное описание строк в отчете: первая строка является информационной, во второй выводится начальный баланс по группе счетов на определенную дату, в последней – окончательный баланс по этой группе счетов на эту же дату, между начальным и конечным балансом – проводки, собранные вместе в определенные группы.

После того как система выдает пользователю построенный отчет, ему доступны несколько вариантов поведения.

1. Изменить степень детализации полученного отчета, а именно: построить его либо для всех выбранных счетов, либо для одного из счетов выбранного подмножества.

2. Изменить принцип группировки выполненных банковских транзакций и предполагаемых транзакций (прогнозов).

3. Изменить период расчета, т. е. получить не только ежедневный, но и еженедельный или ежемесячный отчет.

4. Изменить валюту, в которой предоставляются данные отчета.

В табл. 3 приведены опции, по которым можно изменить отчет.

Группировка Пользователю доступен выбор из Список По способу Фильтр Пользователю доступен выбор из Список 1 счет Ограничение: если выбрана опция Счет Выбор счета для построения отче- Выбор из Текущий Объект Выбор объекта для построения от- Выбор из Текущий чета. Ограничение: опция доступ- справочника объект, по Валюта пред- Выбор валюты, в которой пред- Выбор из Валюта опставления ставляется отчет справочника ределенная в Шаг по вре- Выбор одного из следующих зна- Список 1 день Существует возможность изменения внешнего вида сформированного отчета, для чего доступны следующие параметры: ширина колонки, единицы представления информации (десятки, сотни, тысячи и т. д.), количество знаков после запятой.

Важной особенностью данной системы является возможность управления прогнозными и балансировочными транзакциями, что позволяет выполнить моделирование будущего финансового состояния предприятия. В построенном отчете можно выполнить просмотр, модификацию и удаление внесенных ранее транзакций, а также выполнить добавление новых прогнозных или балансировочных транзакций.

Подсистема прогнозирования суммы комиссионных сборов, взимаемых банком за проведение операций по счету/счетам была реализована как модуль банковской системы, и позволяет финансовому менеджеру рассчитать прогнозируемую сумму, которую необходимо будет заплатить банку за управление счетом [4].

Для получения прогнозного отчета пользователь должен задать параметры построения этого отчета. Система позволяет пользователю хранить любое количество наборов таких параметров, чтобы повторно в любой момент можно было сгенерировать отчет с уже определенными параметрами. В случае изменения прогнозной информации в системе это дает финансовому менеджеру возможность оценить влияние этой новой информации на финансовые обязательства компании перед банком.

После того, как параметры определены, пользователь имеет возможность сгенерировать отчет, используя любой из созданных наборов параметров.

Система рассчитывает следующие величины:

• сумму, которую банк должен выплатить клиенту за хранение денежных средств (в случае положительного баланса на счете);

• сумму, которую клиент выплачивает банку в случае создания отрицательного баланса по счету;

• сумму пошлин, которые взымает банк за управление счетом.

В отчете рассчитываются прогнозируемые суммы этих величин и статистические данные за период отчета. Если весь период отчета разбивается на несколько отчетных периодов – то статистические данные рассчитываются для каждого периода отдельно. Производится расчет следующих величин: средняя дебитовая процентная ставка, средняя кредитовая процентная ставка, средний баланс.

На основании заданных пользователем параметров строится список счетов, по которым будут проводиться все расчеты. Счета разбиваются на группы, используя заданный пользователем критерий. Весь период отчета при необходимости разбивается на меньшие периоды. Далее обработка ведется для каждой группы по каждому периоду. После этого генерируется XML документ с результирующими данными.

Пользователь имеет возможность просмотреть отчет в двух форматах: в формате HTML или в формате PDF.

ЛИТЕРАТУРА

1. Тедеев, А. А. Электронные банковские услуги и Интернет-банкинг / А. А. Тедеев. М.: Новый индекс, 2002.

2. Дакота, М. XML и Java 2 / М. Дакота, А. Саганич. СПб.: Питер, 2001.

3. Пэдж, Вильям Дж. Использование Oracle 8/8i. М.: Вильямс, 2000.

4. Панфилов, В. С. Финансовое и экономическое прогнозирование / В. С. Панфилов. М.: МаксПресс, 2009.

ПРИМЕНЕНИЕ И ОПТИМИЗАЦИЯ ПРЕОБРАЗОВАНИЯ ХАФА

ДЛЯ ПОИСКА ОБЪЕКТОВ НА ИЗОБРАЖЕНИИ

Институт систем информатики имени А. П. Ершова СО РАН Статья посвящена разработке и оптимизации алгоритмов, используемых для нахождения объектов с применением преобразования Хафа. Рассмотрены этапы предобработки и фильтрации, позволяющие производить обнаружение объектов с наименьшими временными затратами и сохранением качества поиска. Для сокращения времени обработки использовались параллельные вычисления и метод, основанный на выборке информативных областей.

Ключевые слова: обработка изображений, выделение контуров, преобразование Хафа, Haugh transform.

ВВЕДЕНИЕ

Преобразование Хафа (Hough transform) широко применяется в системах автоматизированного анализа изображений для определения фигур, описываемых аналитическими уравнениями [3].

Часто возникает проблема определения простых объектов, описываемых эллипсами или прямыми. В работе рассматриваются методы поиска и определения параметров объектов, форма которых описывается окружностью. Такими объектами могут являться газовые пузыри в жидкой среде, контуры радужной оболочки глаза или зрачка, ядра клеток на изображении препарата под микроскопом.

Методы, применяемые при подготовке изображений к исследованию (предварительная фильтрация, устранение шумов) и при основной обработке используют довольно ресурсоемкие вычисления, поэтому проблема оптимизации является актуальной для такого рода алгоритмов [1].

Сокращение времени нахождения результата может быть достигнуто с помощью распараллеливания алгоритма. При нахождении объектов с помощью преобразования Хафа используется метод, основанный на алгоритмической парадигме «разделяй и властвуй», что позволяет разделить вычисления между потоками. Суть подхода заключается в том, что каждому потоку отдается своя часть изображения или массив чисел, которые подвергаются обработке. Вычисления в разных потоках не зависят друг от друга, поэтому могут производиться одновременно и без синхронизации.

Также оптимизация может быть проведена с помощью доработки и улучшения самого алгоритма обнаружения объектов и нахождения их параметров.

ПРЕДОБРАБОТКА ИЗОБРАЖЕНИЯ

На первом этапе работы изображение из цветного переводится в черно-белое.

Это позволяет сократить объем используемой памяти и хранить в три раза меньше информации о цвете точки.

Вторым шагом обработки становится улучшение контраста и бинаризация изображения с использованием комбинаторного метода [2]. Как правило, при поиске контуров объекта используются операторы Собеля или Щарра, но исследования, проведенные в рамках работы, показали, что метод, основанный на поиске локальных минимумов и максимумов в окрестности точки, дает меньше шумов и ложных границ.

