ivdon3@bk.ru
В данной статье рассматриваются особенности реализации моделей для распознавания именованных сущностей. В ходе работы проведен ряд экспериментов как с традиционными моделями, так и с известными архитектурами нейронных сетей, гибридной моделью, рассматриваются особенности результатов, их сравнение и возможные объяснения. В частности, показано, что гибридная модель с добавлением двунаправленной долгой краткосрочной памяти может давать более качественные результаты, чем базовая двунаправленная модель представлений на основе трансформеров. Также показано, что улучшенная путем добавления прореживающего слоя для регуляризации, взвешенной функции потерь и линейного классификатора поверх выходов, двунаправленная модель представлений на основе трансформеров может давать высокие значения метрик. Для наглядности в работе приведены графики обучения моделей и таблицы с метриками для сравнения. В процессе работы сформированы выводы и рекомендации.
Ключевые слова: анализ текста, искусственный интеллект, распознавание именованных сущностей, нейронные сети, глубокое обучение, машинное обучение
Работа посвящена анализу методов машинного обучения для решения задач автоматической обработки документов. В исследовании рассмотрены такие методы, как классификация, извлечение информации, распознавание образов и обработка естественного языка и их применение в анализе текстовых данных. Проведен анализ существующих алгоритмов и моделей, включая, линейные модели, деревья решений, методы опорных векторов и проведено сравнение их эффективности в зависимости от различных условий и параметров. Особое внимание уделяется проблемам, с которыми сталкиваются специалисты при использовании методов машинного обучения в работе с документами, такими как качество данных, необходимость предварительной обработки и настройка параметров моделей. Приводятся перспективы дальнейших исследований в данной области и примеры возможной интеграции современных методов машинного обучения для повышения эффективности и точности автоматической обработки документов в различных отраслях.
Ключевые слова: машинное обучение, автоматическая обработка документов, вычислительный эксперимент, искусственный интеллект, модели классификации, программный комплекс
1.2.2 - Математическое моделирование, численные методы и комплексы программ
В настоящее время особое внимание уделяется системам искусственного интеллекта на транспорте. Одним из актуальных направлений является разработка автономных автомобилей. Однако существует и промежуточный подход. Когда управление является не полностью автоматическим и автоматизированным. В таких системах человеку отводится важная роль, однако система, анализируя данные из окружающей среды позволяет формировать разного рода рекомендации. Более того, такие системы позволяют работать на предупреждение в некоторых ситуациях. В частности, некоторые системы мониторинга водителей позволяют обнаруживать факт курения за рулем, отвода глаз от дороги. В данной работе особое внимание уделяется системы анализа состояния глаз водителя. В первую очередь, результаты такого анализа могут быть использованы для определения факта засыпания. Однако анализируя, частоту морганий, можно прогнозировать сон. Тем не менее, для построения такой системы необходимы вычислительные мощности. В данной работе быстродействие достигается за счет применения каскадов Хаара и метода Виолы-Джонса в обнаружении глаз. Обнаруженные на видео глаза представляют собой изображения гораздо меньшего размера по сравнению с целым кадром видеопоследовательности, за счет чего достигается высокая производительность при их обработке сверточной сетью на следующем этапе. Структурно система состоит из двух нейронных сетей, параллельно работающих для левого и правого глаза. Полученные значения полноты достигают порядка 90%.
Ключевые слова: компьютерное зрение, искусственный интеллект, система безопасности, детектор лиц, глубокое обучение, пропуск цели, доля верных распознаваний, мониторинг водителей, распознавание глаз, метод Виолы-Джонса, каскады Хаара, оптимизация
05.13.18 - Математическое моделирование, численные методы и комплексы программ