Целью данного исследования является определение связи энтропии временных параметров сигналов в робастной системе управления с величиной дискретизации системного времени (в развитие работ trspy 1185, trspy 1274). В качестве примера объекта исследования рассмотрен процесс и его сигналы экстренного торможения высокоскоростного состава при наличии скольжения колёс по рельсам. Решена задача нахождения абсолютной погрешности ступенчатой и линейной интерполяции сигнала управления по равномерным выборкам из него с применением моделей составных гармонических полуволн. Предварительно, при обследовании объекта управления, определяются максимальные величины параметров сигнала и полуволн: скорость, ускорение и резкость. Параметры спектра отсутствуют по причине большой инерционности объектов управления, процессов и сигналов. Для определения величин интервалов равномерной дискретизации времени рассмотрены две группы моделей «гармонических полуволн». Первая группа моделей описывается гармоническими функциями времени, параметры которых согласованы. Вторая группа моделей описывается составными гармоническими функциями времени, тем самым согласуются временные параметры сигналов. Доказано, что при увеличении энтропии максимальных величин параметров сигналов увеличивается величина интервала дискретизации времени без увеличения погрешности интерполяции. Таким образом, величина энтропии параметров сигналов служит индикатором их рассогласованности. Приведены результаты моделирования и графики, полученные в среде математического пакета MathCAD. Результаты предназначены для оптимизации загрузки задачами ввода и первичной обработки информации процессоров в робастных системах автоматики реального времени, например, используемых для управления высокоскоростными поездами при штатном экстренном торможении и экстренном торможении в условиях скольжения или юза.
В работе предлагается подход к оцениванию параметров нелинейных динамических моделей с помощью концепции Рандомизированного машинного обучения (РМО), основанной на переходе от детерминированных моделей к случайным (со случайными параметрами) с последующим оцениванием вероятностных распределений параметров и шумов по реальным данным. Главной особенностью данного метода является его эффективность в условиях малого количества реальных данных. В работе рассматриваются модели, сформулированные в терминах обыкновенных дифференциальных уравнений, которые преобразуются к дискретному виду для постановки и решения задачи энтропийной оптимизации. Применение предлагаемого подхода демонстрируется на задаче прогнозирования общего количества инфицированных COVID-19 с помощью динамической эпидемиологической модели SIR. Для этого в работе строится рандомизированная модель SIR (R-SIR) с одним параметром, энтропийно-оптимальная оценка которого реализуется его функцией плотности распределения вероятностей, а также функциями плотности распределения вероятностей измерительных шумов в точках, в которых производится обучения. Далее применяется техника рандомизированного прогнозирования с фильтрацией шумов, основанная на генерации соответствующих распределений и построении ансамбля прогнозных траекторий с вычислением средней по ансамблю траектории. В работе реализуется вычислительный эксперимент с использованием реальных оперативных данных о заболеваемости в виде сравнительного исследования с известным методом оценивания параметров модели, основанным на методе наименьших квадратов. Полученные в эксперименте результаты демонстрируют существенное снижение средне-абсолютной процентной ошибки (MAPE) при по отношению к реальным наблюдениям на интервале прогноза, что показывают работоспособность предложенного метода и его эффективность в задачах рассматриваемого в работе типа.
Работа посвящена прогнозированию развития эпидемии COVID-19 с помощью нового метода рандомизированного машинного обучения. Основу метода составляет идея оценивания распределений вероятностей параметров модели по реальным данным вместе с распределением вероятностей измерительных шумов. Энтропийно-оптимальные распределения соответствуют состоянию максимальной неопределенности, что позволяет использовать получаемые в итоге прогнозы, как прогнозы наиболее ``негативного'' сценария исследуемого процесса. Полученные оценки параметров и шумов, которые представляют собой распределения вероятностей, необходимо генерировать, получая таким образом ансамбль траекторий, который требуется анализировать статистическими методами. Для целей такого анализа проводится вычисление средней и медианной по ансамблю траектории, а также траектории, соответствующей средним по распределению значениям параметров модели. Предлагаемый подход используется для прогнозирования общего количества инфицированных с помощью трехпараметрической логистической модели роста. Проведенный эксперимент основан на реальных данных о распространении COVID-19 в нескольких странах Европейского союза. Основной целью эксперимента является демонстрация энтропийно-рандомизированного подхода для прогнозирования эпидемического процесса на основе реальных данных вблизи пика. Существенная неопределенность, содержащаяся в доступных реальных данных моделируется аддитивным шумом в пределах 30%, который используется как на этапе обучения модели, так и при прогнозировании. Для настройки гиперпараметров модели используется схема их настройки по тестовой выборке с последующим переобучением. Показано, что при одинаковых наборах данных, предлагаемый подход позволяет более эффективно прогнозировать развитие эпидемии по сравнению со стандартным подходом, основанным на методе наименьших квадратов.
Эффективная защита конфиденциальной речевой информации генераторами маскирующего шума является достаточно важной задачей для большинства государственных и коммерческих учреждений. Тем не менее, в настоящее время нет единого подхода к оценке качества маскирующих шумов для зашумления речевой информации, а существующие методики нуждаются в серьёзной доработке. В статье представлена модифицированная методика оценивания качества шума, используемого при маскировании речевой информации. Данная методика на основе введённого параметра равномерности амплитудного спектра позволяет учитывать и рассчитывать степень провалов в частотной области шумового сигнала.
Рассматриваются существующие объективные и субъективные метрики оценки качества телевизионного изображения. Приводится теоретическое обоснование новой метрики качества цифровых изображений и экспериментальная оценка возможности использования показателя локальной энтропии для формирования объективных метрик оценки качества телевизионных изображений.
В статье приводится обоснование энтропийного подхода к решению задач слепого разделения на примере задачи фильтрации речевых сигналов.
Приводится обоснование энтропийного подхода к оценке потерь информации при кодировании с потерями, а также применение этого подхода для многокритериальной оптимизации цифровых систем телевизионного вещания методом Парето
В статье рассматривается смена парадигмы: от традиционных математических моделей теории управления к алгоритмической теории информатики А.Н. Колмогорова. Проводится сопоставление между идентифицируемой объектной информацией и ансамблевой (энтропийной) информацией по Шеннону. Предложенные алгоритмические модели основаны на соответствующих приближениях ЗПК, рассматриваемых как самоподобные рекурсивные структуры (фрактальный подход).
В статье предлагается протокол формирования сетевого ключа по открытым каналам связи с ошибками. Дана постановка задачи формирования сетевого ключа. Предлагается включить в протокол три временные фазы. Первая фаза устанавливает криптосвязность в независимых группах объектов связи (ОС). Вторая фаза устанавливает криптосвязность между независимыми группами ОС. Третья фаза выбирает сетевой ключ из множества сформированных ключей и передает его всем ОС сети. Рассматривается протокол формирования сетевого ключа. Предлагаются модель канальной связности и процедуры этого протокола. Выполняется оптимизация параметров протокола и обсуждается его эффективность.
1 - 9 из 9 результатов