Рассматриваются две точки на изображении: p = (i, j ) и p = (i, j ) со значениями яркости b и b соответственно. Цветовым расстоянием между этими точками называется модуль значений яркости cd ( p, p ) = b b. Через Bn ( p ) = Bn (i, j ) обозначается квадрат со стороной размера n с центром в точке p = (i, j ), где n – нечетное. Задается n = 3, и в пределах рассматриваемого квадрата находятся минимальное и максимальное значения яркостей точек. Если значение цветового расстояния cd [ Bm ( p )] = max{cd ( p, p ) : p, p Bm ( p )} превышает значение порога, то считается что через выбранную точку p = (i, j ) проходит контур. В ходе экспериментов установлено, что оптимальный результат нахождения контура достигается при значении порога cd [ Bm ( p)] от 25 до 30 единиц яркости (по шкале от 0 до 255) в зависимости от изображения. После завершения этого этапа обработки получается изображение с выделенными контурами объектов.

Рис. 1. Результат применения комбинаторного метода

ОПТИМИЗАЦИЯ И ПОИСК ИНФОРМАТИВНЫХ ОБЛАСТЕЙ

В ходе исследования было установлено, что при уменьшении исходного изображения в 4 раза и удаления «мертвых областей», не содержащих объекты, достигается значительное сокращение временных затрат на нахождение центров объектов круглой формы.

Уменьшение изображения проводится с помощью следующего алгоритма: берется окрестность точки Bn ( p ) = Bn (i, j ), где n = 5, а p = (i, j ) – точка, принадлежащая изображению с найденными контурами. Если число точек контура, лежащих внутри окрестности точки p = (i, j ), больше либо равно 6, то считается, что в соответствующей точке на уменьшенном изображении проходит контур.

К полученному уменьшенному изображению применяем преобразование Хафа для некоторого диапазона радиусов и выбираем наиболее подходящее значение радиуса. Чем ярче точка в центре окружности, тем более точное совпадение радиуса объекта и параметра преобразования.

К моменту завершения обработки уменьшенного изображения уже можно точно назвать число объектов и назвать их приближенные характеристики (в этом случае, радиус r ). Так как для вычислений использовалось уменьшенное в четыре раза изображение, радиус R был найден неточно, но зная приближенное его значение r, можно провести дополнительный поиск по исходному полноразмерному изображению с применением оператора Хафа, используя значения радиуса в рамках R = 4 r ±, где подбирается в соответствии с коэффициентом масштабирования.

ЗАКЛЮЧЕНИЕ

Предложенное алгоритмическое усовершенствование обработки изображений с помощью метода Хафа дает хорошие результаты при размерах объектов порядка 10 – 20 % от размера изображения и позволяет избежать применения оператора Хафа для всего диапазона предполагаемых радиусов-параметров на полном изображении.

Планируется дальнейшее развитие алгоритма с целью сокращения вычислительных затрат на обработку некоторых контурных точек, которые, в действительности являются ложными (шумы) или избыточными.

ЛИТЕРАТУРА

1. Грузман, И. С. Цифровая обработка изображений в информационных системах / И. С Грузман [и др.] учебн. пособие. Новосибирск: Изд-во. НГТУ, 2000. С. 22–27.

2. Братцев, С. Г. Конфликт сложных систем / С. Г. Братцев, Ф. А. Мурзин, Б. К. Нартов, А. А. Пунтус.

М.: МАИ, 1995.

3. Roushdy, M. Detecting Coins with Different Radii based on Hough Transform in Noisy and Deformed Image / M. Roushdy // GVIP Journal, 2007, Vol. 7, № 1. P. 1–5.

МНОГОАГЕНТНОЕ И НЕЙРОНЕЧЕТКОЕ УПРАВЛЕНИЕ

СЛОЖНЫМИ РОБОТОТЕХНИЧЕСКИМИ СИСТЕМАМИ

Московский государственный технический университет имени Н. Э. Баумана Задача состоит в разработке теоретических и методологических основ системы управления многокомпонентными системами, обладающими сложным коллективным поведением. К таким системам относятся многосекционные манипуляторы, основанные на использовании параллельных механизмов (типа хобота или щупальца). Эти манипуляторы обладают большим числом степеней свободы, что приводит к значительному усложнению системы управления. При этом основным аппаратом решения этих задач является использование многоагентных систем с учетом адаптивных свойств агентов в контексте коллективной деятельности интеллектуальных робототехнических и мехатронных систем и методов нейросетевого и нейронечеткого управления.

Ключевые слова: агенты, многоагентные системы, нейронечеткие системы управления, параллельные механизмы, многокритериальная оптимизация.

Принцип действия мультиагентных управляющих систем основывается на декомпозиции общей задачи управления на ряд локальных задач и распределении этих задач между управляющими системами агентов, а также планировании коллективного поведения агентов, координации взаимодействия агентов на основе кооперации.

Мультиагентное управление позволяет координировать целенаправленную деятельность автономных агентов, планировать их поведение и взаимодействие, адаптироваться к изменяющейся среде и разрешать конфликты между агентами на стратегическом (супервизорном) уровне управления и коммуникации, т. е. посредством обмена информацией по компьютерным каналам связи.

При мультиагентном управлении многосекционным роботом-манипулятором ([1], рис.1) Рис.1. Многосекционный робот-манипулятор каждый агент можно рассматривать как интеллектуальный мехатронный объект с собственной базой данных и знаний, способный адаптироваться к заранее неизвестным или изменяющимся условиям функционирования в среде с препятствиями.

Поэтому большое значение в теории мультиагентного управления имеют методы обучения и адаптации как отдельных агентов на тактическом (локальном) уровне управления, так и системы в целом на стратегическом (супервизорном) уровне управления [2, 3]. Общая структурная схема мультиагентной системы управления многосекционным роботом-манипулятором представлена на рис. 2. [4].

Рис. 2. Схема мультиагентной системы управления многосекционным В общем случае структура абстрактного агента может быть представлена следующей схемой. Агент получает информацию из внешней среды, а также от соседних с ним агентов. Кроме того, он получает информацию от агента более высокого уровня (координатора). В процессе взаимодействия агент обучается и воздействует на внешнюю среду. При взаимодействии агентов между собой вырабатывается компромиссное решение, которое запоминается как самими агентами, так и координатором.

Координатор вычисляет положения (скорости и ускорения) исполнительного механизма R (t ), а также ошибку E 0 = R0 (t ) R(t ) его положения; на основе ошибок E0, e1, e2,..., e N формирует глобальную целевую функцию G0 (время отработки траектории, энергетические затраты и т. д.) для многокритериальной оптимизации.

Агент i рассматриваемой системы управления определяет положение базы соответствующей секции манипулятора ri 1, вычисляет положение управляемой им платформы ri, вычисляет ошибку положения (скорости и ускорения) этой платформы ei, формирует сигналы управления приводами актуаторов Fi, j.

В работе [1] показано, что кинематика трипода (одной секции манипулятора) описывается следующими уравнениями:

где Ai, j, [ Bi, j ] – величины, определяющиеся координатами концов штанг; li (1, 2 ) – длины подвижных штанг; 1, 2 – углы Эйлера, определяющие положение платформы относительно основания.

