(туннелированием), позволило объяснить многие экспериментально наблюдавшиеся процессы. В 1939 году немецкие физики Э. Руска и М. Кноль создали электронный микроскоп, ставший прообразом нового поколения устройств, которые позволили заглянуть в мир нанообъектов. В 1964 году, спустя шесть лет после изобретения интегральной схемы, Г. Мур, один из основателей американской корпорации Intel, выдвинул предположение о том, что число транзисторов на кристалле будет удваиваться каждые два года. Это наблюдение получило название первого закона Мура. Показав зависимость роста производительности запоминающих микросхем от сроков их изготовления, он обнаружил закономерность: новые модели микросхем каждый раз появлялись через приблизительно равные промежутки времени (18-24 месяца). При этом их емкость возрастала каждый раз примерно вдвое.
В 1968 году сотрудники американского отделения исследования полупроводников Дж. Артур и А. Чо разработали теоретические основы нанообработки поверхностей. В 1973 году советские ученые Д.А. Бочвар и Е.Г. Гальперн сделали первые теоретические квантово-химические расчеты наномолекулы фуллерена и доказали ее стабильность. Мировая наука вплотную подошла к началу решения прикладных задач в области нанотехнологий.
Современный вид идеи нанотехнологии начали приобретать в 80-е годы XX века в результате исследований Э. Дрекслера, работавшего в лаборатории искусственного интеллекта Массачусетского технологического института. Дрекслер выдвинул концепцию универсальных молекулярных роботов, работающих по заданной программе и собирающих любые объекты (в том числе и себе подобные) из подручных молекул. Все это также сначала воспринималось как научная фантастика. Ученый уже тогда довольно точно предсказал немало грядущих достижений нанотехнологии, которые с 1989 года сбываются, причем часто со значительным опережением даже его прогнозов.
Список использованной литературы:
1. А.А. Давыдов. В преддверии нанообщества. «Социологические исследования», 2007.
2. Merkle R.C. Nanotechnology: It's a Small, Small, Small, and Small World. 2000.
© Мухаммедов М., Чарыев О., Бабаныязов А., Гараджаев С., 2024
УДК 004.89
Нурмаммедова О., преподаватель, Туркменский государственный архитектурно-строительный институт,
Туркменистан, г. Ашхабад Пирлиев К., преподаватель, Туркменский государственный архитектурно-строительный институт,
Туркменистан, г. Ашхабад Зафарджанова М., студент, Туркменский государственный архитектурно-строительный институт,
Туркменистан, г. Ашхабад Сапаргулыев М., студент, Туркменский государственный архитектурно-строительный институт,
Туркменистан, г. Ашхабад
РАЗРАБОТКА ПРОГРАММНОГО МОДУЛЯ ДЛЯ СТИЛИЗАЦИИ ИЗОБРАЖЕНИЙ С ПРИМЕНЕНИЕМ НЕЙРОННЫХ СЕТЕЙ
Аннотация
Тема: «Разработка программного модуля для стилизации изображений с применением нейронных
сетей» Объём статьи 9 страниц, на которых размещены 4 рисунка. При написании работы использовалось 5 источников. Объектом исследования является разработка программного модуля для стилизации изображений. Предметом исследования является разработка веб-приложения по стилизации изображений с применением нейронных сетей. В данной работе представлены результаты разработки веб-приложения, которое позволяет любому пользователю, без особых познаний в программировании стилизовать изображение под заранее подготовленные стили.
Ключевые слова:
веб-приложение, нейронные сети, стилизация, изображение, Python, Streamlit.
В наше время, в век высоких технологий, большое значение уделяется облегчению человеческого труда. Ученые большей частью занимаются масштабными исследованиями в сфере машинного обучения. Именно оно решает ряд насущных проблем и задач, стоящие перед различными сферами: это экономика, образование, наука и другие. Сегодня как никогда большинство предпочитает технологии, представляющие различного рода систем, основанные на нейронных сетях. В данный момент нейронные сети широко и успешно применяют для решения разнообразных задач: научных, технических вопросов. Вследствие всего этого будут очень важные знания, касающиеся мыслительной деятельности и функционирования мозга человека. Сейчас больше внимание предоставляется тому, чтобы машина сама распознавала иллюстрацию, текст, видео, картинку. Можно существенно облегчить эту работу с помощью искусственных нейронных сетей.
