ИСПОЛЬЗОВАНИЕ НЕЙРОННЫХ СЕТЕЙ В ЗАДАЧАХ РАСПОЗНАВАНИЯ МАТЕМАТИЧЕСКИХ ВЫРАЖЕНИЙ Текст научной статьи по специальности «Компьютерные и информационные науки»

основанных на интересах сотрудников, пробелах в навыках и ряде иных ключевых факторов. Искусственный интеллект также может помочь в автоматизированной виртуальной помощи для самообслуживания сотрудников. Всякий раз, когда у сотрудников возникают какие-либо вопросы, им не нужно писать или спрашивать HR-менеджера, они могут мгновенно использовать средства автоматического реагирования [5].

Итак, основной целью представленной статьи являлось выполнение анализа влияния искусственного интеллекта на рынок труда. В заключение необходимо отметить, что проанализированные решения позволяют автоматизировать широкий спектр задач в вопросах подбора персонала. Именно на основе интеллектуальных инструментов значительно повышается рациональность использования ресурсов и эффективность работы современных компаний. При этом данные тенденции относятся не только к этапу подбора персонала, но и в целом ко всей работе организации [6]. Список использованной литературы:

1. Моттаева А.Б., Кашинцева В.Л., Покровский О.Ю. Влияние искусственного интеллекта на рынок труда // Вестник МГОУ. Серия: Экономика. 2020.

2. Акьюлов Р. И., Сковпень А. А. Роль искусственного интеллекта в трансформации современного рынка труда // Дискуссия. 2019.

3. Суродина Е.А., Иванников Н.С. Четвертая промышленная революция и ее влияние на рынок труда // Россия в глобальном мире. 2018.

4. Hisamova Z.I., Begishev I.R. The essence of artificial intelligence and the problem of determining legal personality // Bulletin of the Moscow State University. Series: Jurisprudence. 2020.

5. Лескина Э.И. Искусственный интеллект в сфере труда // Российское право: образование, практика, наука. 2020.

© Черемисин Д.Г., Мкртчян В.Р., 2022

УДК 004.2

Черемисин Д.Г.

Бакалавр

МГТУ им. Н.Э. Баумана (Мытищинский филиал), Московская обл., г. Мытищи, Мкртчян В.Р.

Бакалавр

МГТУ им. Н.Э. Баумана (Мытищинский филиал), Московская обл., г. Мытищи

ИСПОЛЬЗОВАНИЕ НЕЙРОННЫХ СЕТЕЙ В ЗАДАЧАХ РАСПОЗНАВАНИЯ МАТЕМАТИЧЕСКИХ ВЫРАЖЕНИЙ

Аннотация

Развитие сегмента информационных технологий приводит к значительным переменам в различных отраслях деятельности человека. Одной из наиболее актуальных технологий из данной сферы являются искусственные нейронные сети. Цель текущей статьи состоит в анализе вопроса использования искусственных нейронных сетей в распознавании математических выражений. Автором предпринимается попытка систематизации основных сведений, необходимых для понимания возможностей и перспектив

использования данных решений.

Ключевые слова

Искусственная нейронная сеть, распознавание, математическое выражение, информационные технологии, нейрон.

Активное развитие и распространение информационных технологий на качественном уровне меняет практически все сферы жизнедеятельности современного человека. Актуальным направлением интеграции информационных технологий является математическая сфера. Так, цифровые решения используются для автоматизации расчетов, моделирования и ряда иных задач. Однако наибольшую значимость приобретают вопросы, связанные с распознаванием математических выражений [1].

Набирающие популярность исследования по решению данных задач, говорят о высоком приоритете и значимости эффективного распознавания в решаемых на сегодняшний день проблемах. На сегодняшний день развитие решения задачи распознавания математических выражений происходит по трем основным направлениям: метод, основанный на сравнении с уже имеющейся базой символов; метод, использующий критерии распознаваемых выражений; метод, основанный на самообучающихся алгоритмах [2].

Так, последний метод является инновационным решением задачи распознавания математических выражений, основываясь на работе искусственных нейронных сетей (ИНС) и машинного обучения. ИНС представляет собой математическую модель, описываемую с помощью программного кода. Данная сеть строится на основе принципов организации и функционирования реальных биологических нейронных сетей. Данное направление является актуальным вектором развития современного программного рынка [3].

В составе нейронной сети находятся нейроны, имеющие определенное значение входов и выходов, а также некоторый вес (рис. 1). Главная задача таких нейронов состоит в определение взвешенной суммации своих входов. В распознавании математических выражений такими объектами являются пиксели изображения с тем или иным символом. Настройка весовых коэффициентов связей нейронов может быть произведена на основе обучения ИНС. Данные действия способны минимизировать различного рода ошибки во время распознавания математических выражений.

Рисунок 1 - Устройство нейрона для задач распознавания математических выражений

Для адекватной отработки и формирования выходного сигнала нейроном необходимо использовать целевую функцию out=ф(net). Значение данной функции и будет являться выходом нейрона:

оШ = ф (Хр^хм), (1)

где ф - функция активации, Х=1Х№1 - взвешенная сумма п - произведений входных сигналов на

соответствующие веса.

Создание ИНС для задач распознавания математических выражений может происходить в двух основных направлениях: машинном обучении с учителем и без учителя.

При обучении искусственных нейронных сетей с учителем для распознавания образов используется выборка с существующими ответами на вопрос, какие именно объекты присутствуют на изображении. Нейронным сетям на вход подаются эти данные, в результате чего происходит вычисление ошибок и сравнение с входных значений с выходными. Относительно степени и характера несоответствия ИНС корректируются и дорабатываются, подстраивая работу под верные ответы и минимизации ошибок [4].

При обучении без учителя отсутствует обучающая выборка. Перед нейронными сетями представлена задача нахождения заранее не известных объектов и действий. В данном случае ИНС самостоятельно пытается найти закономерности в данных, извлекая и производя анализ признаков.

Общий алгоритм работы искусственных нейронных сетей в распознавании математических выражений представлен на рис. 2:

Входное изображение 1

Процесс сегментации изображения 1

Сжатие изображения до размера 40*40 рх

Г

__Загрузка файла весов_

Не верно ___—-—" -— -<^_Процесс распознавания^^:

Указание верного значения

I

Пересчет весов

Рисунок 2 - Алгоритм работы ИНС в распознавании выражений

Таким образом, основной целью представленной статьи являлось исследование применения искусственных нейронных сетей в задаче распознавания математических выражений. В результате работы выяснено, что ИНС представляют перспективный метод решения задачи распознавания математических выражений, однако требуют использование больших вычислительных ресурсов. В заключение необходимо отметить, что рассматриваемая задача не является новой, однако требует модернизации алгоритмов обучения для распознавания более сложных и многоуровневых математических выражений.

Список использованной литературы:

1. Бучельников М. А., Сидорова М. Ю., Спиренкова О. В., Никулина М. Е. Использование искусственных нейронных сетей для распознавания русловых форм // Интерэкспо Гео-Сибирь. 2022.

2. Кулакович А.Ю. Программная реализация однослойной нейронной сети для распознавания цифровых символов // ИВД. 2018.

3. Mustaev A.F. Application of neural networks in image recognition // Bulletin of Science. 2019.

4. Zaginailo M.V., Fathi V.A. Character recognition using the apparatus of artificial neural networks // Innovations and investments. 2021.

© Черемисин Д.Г., Мкртчян В.Р., 2022

Верно

Вывод результат