Динамика рассматриваемого трипода задается системой обыкновенных дифференциальных уравнений (ОДУ):

где J – момент инерции платформы;

F1, F2 – внешние силы, действующие на трипод, которые могут быть заданы как функции времени, обобщенных координат или длин li (1, 2 ) “своих” штанг;

i, j – углы, определяемые уравнениями:

Систему ОДУ второго порядка (2) легко записать в виде системы ОДУ первого порядка:

Напомним, что величины [ Bi, j ], i, j представляют собой функции переменных x1, x3. Задача управления триподом формулируется следующим образом. Необходимо найти такие законы изменения внешних управляющих воздействий F1, F2, которые на решениях системы ОДУ (3) обеспечивают заранее заданные законы изменения фазовых координат системы x1, x 2, x3, x 4.

Поскольку непосредственное измерение указанных фазовых координат технически сложно, будем заданные законы движения платформы 1 (t ), 2 (t ) пересчитывать в законы изменения длин штанг l1 (t ) = l 2 (t ), l3 (t ). В таком случае задача синтеза системы управления триподом ставится следующим образом. Необходимо построить систему автоматического управления (САУ), которая формирует законы изменения внешних управляющих воздействий F1 (t ), F3 (t ), обеспечивающие заданные законы изменения длин штанг l1 (t ) = l 2 (t ), l 3 (t ). Выходами САУ должны являться управляющие напряжения для приводов, которые реализуют изменения длин указанных штанг. Будем прежде исходить из того, что текущие длины штанг измеряются без статических и динамических погрешностей, так что в каждый момент времени величины l1 (t ) = l 2 (t ), l 3 (t ) известны точно.

Поскольку при функционировании трипода в составе многосекционного робота-манипулятора типа «хобот» динамические характеристики платформы, а также силы и моменты, действующие на нее, могут изменяться в очень широких пределах, САУ должна быть адаптивной.

Процесс функционирования многоагентной системы может быть описан с помощью итерационной процедуры следующим образом [5, 6].

Локальный уровень:

где ri – вектор текущего положения i платформы в s момент времени, F ( ri s 1 ) – + [ F ( ri +1 ) ri ] – оператор учета ошибки отклонения от квазиоптимального положения платформы.

Глобальный уровень:

1. Вычисление положения (скорости и ускорения) исполнительного механизма R(t).

2. Вычисление ошибки положения (скорости и ускорения) исполнительного механизма E0=R0(t) –R(t).

3. Формирование глобальной штрафной функции, учитывающей как ошибку отклонения исполнительного органа E0, так и частные ошибки ei для каждой секции.

4. Формирование глобальной целевой функции (время отработки траектории T, энергетические затраты W, минимального действия S) для многокритериальной оптимизации.

Работа нейросетевой модели нижнего уровня [7, 8]:

1. Вначале производится обучение эмулятора методом обратного распространения ошибки. При этом также учитывается ошибка верхнего уровня E0.

2. После того как сформирован вектор весовых коэффициентов Wij они передаются контроллеру, который вырабатывает управляющий сигнал, идущий на актуаторы.

ЛИТЕРАТУРА

1. Merlet, J. P. Parallel Robots (Solid Mechanics and Its Applications) / J. P. Merlet. Springer. 2006.

2. Месарович, М. Теория иерархических многоуровневых систем / М. Месарович, Д. Мако, И. Такахара. М.: Мир. 1973.

3. Зенкевич, С. Л. Основы управления манипуляционными роботами / С. Л. Зенкевич, А. С. Ющенко.

М.: МГТУ. 2004.

4. Каганов, Ю. Т. Многоагентный подход к управлению параллельным многосекционным манипулятором типа «хобот» / Ю. Т. Каганов, А. П. Карпенко. Мехатроника, автоматизация, управление:

материалы международной научно-технической конференции (28 сентября – 3 октября 2009 г., с. Дивноморское, Геленджик). С. 344–347.

5. Стефанюк, В. Л. Локальная организация интеллектуальных систем / В. Л. Стефанюк М.: ФИЗМАТЛИТ. 2004.

6. Опойцев, В. И. Равновесие и устойчивость в моделях коллективного повкедения / В. И. Опойцев М.: Наука. 1977.

7. Омату, С. Нейроуправление и его приложения / С. Омату, М. Халид, Р. Юсоф. М.: ИПРЖР. 2000.

8. Пегат, А. Нечеткое моделирование и управление / А. Пегат. М.: БИНОМ. 2009.

9. Shoham, Y. Multiagent Systems: Algorithmic, Game-Theoretic, and Logical oundations / Y. Shoham, K. Leyton-Brown. Cambridge University Press. 2008.

10. Wooldridge, M. An Introduction to MultiAgent Systems. Second Edition / M. Wooldridge. Published May 2009. by John Wiley & Sons.

РЕАЛИЗАЦИЯ ПРОГРАММНОГО КОМПОНЕНТА

ПОСТРОЕНИЯ ГРАФОВОЙ МОДЕЛИ ДИНАМИЧЕСКОЙ

ПРЕДМЕТНОЙ ОБЛАСТИ

Гродненский государственный университет имени Янки Купалы Рассматривается проблема моделирования динамической предметной области для класса задач, характер и сцена решения которых имеют распределенную структуру. Рассматривается вопрос проектирования архитектуры программной системы для решения сложно структурированных задач. В рамках этой архитектуры предлагается реализация программного компонента построения графовой модели динамической предметной области.

Ключевые слова: динамическая предметная область, графовая модель.

ВВЕДЕНИЕ

В настоящее время существует большое количество задач, характер и сцена решения которых имеют распределенную структуру. Это задачи выполнения крупных проектов коллективами территориально удаленных исполнителей, задачи управления распределенными организационными структурами, объединенными в некоторую административную иерархию, задачи по разработке программного обеспечения распределенными командами разработчиков и другие [1]. Характерной особенностью этих задач является необходимость распределения работ (декомпозиция задачи) между исполнителями с последующим объединением полученных результатов.

Предметная область описанного класса задач является динамической и распределенной, и возникает актуальная проблема автоматизации процесса формирования предметной области. Решение этой проблемы требует создания программной системы, которая будет формировать единое информационное пространство для команды распределенных исполнителей и обеспечивать их согласованную работу в условиях динамически изменяющейся среды. В данной работе рассматривается программная реализация компонента для построения, хранения, визуализации и модификации динамической графовой модели предметной области.

ПОСТАНОВКА ЗАДАЧИ

Описанный во введении класс задач определим как сложно структурированные задачи (ССЗ). В соответствии с онтологическим подходом модель ССЗ имеет вид [1]:

Task = (S, Group, S1, …, Sn, Req1,…, Reqk, Solution1, …,Solutionn, T1,…, Tn ), (1) где S – постановка общей задачи; Group = (Center, Expert1, Expert2, …, Expertn) – группа исполнителей, включающая центр (Center), инициирующий задачу, и распределенных исполнителей (Expert), реализующих решение подзадач; S1, …, Sn – постановки подзадач, полученных в результате декомпозиции S; Req1,…, Reqk – требования к решению; Solution1, …,Solutionn – формализованная информация, полученная в процессе решения подзадач и в сумме составляющая решение Task; T1,…,Tn – ограничения временных затрат на решение подзадач; n, k – переменная величина.