Одним из актуальных направлений в нейросетевых технологиях является стилизация изображений. Преобразование изображения, опирающее на уже существующих различных шаблонах [1].
Практическая ценность данной работы заключается в нахождении лучших вариантов стилизации изображений и уменьшение затрачиваемого времени при обработке и процесса стилизации изображения. Объектом исследования является разработка программного продукта для стилизации изображений. Предметом исследования является разработка веб-приложения по стилизации изображений с применением нейронных сетей. В настоящее время на современного человека обрушивается огромный шквал информации в виде: видеоматериалов, картинок, диаграмм, графиков, таблиц, схем и др. Такая информация в образе компьютерной графики является изображением. Сегодня компьютерная графика - это самый далеко идущий и быстрый сегмент в сфере информационных технологий. Компьютерная графика обладает большими и разнообразными возможностями, особенно это затрагивает изображения для создания графической информации, поэтому следует пользоваться соответствующими компьютерными графиками как: растровое, векторные и др. [3].
В растровой компьютерной графике изображения представлены совокупностью пикселей. Пиксель - самый простой элемент растровой графики. У каждого пикселя свой определенный, соответствующий размер и цвет. Изображение имеет свой размер, и он определяется в пикселях по ширине и высоте (800x600px, 1024x768px, 1600x1200px и т.д.) а может еще в виде такого же количества пикселей (например, в изображении 1920x1080 пикселей содержится около 2 миллионов и 74 тысяч точек, что равно 2 мегапикселям). Цвет пикселя фиксируется в формате определенной совокупности битов. Численность цветов определяется численностью битов, в этом случае — это называется качеством растрового изображения цветовой глубины. Важным фактором растровой графики является разрешение изображения. В общем как показывает практика, чем больше количество пикселей на дюйм, тем выше и лучше предоставляется разрешение изображения, и тем оно чётче. Отображается этот показатель в единицах измерения «dpi» (dots per inch—точек на дюйм). Растровое изображение может применятся на мониторах, принтерах, сканерах, мобильных телефонах и цифровых фотоаппаратах. Самыми распространенными форматами растрового изображения является: GIF, JPEG, PNG [2].
В данное время со стороны разработчиков предложено огромное количество разнообразных и
интересных приложений. Приложения нацелены для высококачественной стилизации изображений, которым может пользоваться любой человек. Анализируя многочисленные приложения, мы отобрали наиболее популярные и пригодные именно для стилизации изображений [4].
Рассмотрев предлагаемые и соответствующие приложения были выбраны наиболее схожие приложения по стилизации изображения:
1. Prisma - приложение, редактирующее любые изображения в стиле известных художников.
2. Aristo - приложение, предназначенное для художественного видео и фото. Данное приложение работает с фильтрами, для стилизации произведений знаменитых художников, тематические и другие.
3. Ostagram - веб-приложение для обработки изображения в разных стилях.
4. DeepArt - веб-приложение предлагает пользователям создание художественных изображений посредством алгоритма перерисовки одного изображения с применением стилистических элементов другого изображения.
Все выше предложенные приложения применяют нейронные сети и некоторые из них применяют для обработки и работы с фотографиями. При сравнении предложенного приложения с другими можно подчеркнуть следующие достоинства моего веб-приложения:
1. Веб-приложение бесплатное;
2. Веб-приложение качественно стилизует изображения при помощи нейронных сетей, не вырезая изображения;
3. Веб-приложение быстро стилизует изображение при хороших характеристиках компьютера.
В качестве инструментов для разработки веб-приложения для стилизации изображения были использованы:
1. PyCharm - интегрированная среда разработки (IDE) для языка программирования Python совместима с Windows, macOS, Linux. Разработана компанией JetBrains.
