Глава
Упорядочивание данных в системах видеонаблюдения на основе технологий глубокого обучения
Рассматривается задача организации информации в системах видеонаблюдения с помощью автоматического выделения групп треков, так, что каждая группа содержит изображения лица только одного человека. Исследованы методы агрегации векторов признаков каждого кадра, извлекаемых с помощью глубокой сверточной нейронной сети. Треки, содержащие одинаковые лица, группируются с использованием методов верификации лиц и алгоритмов последовательной кластеризации. В экспериментальном исследовании с набором данных YouTubeFaces рассматриваются несколько способов объединения отдельных кадров для получения дескриптора видеодорожки. Показано, что наиболее высокую точность показывает сравнение нормализованных признаков, полученных с помощью усреднения векторов признаков всех кадров каждого трека.
В книге
В работе обсуждаются первые результаты обобщения сведений, полученных в ходе апробации мониторинга цифровой трансформации общеобразовательных организаций, который разрабатывает и реализует Институт образования НИУ ВШЭ по заказу ФГАУ «Фонд новых форм развития образования» в интересах Министерства просвещения Российской Федерации. Представлен аналитический инструмент, опирающийся на метод кластеризации, позволивший выделить специфику процессов цифровой трансформации для разных групп школ и подтверждающий различительные возможности мониторинга. Показано, что характер развития цифровой инфраструктуры школ и проходящие в школах процессы цифровой трансформации могут существенно различаться. Сделан вывод о необходимости дальнейшего развития представленного подхода в рамках следующих этапов мониторинга цифровой трансформации, запланированного на 2020–2021 гг.
Несловарные формы - единицы текста, отсутствующие в словаре программы морфологического анализа - представляют проблему как для морфологического парсинга текста, так и для создания словарей, основанных на текстовых корпусах. Оценка эффективности алгоритма построения кластеров несловарных слов проводилась на материале словника Национального корпуса русского языка и набора данных "База словоформ Яндекса".
В статье разрабатывается математический аппарат описания словаря системы морфологического анализа и синтеза. На его основе предложен алгоритм кластеризации слов, отсутствующих в словаре. С целью пополнения словаря на основе полученных кластеров строятся гипотезы о парадигме изменения таких слов.
В монографии представлены результаты исследований, отражающие процессы цифровой трансформации экономики и новые вызовы в области создания и развития инновационных кластеров. В монографии нашли отражение вопросы влияния процессов глобализации, информатизации и рецессии на формирование цифровой экономики, особенности цифровой трансформации промышленности, теории и практики кластерного развития экономики. В рамках анализа процессов цифровой трансформации экономики и формирования инновационных кластеров рассмотрены методы и инструменты моделирования, а также проблемы функционирования предприятий и интегрированных структур в условиях цифровизации. Монография отражает результаты исследований авторов. Материалы монографии будут полезны преподавателям, научным работникам, специалистам промышленных, научных предприятий, организаций и учреждений, а также аспирантам и студентам. Материалы монографии размещены в базе данных Российского индекса научного цитирования на платформе Elibrary.ru.
Работа посвящена вопросу воздействия реактивной составляющей автоматизированной обучающей системы на методики обучения с целью достижения оптимального результата образовательной деятельности этой системы. Предлагается использовать модель вычисления показателя синонимической близости двух текстовых выражений, основанную на учете коэффициентов синонимии терминов предметной области, для адаптации учебных курсов. Отмечено, что данная модель принципиально не зависит от изучаемой предметной области и методов организации работы с обучающей системой, что предоставляет большие возможности при очном, компьютерном либо дистанционном обучении.