В [2] показано, что соответствующая модель предметной области может быть представлена древовидным ациклическим графом, вершиной которого является задача S, узлы определяют иерархию подзадач, дуги – уровень их вложенности.

Пусть G(V, E) – древовидный иерархический граф, представленный множеством вершин E и множеством ребер V. Граф G будем называть динамическим, если за промежуток времени t возможен переход графа из состояния G1(V1, E1) в состояние G2(V2, E2), причем множества (V1, V2) и (E1, E2) соответственно, не совпадают. Модификацией графа G назовем процесс перехода графа из состояния G1 в момент времени t1 в состояние G2 на момент времени t2, который может быть вызван выполнением некоторой последовательности операций на графе (добавление вершины, удаление вершины, разбиение графа, слияние графа). В соответствии с (1) каждой вершине графа поставим в соответствие следующий набор атрибутов:

где id – уникальный идентификатор вершины (задачи);

task – постановка задачи (требования к решению);

status – состояние вершины (0 – задача инициирована, но не решена, 1 – задача в процессе решения, 2 – задача решена);

name – уникальный идентификатор эксперта;

addr – адрес эксперта;

inf – информационная составляющая (фактически решение задачи, представленное в одном из допустимых форматов).

Требуется разработать способ представления графовой модели динамической предметной области задачи (1), позволяющий описать модель в виде формальной спецификации, а также реализовать программный компонент для построения, хранения, визуализации и модификации динамических графовых моделей.

АРХИТЕКТУРА СИСТЕМЫ ФОРМИРОВАНИЯ ДИНАМИЧЕСКОЙ ПРЕДМЕТНОЙ ОБЛАСТИ

На основе анализа общепринятых стандартов описания графов и теоретикографовых моделей, базирующихся на технологии XML, была рассмотрена возможность создания языка представления динамической предметной области за счет расширения языка разметки направленных графов DGML (Directed Graph Murkup Language). Выбор формата DGML обоснован возможностью его расширения за счет включения структурированных элементов, отвечающих специфике предметной области и за счет добавления дополнительных атрибутов ко всем элементам DGML. В результате была получена формальная спецификация для представления графовой модели динамической предметной области задачи (1), допускающая машинное представление графа, его автоматизированную обработку и облегченный механизм синтаксического анализа.

Для практического применения описанных выше моделей предметной области ССЗ и формальной спецификации для представления графовой модели необходимо разработать архитектуру программной системы, специфика которой заключается в распределенности источников информации, необходимых для формирования предметной области. Основное назначение системы – это формирование единого информационного пространства для команды распределенных исполнителей и обеспечение их согласованной работы. Предлагается включить в архитектуру системыкомпоненты, представленные на рис. 1.

При разработке архитектуры за основу взят процессный подход [4], который позволяет соотнести процессы решения ССЗ (построение и модификация графовой модели ПрО, добыча экспертных знаний, контроль полноты ПрО и синтез окончательного решения) с соответствующими компонентами программной системы. В результате архитектура имеет многомодульную (компонентную) структуру, каждый компонент которой реализует соответствующий процесс решения ССЗ.

Компонент доступа к системе (веб-компонент) представляет собой вебприложение, посредством которого организуется управление целевой системой и предоставляется пользовательский интерфейс. Агент построения виртуальных моделей решает задачу построения и модификации графовой модели предметной области.

Диспетчер анализа – модуль, выполняющий контроль полноты ПрО. Агент разрешения коллизий – программный компонент системы, который отслеживает и корректирует изменения, происходящие при модификации модели ПрО, поддерживает ее целостность и сохранность. Информационный агент – модуль добычи экспертных знаний и организации диалога между распределенными исполнителями в рамках одного проекта (задачи). Менеджер принятия решений – компонент, обеспечивающий синтез окончательного решения, т. е. формирование предметной области. Из схемы видно, что все компоненты используют общий модуль доступа к данным.

В рамках данной архитектуры в настоящее время решена задача программной реализации компонента построения графовой модели динамической предметной области.

РЕАЛИЗАЦИЯ КОМПОНЕНТА ПОСТРОЕНИЯ ГРАФОВОЙ МОДЕЛИ

Агент построения виртуальных моделей, выделенный в архитектуре разрабатываемой системы, представляет собой программный компонент, предназначенный для обеспечения возможности построения, хранения, модификации и визуализации графовой модели предметной области ССЗ. Архитектура программного компонента представлена на рис. 2.

Рис.2. Архитектура компонента построения графовых моделей Разработанная и программно-реализованная версия компонента позволяет решать следующие задачи:

• интерактивное создание графовой модели предметной области на основе первоначальной декомпозиции ССЗ, сохранение модели для последующего использования и модификации;

• визуализация модели;

• атрибуция вершин и дуг графа в соответствии с моделью (2);

• модификация модели за счет выполнения операций добавления, удаления • разграничение доступа к фрагментам графа в соответствии с назначенными экспертами для решения подзадач;

• экспорт экземпляра графовой модели в файл формата XML.

Реализация компонента выполнена на платформе Java с использованием свободно распространяемых фреймворков и инструментов Java-окружения (Hibernate, Spring Framework, Spring Security). Выбор указанных технологий обусловлен возможностью дальнейшего расширения системы. Для визуализации графовой модели использовалась библиотека jQuery, в качестве формата для хранения модели – текстовый формат обмена данными JSON (JavaScript Object Notation). В рамках данного компонента средствами скриптового языка JavaScript реализован автономный модуль для построения и визуализации графовых моделей. Модуль позволяет визуализировать любую графовую модель, в том числе модель предметной области ССЗ, которая задается множеством узлов, определяющих подзадачи, и множеством дуг, определяющих их иерархические отношения (рис. 3).

Рис.3. Модуль построения и визуализации графовых моделей

ЗАКЛЮЧЕНИЕ

Разработана архитектура программной системы для решения ССЗ распределенными группами исполнителей, выделены соответствующие компоненты программной системы, представлен пример реализации агента построения графовых моделей динамических предметных областей. Дальнейшее развитие проекта будет осуществляться в направлении объединения разработанных компонент в единую программную систему, а также в направлении создания средства интерактивного редактирования графовой модели предметной области.

ЛИТЕРАТУРА

1. Вальвачев, А. Н. Технология выполнения IT-проектов коллективами распределенных исполнителей / А. Н. Вальвачев, Х. Виссия, В. В. Краснопрошин // Искусственный интеллект. 2008. № 3. С. 63– 2. Карканица, А. В. Онтологический подход к построению моделей динамических предметных областей / А. В. Карканица. // Вестн. Гродн. гос. ун-та имени Янки Купалы. Сер. 2. 2010. № 1 (92). С.92– 3. Краснопрошин, В. В. Алгоритмы модификации деревьев для построения динамических предметных областей / В. В. Краснопрошин, А. В. Карканица // Искусственный интеллект. 2010. № 4. С. 63–69.

