Нейросетевой метод оперативного картографирования с использованием беспилотного летательного аппарата

М.В. Акинин; Н.В. Акинина; М.Б. Никифоров; А.В. Соколова; А.И. Таганов

Нейросетевой метод оперативного картографирования с использованием беспилотного летательного аппарата

М.В. Акинин¹, Н.В. Акинина², М.Б. Никифоров³, А.В. Соколова⁴, А.И. Таганов⁵

научная статья Страницы: 9-14

¹ к.т.н., мл. науч. сотрудник, кафедра «Космические технологии», РГРТУ (г. Рязань)
² аспирант, кафедра «Космические технологии», РГРТУ (г. Рязань)
³ к.т.н., доцент, директор НОЦ «Специализированные ЭВМ», РГРТУ (г. Рязань)
⁴ магистрант, кафедра «Электронные вычислительные машины», РГРТУ (г. Рязань)
⁵ д.т.н., профессор, зав. кафедрой «Космические технологии», РГРТУ (г. Рязань)

Ключевые слова: картографирование беспилотный летательный аппарат многомерная нейронная карта Кохонена древовидный классификатор искусственная нейронная сеть машина опорных векторов анализ главных компонент энергетические характеристики Лавса текстурные признаки Харалика

Аннотация

Рассмотрен метод построения высокоточных детализированных двухмерных и трехмерных карт и моделей местности, основанный на применении нейросетевой системы искусственного интеллекта для решения задачи дешифрации данных аэрофотосъемки, получаемых от беспилотного летательного аппарата.

Для цитирования

Акинин М.В., Акинина Н.В., Никифоров М.Б., Соколова А.В., Таганов А.И. Нейросетевой метод оперативного картографирования с использованием беспилотного летательного аппарата // Динамика сложных систем - XXI век. 2015. № 2. С. 9–14.

Список источников

Widyawardana Adiprawita, Adang Suwandi Ahmad, Jaka Semibiring Unmanned Aerial Vehicle Instrumentation for Rapid Aerial Photo System // International Conference on Intelligent Unmanned Systems. Bali, Indonesia. 2007. P. 111−118.
Reid A., Ramos F., Sukkarieh S. Multi-Class Classification of Vegetation in Natural Environments Using an Unmanned Aerial System // International Conference on Robotics and Automation. China. 2011. P. 2953−2959.
Haykin S. Neural networks and learning machines. Prentice Hall. 2009. 906 p.
Соколова А.В., Акинин М.В., Никифоров М.Б. Алгоритм антиалиасинга текстур виртуальной модели местности, основанный на методах деблюринга изображений // Mezinarodni vedecka a prakticka konference «World & Science». Чехия, Брно. 2014. P. 232−237.
Fan R.-E., Chen P.-H., Lin C.-J. Working Set Selection Using Second Order Information for Training Support Vector Machines // Journal of Machine Learning Research (6). 2005. P. 1889−1918.
Kohonen T. Self-organizing formation of topologically correct feature maps // Biol. Cyb. 1982. P. 59−69.
Akinin M., Nikiforov M., Taganov A. Automated Combining Remote Sensing Data and Digital Maps, Based on Non-linear Cellular Neural Network and Boltzmann-s Restricted Stochastic Machine // 3rd Mediterranean Conference on Embedded Computing (MECO-2014). Montenegro, Budva. 2014. P. 144−147.
Haralick M.R., Shanmugam K., Dinstein I. Textural features for image classification // IEEE Transactions on systems, man and cybernetics. 1973. V. SMC 3. № 6. P. 610−621.
Акинина Н.В., Акинин М.В., Никифоров М.Б. Применение нейросетевых методов анализа главных компонент при решении задач обработки данных дистанционного зондирования Земли // Mezinarodni vedecka a prakticka konference «World & Science». Чехия, Брно. 2014. P. 177−183.
Akinin M.V., Konkin Y.V., Nikiforov M.B. Using Kitano\'s grammar encoding for finding optimal multilayer artificial neural network without feedback in image processing problems // Science and Education: Materials of the III International research and practice conference (V. I). Germany, Munich: Vela Verlag Waldkraiburg. 2013. P. 82−88.

[1] Widyawardana Adiprawita, Adang Suwandi Ahmad, Jaka Semibiring Unmanned Aerial Vehicle Instrumentation for Rapid Aerial Photo System // International Conference on Intelligent Unmanned Systems. Bali, Indonesia. 2007. P. 111−118.

[2] Reid A., Ramos F., Sukkarieh S. Multi-Class Classification of Vegetation in Natural Environments Using an Unmanned Aerial System // International Conference on Robotics and Automation. China. 2011. P. 2953−2959.

[3] Haykin S. Neural networks and learning machines. Prentice Hall. 2009. 906 p.

[4] Соколова А.В., Акинин М.В., Никифоров М.Б. Алгоритм антиалиасинга текстур виртуальной модели местности, основанный на методах деблюринга изображений // Mezinarodni vedecka a prakticka konference «World & Science». Чехия, Брно. 2014. P. 232−237.

[5] Fan R.-E., Chen P.-H., Lin C.-J. Working Set Selection Using Second Order Information for Training Support Vector Machines // Journal of Machine Learning Research (6). 2005. P. 1889−1918.

[6] Kohonen T. Self-organizing formation of topologically correct feature maps // Biol. Cyb. 1982. P. 59−69.

[7] Akinin M., Nikiforov M., Taganov A. Automated Combining Remote Sensing Data and Digital Maps, Based on Non-linear Cellular Neural Network and Boltzmann-s Restricted Stochastic Machine // 3rd Mediterranean Conference on Embedded Computing (MECO-2014). Montenegro, Budva. 2014. P. 144−147.

[8] Haralick M.R., Shanmugam K., Dinstein I. Textural features for image classification // IEEE Transactions on systems, man and cybernetics. 1973. V. SMC 3. № 6. P. 610−621.

[9] Акинина Н.В., Акинин М.В., Никифоров М.Б. Применение нейросетевых методов анализа главных компонент при решении задач обработки данных дистанционного зондирования Земли // Mezinarodni vedecka a prakticka konference «World & Science». Чехия, Брно. 2014. P. 177−183.

[10] Akinin M.V., Konkin Y.V., Nikiforov M.B. Using Kitano\'s grammar encoding for finding optimal multilayer artificial neural network without feedback in image processing problems // Science and Education: Materials of the III International research and practice conference (V. I). Germany, Munich: Vela Verlag Waldkraiburg. 2013. P. 82−88.

Аннотация

Для цитирования

Похожие статьи