2. Python - открытый объектно-ориентированный язык программирования высокого уровня общего назначения. Создан Гвидом Ван Россумом, Python Software Foundation. Прежде всего, он направлен для повышения производительности разработчика, читаемости кода и его особенности. Он является главным языком, одним из преимущественно перспективных технологий, таких как, искусственный интеллект, машинное обучение, большие данные и робототехника. Python может быть практично применен тогда, когда нужно связывать анализ данных с работой веб-приложения.
3. Streamlit - платформа с открытым кодом, которая специально разработана для инженеров машинного обучения и в работе по анализу данных, работающих непосредственно с Python. Создана в 2019 году компанией Streamlit. Данная платформа ведет к упрощению визуализации, изменению и обмену данными, устранению большого количества барьеров в веб-интерфейсе и дизайне [5,].
Главная спраница веб-приложения встречает нас простым и понятным для любого пользователя интерфейсом.
Для начала загрузим изображение, которое мы хотим стилизовать под выбранный стиль. Для этого воспользуемся загрузчиком файлов.
Далее пользователю предоставляется выбор стиля для стилизации загруженного изображения. На данный момент представлены три стиля известных художников: Сальвадора Дали, Пабло Пикассо и Винсента Ван Гога.
После выбора стиля остается только нажать на кнопку «Стилизовать» и после небольшой загрузки веб-приложение выдаст результат.
Список использованной литературы:
1. Старовойтов В.В. Цифровые изображения: от получения до обработки / В.В. Старовойтов, Ю.И. Голуб -Минск: ОИПИ НАН Беларуси, 2014.
2. Чочиа П.А. Трехмерные и двумерные изображения: модели, алгоритмы и области анализа. - 2014.
3. Аркабаев Д.И, Мохова А.Н. Компьютерная графика и сферы ее применения - 2020.
4. Ф.И. Каган, Г.К. Белугина. Художественные стили, направления и течения второго тысячелетия - 2016.
5. Деснёва Д.К, Пакульских Е.В. Цифровая живопись как направление развития компьютерных технологий, Москва. - 2020
© Нурмаммедова О., Пирлиев К., Зафарджанова М., Сапаргулыев М., 2024
УДК 62-192
Павлов М.А.
курсант, ВУНЦ ВВС «ВВА» г. Воронеж, Россия Фомов Д.В. курсант, ВУНЦ ВВС «ВВА» г. Воронеж, Россия Научный руководитель: Берулин В.В. преподаватель, ВУНЦ ВВС «ВВА» г. Воронеж, Россия
ОПТИМИЗАЦИЯ ТРЕБОВАНИЙ К НАДЕЖНОСТИ ОСНОВНЫХ ЭЛЕМЕНТОВ ЛЕТАТЕЛЬНОГО АППАРАТА
Аннотация
В данной статье рассказывается про оптимизации являющиеся определением допустимых уровней надежности для каждого элемента. Необходимо принимать во внимание особенности каждого элемента, его важность для общей работоспособности системы и последствия отказа. При этом следует стремиться к максимальному уровню надежности, соблюдая приемлемые экономические и технические ограничения.
Ключевые слова:
надёжность, безопасность, эффективность, стоимость, мероприятия, летательный аппарат.
Введение в проблематику оптимизации требований к надежности основных элементов летательного аппарата. Достижение высокой надежности является одной из ключевых задач в разработке и эксплуатации летательных аппаратов. Надежность основных элементов таких аппаратов, включая двигатели, системы управления и структурные компоненты, играет решающую роль в обеспечении безопасности полетов.
Оптимизация требований к надежности основных элементов летательного аппарата является сложной задачей, требующей системного подхода. Прежде всего необходимо определить критические элементы, которые оказывают наибольшее влияние на общую надежность. Затем проводится анализ важности каждого из этих элементов и его потенциальных рисков для безопасности полетов. Для оптимизации требований к надежности основных элементов летательного аппарата также необходимо учитывать внешние факторы, такие как окружающая среда, воздействие нагрузок и условия эксплуатации. Инженеры и проектировщики должны учесть все эти факторы при разработке и выборе соответствующих материалов, конструкций и систем.
Кроме того, важно применять современные методы анализа и оценки надежности, такие как методы математического моделирования и экспериментального тестирования. Они позволяют проводить