4. Елиферов, В. Процессный подход к управлению / В. Елиферов, В. Репин. М.: Стандарты и качество, 2005.

НЕЙРОСЕТЕВЫЕ МЕТОДЫ АНАЛИЗА

И ПРОГНОЗИРОВАНИЯ СТРУКТУРЫ

СИНТЕТИЧЕСКИХ АЛМАЗОВ

В статье представлены результаты нейросетевого анализа и моделирования зависимости парамагнитных свойств синтетических кристаллов алмаза от состава реакционной шихты. Предложено применить нейросетевое моделирование для определения времени синтеза наименее дефектных алмазных кристаллических структур.

Ключевые слова: сверхтвердые материалы, синтез кристаллов алмаза, парамагнитные свойства, нейросетевое моделирование, прогнозирование.

Сегодня работы в области технологии производства сверхтвердых материалов с заданными свойствами в республике ведутся в широком спектре проблем. В их числе синтез сверхтвердых материалов – порошков алмаза и кубического нитрида бора, разработка новых композиционных алмазосодержащих материалов и технологий получения из них инструмента, разработка технологий и оборудования для нанесения алмазных пленок и покрытий, сертификация алмазной продукции. Функциональные устройства электроники на основе алмазных материалов применяются в условиях экстремальных внешних воздействий, включая высокие температуры, повышенный уровень радиации, химические и механические воздействия и перегрузки. К числу таких устройств относятся различные сенсоры обнаружения газовых компонент, измерения температуры, давления и потока, а также детекторы электромагнитных и корпускулярных излучений.

Все вышесказанное обусловливает важность исследований в области синтеза кристаллов алмаза с заданными свойствами, что дает возможность их применения в различных областях науки и техники с наибольшей эффективностью.

В данной работе изучались способы нейросетевой обработки данных ЭПРисследований кристаллов синтетического алмаза с целью определения оптимальных условий их синтеза для получения требуемой структуры.

Для решения задач моделирования и анализа данных используются в основном линейные методы. В случае моделирования многофакторных экспериментов либо при необходимости учета различных влияющих величин линейные методы не могут дать достаточно надежных результатов. Искусственные нейронные сети по своей природе нелинейны и поэтому представляют собой мощный инструмент имитации сложных процессов и систем, таких как синтез кристаллов алмаза.

Биологический нейрон – сложная система, математическая модель которого до сих пор полностью не построена. Введено множество моделей, различающихся вычислительной сложностью и сходством с реальным нейроном. Одна из важнейших – формальный нейрон. Нейрон состоит из взвешенного сумматора и нелинейного элемента, имеет несколько входных сигналов x и один выходной сигнал y. Параметрами нейрона, определяющими его работу, являются: вектор весов w, пороговый уровень и вид функции активации. Модель формального нейрона не является биоподобной и скорее похожа на математическую абстракцию, чем на живой нейрон. Тем удивительнее оказывается многообразие задач, решаемых с помощью таких нейронов, и универсальность получаемых алгоритмов. Несмотря на простоту формального нейрона, сети, построенные из таких нейронов, могут сформировать произвольную многомерную функцию на выходе.

Формальные нейроны могут объединяться в сети различным образом. Самым распространенным видом сети стал многослойный персептрон. Сеть состоит из произвольного количества слоев нейронов. Нейроны каждого слоя соединяются с нейронами предыдущего и последующего слоев по принципу «каждый с каждым». Первый слой называется сенсорным или входным, внутренние слои называются скрытыми или ассоциативными, последний – выходным или результативным. Прогноз, аппроксимация и другие операции с функциями с помощью нейронных сетей сводятся к их обучению. Обучение – такой выбор параметров сети, при котором сеть лучше всего справляется с поставленной проблемой. Многослойный персептрон дает возможность решать алгоритмически неразрешимые задачи или задачи, для которых алгоритмическое решение неизвестно, но для которых возможно составить репрезентативный набор примеров с известными решениями. При обучении нейросеть за счет своего внутреннего строения выявляет закономерности в связи входных и выходных образов, тем самым как бы «обобщает» полученный на обучающей выборке опыт. В этой способности к обобщению и состоит основа привлекательности многослойного персептрона. Пользователю может быть неизвестно, какова зависимость между входными и выходными образами, достаточно иметь большой набор векторов, для которых известен ожидаемый выход. Наряду с достоинствами такие сети обладают таким недостатком, как отсутствие обратных связей. Такие модели называются сетями прямого распространения. Они не позволяют без дополнительных приемов моделировать развитие динамических систем. Тем не менее именно такие сети получили наибольшее распространение, как наиболее простые, в то же время позволяющие учесть большое количество влияющих величин.

Для решения задачи моделирования результатов синтеза кристаллов алмаза нами был использован пакет Neural Networks Toolbox (нейронные сети) системы компьютерной математики MatLab. Пакет Neural Networks Toolbox содержит средства для проектирования, моделирования, обучения и использования множества известных парадигм аппарата искусственных нейронных сетей (ИНС): от базовых моделей персептрона (нейрона) до самых современных ассоциативных и самоорганизующихся сетей. Пакет может быть использован для решения множества разнообразных задач, таких как обработка сигналов, нелинейное управление, финансовое моделирование, аппроксимация, предсказание, прогноз и тому подобных. Для каждого типа архитектуры и обучающего алгоритма ИНС в Toolbox имеются функции инициализации, обучения, адаптации, создания, моделирования, демонстрации (всего более 150 функций), а также примеры применения.

Спектроскопия ЭПР позволяет напрямую идентифицировать дефекты кристаллической решетки твердых тел, в частности синтетических алмазов, определить их природу, количество парамагнитных центров различных типов, что в общем можно охарактеризовать как определение качества кристаллов. Среди характеристик спектров сигналов ЭПР, которые могут давать важную информацию о природе и электронной структуре парамагнитных частиц, чаще всего выделяются g-фактор, ширина линии сигнала ЭПР и концентрация дефектов в кристалле. g-Фактор определяет не только положение линии в спектре ЭПР, но и представляет собой величину, характеризующую вещество. Регистрируемая величина поглощения СВЧ-мощности, т. е.

ширина линии сигнала ЭПР и его амплитуда, в магнитном поле пропорциональна общему числу неспаренных электронов, содержащихся в образце (т. е. концентрации дефектов), а значит, также служит характеристикой структуры вещества.

Для разработки алгоритмов использовались данные о свойствах кристаллов синтетических алмазов, синтез которых осуществлялся из шихты, представляющей собой спрессованную смесь порошков никель-марганцевого сплава ПРГН-40 и равного количества графита ГМЗ-ОСЧ с насыпной плотностью 0,87 г/см3, а также различных добавок (двуокись алюминия, никель, титан, магний или бор). Добавки вводились в шихту таким образом, что отношение графит-металл оставалось равным 1:1.

