CC BY
26личности судьи, несовместимое с реализацией медиативного подхода к урегулированию споров, так как судья за время своей профессиональной деятельности привыкает субъективно оценивать справедливость заявленных сторонами требований и делать вывод в пользу той стороны, чьи аргументы оказались более убедительными [2, с. 36]. Данный вывод представляется не до конца обоснованным; если исходить из подобной позиции, то такой «субъективный подход» должен стать препятствием и при работе судьи в отставке в органах государственной власти, органах местного самоуправления в случаях, предусмотренных законом [3].
Подводя итог вышесказанному, нужно сказать, что судебное примирение является перспективной процедурой для снижения нагрузки на судебную систему, но она имеет ряд пробелов, которые необходимо урегулировать для создания нового достойного и качественного способа защиты прав и свобод участников арбитражного процесса.
СПИСОК ЛИТЕРАТУРЫ:
Арбитражный процессуальный кодекс РФ: Федеральный закон от 24 июля 2002 г. № 95-ФЗ // Собрание законодательства Российской Федерации. 2002. № 30. Ст. 3012. Милохова А.В. Развитие примирительных процедур урегулирования споров в контексте судебной реформы // Законы России: опыт, анализ, практика. 2018. № 8. С. 36 - 41. О статусе судей в Российской Федерации: Закон РФ от 26.06.1992 № 3132-1 // Российская газета. 1992. 26 июня.
К проекту федерального закона «О внесении изменений в отдельные законодательные акты Российской Федерации в связи с совершенствованием примирительных процедур»: Пояснительная записка // URL: http://sozd.parlament.gov.ru/ (Дата обращения: 14.12.2020) Сводные статистические сведения о деятельности федеральных судов общей юрисдикции и мировых судей // URL: http://www.cdep.ru/index.php?id=79&item=5257 (Дата обращения: 14.12.2020)
ТЕХНИЧЕСКИЕ НАУКИ (TECHNICAL SCIENCE) УДК 001.891.32
Григорьев А.Е.
студент 3 курса кафедры информационной безопасности и цифровых технологий Астраханский государственный университет (Россия, г. Астрахань)
ЭЛЕКТРОННЫЙ НОС НА ОСНОВЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
Аннотация: в данной статье рассматриваются особенности технологий электронного носа на основе искусственного интеллекта, а также приводится преимущество данного метода распознавания запахов перед аналогами.
Ключевые слова: электронный нос, электронный сенсор, распознавание запахов, искусственный интеллект.
Развитие прикладных наук и, в частности, твердотельной электроники во многом обусловливается потребностями в различных приборах, которые могут заменить или улучшить способности и возможности человека.
За последние годы "электронные сенсорные" или "е-сенсорные" технологии получили значительное развитие с технической и коммерческой точек зрения [5]. Термин «электронный сенсор» означает устройство способное воспроизводить человеческие чувства при использовании сенсорных массивов и соответствующих систем распознавания. Электронные сенсоры для распознавания запахов разрабатываются как устройства, имитирующие работу органов обоняния людей [4].
Во всех отраслях промышленности оценка запаха обычно производится либо анализатором человеческих сенсоров, либо хромосенсорами, либо при
помощи газовой хроматографии [2]. Последний метод дает информацию о летучих органических соединениях, но корреляция между аналитическим результатом и реальным восприятием запаха не является прямой из-за потенциального взаимодействия между несколькими компонентами запаха. Также имеет значение то, что до сих пор эти приборы достаточно громоздки, дорогостоящи, требуют подготовку пробы и часто электронный нос быстрее и лучше, чем эти приборы [2].
Главной задачей электронных носов является не только распознавание отдельных компонентов, создающих запах, но и способность воспринимать и реагировать на их совокупность.
Основными частями устройства является пробоотборная система, блок детекторов и блок обработки сигналов. Пробоотборная система обеспечивает получение воздуха с летучими химическими соединениями, и его транспортирование в блок детекторов. Она должна обеспечить стабильные условия работы блока детекторов.
Затем система осуществляет распознавание состава полученного датчиками газа. С этой целью, обычно, используют группу датчиков, которые способны реагировать (изменять электрические свойства) на одно или несколько веществ в различных концентрациях.
Заключительным этапом является обработка и классификация полученных от датчиков данных с помощью нейронных сетей. Для большинства моделей машинного обучения требуются данные правильной формы (например, сетка пикселей или вектор чисел) в качестве входных данных [3]. Однако существует и альтернативный подход - графовые нейронные сети ^NN3 GNN позволили использовать входные данные неправильной формы, такие как графы, непосредственно в алгоритмах машинного обучения [7].
Все архитектуры глубоких нейронных сетей создают представления входных данных на своих промежуточных уровнях. Успех глубоких нейронных сетей в задачах прогнозирования зависит от качества их изученных
представлений, часто называемых вложениями. Правильно обученные нейросети позволяют с большой долей вероятности отнести полученные от датчиков данные к той или иной категории запахов и даже способны воспринимать и классифицировать совокупности запахов.
Ближайшими аналогами и конкурентами электронных носов являются технологии газовой хроматографии и масс-спектрометрии.
Масс-спектрометрия - метод исследования и идентификации вещества, позволяющий определять концентрацию различных компонентов в нем. Основой для измерения служит ионизация компонентов, позволяющая физически различать компоненты на основе характеризующего их отношения массы к заряду и, измеряя интенсивность ионного тока, производить отдельный подсчет доли каждого из компонентов [1].
Газовая хроматография - физико-химический метод разделения веществ, основанный на распределении компонентов анализируемой смеси между двумя несмешивающимися и движущимися относительно друг друга фазами, где в качестве подвижной фазы выступает газ (газ-носитель), а в качестве неподвижной фазы - твердый сорбент или жидкость, нанесенная на инертный твердый носитель или внутренние стенки колонки [2].
На сегодняшний день ни один электронный нос не позволяет проводить столь же точный и функциональный анализ свойств химических соединений, как метод хромато-масс-спектрометрии, однако они обладают явными преимуществами в плане простоты использования и дешевизны. А в случаях, когда целью является именно распознавание и классификации запахов по ощущениям от них системы электронных носов не имеют альтернатив.
Системы типа электронный нос находят применение в научно-исследовательских лабораториях и на различных производствах, выполняя функцию контроля качества. Также подобные системы применяют при защите окружающей среды и локализации ее загрязнений [6], для выявления летучих органических соединений в образцах воздуха, воды и почвы.
