Все выпуски

В статье рассматриваются методы перестроения неструктурированных четырехугольных и смешанных сеток. Описываются варианты определения шаблонов перестроения «на девять ячеек» в случае неструктурированной четырехугольной сетки, обеспечивающие выпуклость ячеек конечной сетки. Для контроля максимально допустимого угла сетки предложены шаблоны перестроения ячеек плохого качества. Разработан алгоритм перестроения неструктурированной смешанной сетки, приведены примеры работы алгоритма, показывающие улучшение качества сетки в сравнении с известными методами.

Работа посвящена валидации модели адаптивного управления движением людских потоков в динамической среде ограниченного пространства, в качестве которого может выступать здание. Рассматривается важный случай, при котором скорости изменения характеристик движения людского потока и состояния среды близки по величине. Для описания имманентных свойств цифровой модели здания введено понятие топологической сложности. Топологическая сложность характеризует здание с позиции связности его элементов. Валидация основана на сопоставлении результатов эвакуации людей из зданий, полученных в процессе проведения учебных пожарных тревог, c результатами моделирования движения людских потоков. При сопоставлении сравниваются временные интервалы освобождения зданий. Экспериментальные результаты статистически значимо аппроксимируются регрессионной моделью, которая используется при валидации. Валидация позволила получить уточняющий коэффициент цифровой модели здания, при котором результаты моделирования движения людских потоков соответствуют результатам натурных наблюдений. Валидация модели управляемого движения людских потоков в изменяющейся среде ограниченного пространства позволила использовать модель в программно-аппаратном комплексе управления людскими потоками, функционирующем в режиме опережения реального времени.

Представлена модификация разработанного генератора шестигранных сеток из воксельных данных, касающаяся возможности построения адаптивных расчетных сеток. Область перестроения определяется исходя из геометрических особенностей описываемой модели с выраженными участками относительно малых размеров. Предложен универсальный критерий перестроения ячеек как в случае объемного (воксельного), так и поверхностного (STL) представления геометрии модели. Описаны используемые шаблоны перестроения шестигранных ячеек, обеспечивающие конформное замыкание сетки.

Рассматривается проблема автоматизации процессов передачи и обработки информации в адаптивных информационных системах. Анализ существующих подходов к решению данной задачи показал перспективность использования нейросетевых технологий. Сформулирован нейросетевой метод обработки и передачи информации в адаптивных информационных системах. Метод включает формализованное описание нейросетевого канала данных — программного инструмента для анализа, обработки данных и выбора протокола передачи данных. Изложены основные этапы предлагаемого метода: классификация структур исходных данных, их преобразование, обработка данных, выбор необходимого протокола передачи информации. Каждый из этапов реализуется посредством нейронных сетей различной архитектуры. Приведено теоретическое обоснование возможности применения нейросетевого метода, полученное на основе доказательства ряда теорем. Новизна предлагаемого метода заключается в переходе от аналитического решения задач классификации, обработки и передачи данных к автоматизированному подходу с применением технологий машинного обучения. Практическая значимость нейросетевого метода состоит в снижении сложности реализации процессов обработки и передачи информации, повышении уровня автоматизации при организации межмодульного взаимодействия. Проведена оценка реализации нейросетевого метода по ряду метрик оценки сложности программного обеспечения. Проанализированы область применения, достоинства и недостатки разработанного метода.

Рассматриваются искусственные нейроны, чьи весовые коэффициенты будут изменяться по специальному закону, основанному на интегрированном в их модели обратном распространении. Для этого коэффициенты погрешности обратного распространения вводятся в явном виде во все модели нейронов и осуществляется передача их значений вдоль межнейронных связей. В дополнение к этому вводится специальный тип нейронов с эталонными входами, которые будут выступать в качестве основного источника первичной оценки погрешности для всей нейронной сети. В последнюю очередь вводится контрольный сигнал для запуска обучения, который будет управлять процессом передачи коэффициентов погрешности и корректировкой весов нейронов. Для рекуррентных нейронных сетей демонстрируется как провести интеграцию обратного распространения во времени в их формализм с помощью стековой памяти для внешних входов нейронов. Дополнительно к этому рассматриваются примеры как формализовать в рамках данного подхода такие популярные нейронные сети, как сети долгой кратковременной памяти, сети радиально-базисных функций, многослойные перцептроны и сверточные нейронные сети. Основным практическим следствием данного подхода является возможность описания нейронных сетей с перестраиваемыми связями на основе интегрированного алгоритма обратного распространения.

Рассматривается задача автоматизации процесса разработки информационных систем на основе применения оригинальной нейросетевой архитектуры. Проведен анализ существующих подходов к автоматизации проектирования информационных систем. Сформулированы рекомендации к архитектуре информационных систем, направленные на снижение негативного влияния человеческого фактора. Представлена общая концепция нейросетевой архитектуры в виде структурной модели, даны определения основных сущностей и компонентов. Ключевыми отличиями нейросетевой архитектуры являются: независимость ключевых сущностей информационных систем и возможность автоматизации их проектирования и взаимодействия на основе применения нейронных сетей; изолированность математического обеспечения архитектуры; разграничение моделей информационных процессов и функциональных элементов от управляющих систем и систем представления информации; учет влияния окружения на процессы движения информационных потоков, элементы управления и представления системы; возможность адаптации структурных блоков информационных систем под особенности предметной области, параметры оборудования пользователя без необходимости внесения существенных изменений в архитектуру. Рассмотрено понятие нейросетевого канала данных, его структура и обобщенное математическое обеспечение. Осуществлена декомпозиция структурной модели. Представлены структурные схемы каждой сущности нейросетевой архитектуры информационных систем, описание основных компонентов, используемые нейросетевые каналы данных для связи сущностей и их компонентов. Проанализирована область применения нейросетевой архитектуры.

Построен метод декомпозиции области для  адаптивного МКЭ с перестроением сетки, который включает параллельные алгоритмы: решения систем линейных уравнений, апостериорной оценки погрешности, локального перестроения сетки и динамической балансировки вычислительной нагрузки. Исследована их эффективность и структура вычислительных затрат при выполнении на мультиядерных вычислительных системах.