Синтез алмазов осуществлялся при давлении 5,5 ГПа и температуре 1620 К. Время синтеза изменялось в интервале 15–300 с. Выделенные из спеков кристаллы обрабатывались на шаровой мельнице в течение 30 с, химически очищались и сортировались по размерам от 315/250 до 40 мкм. Содержание Mn, Ni и примесей в кристаллах определяли методами нейтронно-активационного и рентгено-флюоресцентного анализов, парамагнитные центры регистрировались на ЭПР-спектрометре «VarianE-112» при комнатной температуре и температуре жидкого азота.

Дефекты идентифицировались следующим образом: Ni- ионы никеля в узле кристаллической решетки алмаза, Р1 – одиночные узельные атомы азота и РР – микродефекты с g = 2,003. В отличие от однозначно идентифицированных парамагнитных примесей (азота и никеля), по поводу экспериментально наблюдаемого спектра сигнала с g = 2,003 не существует единой точки зрения. Предполагается, что вклад в суммарный относительно широкий сигнал дают неспаренные электроны на sp2– гибридизированных атомах углерода, в том числе на неоднородностях структуры приграничных областей пирамид роста кристаллов; сложные вакансионно-азотные комплексы; поверхностные дефекты [1].

Нами была рассмотрена задача определения зависимости ширины линии ЭПР от размера фракции и времени синтеза алмазов. Синтезированные в течение 20, 30, 50, 90, 120, 180 и 240 с кристаллы алмазов обрабатывались на шаровой мельнице, химически очищались и сортировались по размерам (- 40, 50/40, 63/50, 80/63, 100/80, 125/100, 160/125, 200/160, 250/200). По результатам определения ширины линии ЭПР были составлены наборы входных (время синтеза и размер фракции) и выходных (ширина линии ЭПР с g-фактором 2,0027 – дефекты типа PP) векторов для многослойного персептрона. Для построения и реализации алгоритма анализа парамагнитных свойств (т. е. структуры) кристаллов синтетических алмазов была выбрана структура нейронной сети в виде многослойного персептрона. Этот выбор обусловлен тем, что многослойный персептрон имеет возможность решать алгоритмически неразрешимые задачи или задачи, для которых алгоритмическое решение неизвестно, но для которых возможно составить репрезентативный набор примеров с известными решениями. При обучении нейросеть за счет своего внутреннего строения выявляет закономерности в связи входных и выходных образов, тем самым как бы «обобщает»

полученный на обучающей выборке опыт. В этой способности к обобщению и состоит основа привлекательности многослойного персептрона. Пользователю может быть неизвестно, какова зависимость между входными и выходными образами, достаточно иметь большой набор векторов, для которых известен ожидаемый выход. Для решения поставленной задачи была сформирована четырехслойная полносвязная сеть, включающая 2 нейрона во входном слое (по числу компонентов входного вектора) с передаточной функцией logsig, 8 нейронов во втором слое с передаточной функцией logsig, 8 нейронов в третьем слое с передаточной функцией purelin и одним нейроном в выходном слое (по числу компонентов выходного вектора) с передаточной функцией purelin. При этом в качестве обучающего алгоритма выбран алгоритм Levenberg– Marquardt (trainlm). Для обучения брались и другие алгоритмы, но алгоритм trainlm показал наибольшую эффективность. Итак, созданную и обученную сеть можно применять для моделирования результатов синтеза кристаллов алмаза.

В результате моделирования был построен график зависимости размера фракции алмаза от времени синтеза, при нахождении оптимального времени для фиксированного размера, для которого ширина линии будет минимальна (рис. 1).

Рис.1. График зависимости размера фракции кристалла от времени синтеза Из приведенного графика следует, что оптимальное время, при котором ширина линии будет минимальна для размеров 45–90 мкм является 50 с, для 90–120 мкм – 130 с, для 120–150 мкм – 60–90 с, для 150–190 мкм – 145–150 с, для 190–250 мкм – 225–235 с. Поскольку величина ширины линии указывает на структурное совершенство кристаллов – чем уже линия, тем более совершенный кристалл получен – можно говорить о том, что при дальнейшем синтезе кристаллов при прочих равных условиях необходимо выбирать время синтеза из приведенных диапазонов для получения порошков необходимого размера менее дефектной структуры.

Важную роль при синтезе алмазов играет нахождение зависимостей, связанных с концентрациями дефектов. Зависимость размера фракции от времени синтеза кристаллов алмаза приведена на рис. 2.

Рис.2. Зависимость концентрации дефектов типа P1 в кристаллах Из приведенных результатов анализа видно, что оптимальное время, при котором концентрация азотных центров будет минимальна, для размеров 75–85 является 140–190 с, для 110–115: 190–250 с, для 115–125: 60–65 с, для 135–140: 75–100 с, для 155–175: 100–150 с, для 210–220: 40–60 с.

При реализации данной программы можно говорить не только об аппроксимации экспериментальных данных математическими моделями, но и о возможности предсказания поведения некоторых свойств синтетических алмазов в зависимости от времени синтеза. В частности, об определении времени синтеза для получения наименее дефектной структуры кристаллов синтетических алмазов заданной размерности.

ЛИТЕРАТУРА

1. Азарко, И. И. Парамагнитные свойства микрокристаллических порошков синтетического алмаза / И. И. Азарко [и др.] // Неорганические материалы. 2003. Т. 39, № 5. С. 512–514.

РАЗРАБОТКА И ИССЛЕДОВАНИЕ ПРОГРАММНОГО

ОБЕСПЕЧЕНИЯ ДЛЯ РАСПОЗНАВАНИЯ И АНАЛИЗА

ПАРАЗИТОЛОГИЧЕСКИХ ОБЪЕКТОВ

Витебский государственный университет имени П. М. Машерова, Витебская ордена «Знак Почета» государственная академия E-mail: korchevskaya.elena@tut.by, vitmironenko@rambler.ru В работе рассмотрена задача распознавания паразитологических объектов.

Разработано и реализовано программное обеспечение автоматизированной системы решения задачи распознавания, снабженной вычисляющей подсистемой.

Ежегодно во всем мире регистрируются многочисленные случаи гибели человека и животных в результате воздействия на них тех или иных биологических агентов. Зараженность опасными патогенами достигает в некоторых регионах до нескольких миллионов человек. Вспышки ряда болезней в настоящее время являются мало контролируемыми и слабо прогнозируемыми.

Основой эффективных превентивных мер является глобальный мониторинг биологической безопасности окружающей среды. Своевременное выявление опасных биологических агентов в исследуемых образцах тех или иных компонентов окружающей среды позволит своевременно принять адекватные меры.

В настоящее время сложность проведения глобального мониторинга биологической безопасности окружающей среды заключается в больших затратах, которые повлечет обработка получаемой информации. Так, исследование образцов рутинными методами требует использования значительного штата сотрудников и большие временные затраты.

Одним из путей решения данной проблемы является автоматизация идентификации биологических агентов с использованием специальных компьютерных программ.

Целью представленной работы является разработка и исследование программного обеспечения для распознавания паразитологических объектов.

Объектом исследования являются цветные изображения паразитологических объектов, полученные при цифровом микрофотографировании.

Разработанная система состоит из нескольких модулей, позволяющих осуществить основные этапы обработки изображения и построения моделей:

1. загрузку исходных данных;

2. приведение изображения к одному типу данных (выделение контура);

3. хранение исходных данных в специализированных хранилищах;

4. отбор наиболее информативных признаков;

5. построение моделей;

6. анализ и корректировку моделей.

Выделение контура основывается на процессе бинаризации с помощью методов Отса, глобального разделения с параметром, адаптивной бинаризации и фильтров для устранения шумов типа «соль и перец», медианного фильтра. Непосредственно выделение контура осуществляется с помощью метода Зонга-Суня, метода четырех направлений, а также с помощью библиотеки OPENCV.

Отбор наиболее информативных признаков является важной задачей процесса распознавания, т. к. признаки могут иметь различную природу и значимость для задачи классификации, поэтому отбор признаков и их упорядочивание основывается на важности этих признаков для характеристики образов или на влиянии данных признаков на качество распознавания.



Pages:     | 1 |   ...   | 2 | 3 || 5 | 6 |   ...   | 10 |





Похожие работы:

«ДОКЛАДЫ БГУИР № 2 (14) АПРЕЛЬ–ИЮНЬ 2006 ЭКОНОМИКА И УПРАВЛЕНИЕ УДК 608. (075) ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ НЕМАТЕРИАЛЬНЫХ АКТИВОВ Т.Е. НАГАНОВА Белорусский государственный университет информатики и радиоэлектроники П. Бровки, 6, Минск, 220013, Беларусь Поступила в редакцию 28 ноября 2005 Рассматриваются теоретические составляющие интеллектуальной собственности с целью формулировки подходов к совершенствованию патентно-лицензионной работы в Республике Беларусь. Ключевые слова: интеллектуальная...»

«Отечественный и зарубежный опыт 5. Заключение Вышеизложенное позволяет сформулировать следующие основные выводы. • Использование коллекций ЦОР и ЭОР нового поколения на базе внедрения современных информационных технологий в сфере образовательных услуг является одним из главных показателей развития информационного общества в нашей стране, а их разработка – коренной проблемой информатизации российского образования. • Коллекции ЦОР и ЭОР нового поколения – важный инструмент для повышения качества...»

«Направление подготовки: 010400.68 Прикладная математика и информатика (очная) Объектами профессиональной деятельности магистра прикладной математики и информатики являются научно - исследовательские центры, государственные органы управления, образовательные учреждения и организации различных форм собственности, использующие методы прикладной математики и компьютерные технологии в своей работе. Магистр прикладной математики и информатики подготовлен к деятельности, требующей углубленной...»

«ІІ. ІСТОРІЯ ФІЛОСОФІЇ Клаус Вигерлинг (Германия)1 К ЖИЗНЕННОЙ ЗНАЧИМОСТИ ФИЛОСОФИИ – ПО ПОВОДУ ОДНОГО СТАРОГО ФИЛОСОФСКОГО ВОПРОСА В статье производится ревизия современного состояния философии, анализируется её значение на основании философского анализа умозаключений, сделанных Гуссерлем, Хёсле. Данная статья подготовлена на основе двух докладов, которые были сделаны в университете Баня-Лука (Босния-Герцоговина). Ключевые слова: философия, жизненный мир, первоосновы, современное состояние...»

«Научные исследования подавателей факультета I математики и информатики 70-летию университета посвящается УДК 517.977 Е.А. Наумович ОСНОВНЫЕ РЕЗУЛЬТАТЫ ДЕЯТЕЛЬНОСТИ КАФЕДРЫ ДИФФЕРЕНЦИАЛЬНЫХ УРАВНЕНИЙ И ОПТИМАЛЬНОГО УПРАВЛЕНИЯ (1979-2009 гг.) В статье приводятся краткие сведения из истории создания и развития кафедры дифференциальных уравнений и оптимального управления. Сформулированы основные научные направления и наиболее важные результаты, полученные сотрудниками кафедры. Приведена информации...»

«Сведения об авторе. Сведения о дисциплине Международный консорциум Электронный университет Московский государственный университет экономики, статистики и информатики Евразийский открытый институт М.С. Каменецкая Международное частное право Учебно-практическое пособие Москва 2007 Международное частное право УДК - 341 ББК – 67.412.2 К – 181 Каменецкая М.С. МЕЖДУНАРОДНОЕ ЧАСТНОЕ ПРАВО: Учебно-практическое пособие. – М.: Изд. центр ЕАОИ, 2007. – 306 с. © Каменецкая М.С., 2007 © Евразийский открытый...»

«МОСКОВСКИЙ ГОРОДСКОЙ ПЕДАГОГИЧЕСКИЙ УНИВЕРСИТЕТ Фундаментальная библиотека Отдел информационного обслуживания Бюллетень новых поступлений в Фундаментальную библиотеку март 2014 г. Москва 2014 1 Составители: Т.А. Сенченко В бюллетень вошла учебная, учебно-методическая, научная и художественная литература, поступившая в Фундаментальную библиотеку в марте 2014 г. Материал расположен в систематическом порядке по отраслям знаний, внутри разделов – в алфавитнохронологическом. Указано распределение по...»

«МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ СТАВРОПОЛЬСКИЙ ГОСУДАРСТВЕННЫЙ АГРАРНЫЙ УНИВЕРСИТЕТ УТВЕРЖДАЮ Проректор по учебной и воспитательной работе И.В. Атанов _2014 г. ОТЧЕТ о самообследовании основной образовательной программы высшего образования 230700.62 Прикладная информатика (код, наименование специальности или направления подготовки) Ставрополь, СТРУКТУРА ОТЧЕТА О...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ БАШКИРСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ОТЧЕТ по результатам самообследования соответствия государственному образовательному стандарту содержания и качества подготовки обучающихся федерального государственного бюджетного образовательного учреждения высшего профессионального образования Бирский филиал Башкирский государственный университет по...»

«ИНФОРМАЦИЯ: ОБЗОР СОВРЕМЕННЫХ ПРЕДСТАВЛЕНИЙ О СУЩНОСТИ И ПОДХОДОВ К ОПРЕДЕЛЕНИЮ А. Я. Фридланд Тульский государственный педагогический университет им. Л.Н. Толстого 300026, г. Тула, пр. Ленина, д. 125 Аннотация. Информация – базовое понятие в современной науке. Однако единого подхода к пониманию сущности этого явления – нет. В статье дан обзор современных подходов к определению сущности явления информация. Показаны достоинства и недостатки каждого из подходов. Сделаны выводы о применимости...»

«МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ИМЕНИ М.В.ЛОМОНОСОВА ХИМИЧЕСКИЙ ФАКУЛЬТЕТ КАФЕДРА ОРГАНИЧЕСКОЙ ХИМИИ И.Э.НИФАНТЬЕВ, П.В.ИВЧЕНКО ПРАКТИКУМ ПО ОРГАНИЧЕСКОЙ ХИМИИ Методическая разработка для студентов факультета биоинженерии и биоинформатики Москва 2006 г. Введение Настоящее пособи предназначено для изучающих органическую химию студентов второго курса факультета биоинженерии и биоинформатики МГУ им. М.В.Ломоносова. Оно состоит из двух частей. Первая часть знакомит студентов с основными...»

«ТЕОРИЯ И МЕТОДОЛОГИЯ УДК 336.722.112:316 Т. А. Аймалетдинов О ПОДХОДАХ К ИССЛЕДОВАНИЮ ЛОЯЛЬНОСТИ КЛИЕНТОВ В БАНКОВСКОЙ СФЕРЕ АЙМАЛЕТДИНОВ Тимур Алиевич - директор по исследованиям ЗАО НАФИ, кандидат социологических наук, доцент кафедры социальной и педагогической информатики РГСУ. Email: aimaletdinov@nacfin.ru Аннотация. В статье приводится обзор классических и современных подходов к теоретической интерпретации и эмпирическим исследованиям лояльности клиентов к банкам. На основе анализа...»

«МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ им. М.В.ЛОМОНОСОВА ФАКУЛЬТЕТ ВЫЧИСЛИТЕЛЬНОЙ МАТЕМАТИКИ И КИБЕРНЕТИКИ А.М. ДЕНИСОВ, А.В. РАЗГУЛИН ОБЫКНОВЕННЫЕ ДИФФЕРЕНЦИАЛЬНЫЕ УРАВНЕНИЯ Часть 2 МОСКВА 2009 г. Пособие отражает содержание второй части лекционного курса Обыкновенные дифференциальные уравнения, читаемого студентам факультета вычислительной математики и кибернетики МГУ им. М.В. Ломоносова в соответствии с программой по специальности Прикладная математика и информатика. c Факультет...»

«Зарегистрировано в Минюсте РФ 28 апреля 2010 г. N 17035 МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ПРИКАЗ от 29 марта 2010 г. N 224 ОБ УТВЕРЖДЕНИИ И ВВЕДЕНИИ В ДЕЙСТВИЕ ФЕДЕРАЛЬНОГО ГОСУДАРСТВЕННОГО ОБРАЗОВАТЕЛЬНОГО СТАНДАРТА ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ ПО НАПРАВЛЕНИЮ ПОДГОТОВКИ 021300 КАРТОГРАФИЯ И ГЕОИНФОРМАТИКА (КВАЛИФИКАЦИЯ (СТЕПЕНЬ) МАГИСТР) КонсультантПлюс: примечание. Постановление Правительства РФ от 15.06.2004 N 280 утратило силу в связи с изданием Постановления...»

«ДОКЛАДЫ БГУИР №2 ЯНВАРЬ–МАРТ 2004 УДК 538.945 НАНОЭЛЕКТРОНИКА И НАНОТЕХНОЛОГИЯ В БЕЛОРУССКОМ ГОСУДАРСТВЕННОМ УНИВЕРСИТЕТЕ ИНФОРМАТИКИ И РАДИОЭЛЕКТРОНИКИ: ОТ ПЕРВЫХ ШАГОВ ДО СЕГОДНЯШНЕГО ДНЯ В.Е. БОРИСЕНКО Белорусский государственный университет информатики и радиоэлектроники П. Бровки, 6, Минск, 220013, Беларусь Поступила в редакцию 19 ноября 2003 Представлены основные этапы развития работ по наноэлектронике и нанотехнологии в БГУИР. Показаны организационная структура научных исследований и...»

«министерство образования российской федерации государственное образовательное учреждение московский государственный индустриальный университет информационно-вычислительный центр Информационные технологии и программирование Межвузовский сборник статей Выпуск 3 (8) Москва 2003 ББК 22.18 УДК 681.3 И74 Информационные технологии и программирование: Межвузов ский сборник статей. Вып. 3 (8) М.: МГИУ, 2003. 52 с. Редакционная коллегия: д.ф.-м.н. профессор В.А. Васенин, д.ф.-м.н. профессор А.А. Пярнпуу,...»

«СРГ ПДООС ПРЕДЛАГАЕМАЯ СИСТЕМА СТАНДАРТОВ КАЧЕСТВА ПОВЕРХНОСТНЫХ ВОД ДЛЯ МОЛДОВЫ: Технический доклад (сокращенная версия, без приложений) Настоящий доклад подготовлен Полом Бяусом (Нидерланды) и Кармен Тоадер (Румыния) для Секретариата СРГ ПДООС/ОЭСР в рамках проекта Содействие сближению со стандартами качества воды ЕС в Молдове. Финансовую поддержку проекту оказывает DEFRA (Соединенное Королевство). За дополнительной информацией просьба обращаться к Евгению Мазуру, руководителю проекта в ОЭСР,...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ УТВЕРЖДАЮ Заместитель Министра образования Российской Федерации В.Д. Шадриков 14 марта 2000 г. Номер государственной регистрации: 52 мжд / сп ГОСУДАРСТВЕННЫЙ ОБРАЗОВАТЕЛЬНЫЙ СТАНДАРТ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ Специальность 351400 ПРИКЛАДНАЯ ИНФОРМАТИКА (по областям) Квалификация информатик-(квалификация в области) В соответствии с приказом Министерства образования Российской Федерации от 04.12.2003 г. №4482 код данной специальности по...»

«Направление бакалавриата 210100 Электроника и наноэлектроника Профиль подготовки Электронные приборы и устройства СОДЕРЖАНИЕ ИСТОРИЯ ИНОСТРАННЫЙ ЯЗЫК ФИЛОСОФИЯ ЭКОНОМИКА И ОРГАНИЗАЦИЯ ПРОИЗВОДСТВА КУЛЬТУРОЛОГИЯ ПРАВОВЕДЕНИЕ ПОЛИТОЛОГИЯ СОЦИОЛОГИЯ МАТЕМАТИКА ФИЗИКА ХИМИЯ ЭКОЛОГИЯ ИНФОРМАТИКА ВЫЧИСЛИТЕЛЬНАЯ МАТЕМАТИКА МЕТОДЫ МАТЕМАТИЧЕСКОЙ ФИЗИКИ ФИЗИЧЕСКИЕ ОСНОВЫ ЭМИССИОННОЙ ЭЛЕКТРОНИКИ И КАТОДЫ СПЕЦИАЛЬНЫЕ ВОПРОСЫ ФИЗИКИ СПЕЦИАЛЬНЫЕ ВОПРОСЫ МАТЕМАТИКИ ОСНОВЫ ТЕОРИИ НАДЁЖНОСТИ ТЕОРИЯ ИНЖЕНЕРНОГО...»

«Содержание 1 Организационно-правовое обеспечение образовательной деятельности 2 Структура подготовки магистров 3 Содержание подготовки магистров 3.1. Анализ рабочего учебного плана и рабочих учебных программ 3.2 Организация учебного процесса 3.3 Информационно-методическое обеспечение учебного процесса 3.4 Воспитательная работа 4 Качество подготовки магистров 4.1 Анализ качества знаний студентов по результатам текущей и промежуточной аттестации. 15 4.2 Анализ качества знаний по результатам...»







 
© 2014 www.kniga.seluk.ru - «Бесплатная электронная библиотека - Книги, пособия, учебники, издания, публикации»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.