CC BY
20154 Секция 10
Применение методов искусственного интеллекта для криптоанализа шифра Плейфера
Г. Куттубек-к, А. В. Старченко
Национальный исследовательский Томский государственный университет
Email: wendiya97@gmail.com
DOI: 10.24411/9999-017A-2020-10350
Криптоанализ - наука о методах расшифровки зашифрованной информации без предназначенного для этого ключа [1]. Нейронные сети не подходят для задачи подбора ключей при дешифровании текста, но вполне способны решить проблему с оценкой пригодности дешифрованного текста.
Целью работы является применение методов искусственного интеллекта в криптоанализе шифра Плейфера.
В работе представлена математическая постановка задачи криптоанализа шифра Плейфера с применением технологии нейронных сетей (ИНС), а также математическое описание модели ИНС, выбранной для решения задачи классификации текста (прямое и обратное распространение ошибки сети). Сформированы обучающая и тестовая выборки, а также процедуры предварительной обработки входных данных для ИНС.
Список литературы
1. Focardi R., Luccio F.L. Neural Cryptanalysis of Classical Ciphers // Proceedings of the 19th Italian Conference on Theoretical ComputerScience/Urbino. 2018. P. 104-115.
Segmentation of MRI images in classification tasks
A. S. Miroshnichenko1, V. M. Mikhelev'-2
lBelgorod State National Research University
2Belgorod State Technological University named after V. G. Shukhov
Email: 963565@bsu.edu.ru
DOI: 10.24411/9999-017A-2020-10269
One of the main tasks in the analysis of medical images is segmentation. Segmentation involves the allocation of certain areas of the image by a set of specific features. The article discusses methods and algorithms for image processing for automatic and semi-automatic segmentation of images of brain MRI. A comparative analysis of the methods and approaches of image segmentation for the subsequent classification of images. A study was conducted on the effectiveness of using various methods and models for the segmentation of images of brain MRI.
Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований (грант 19-07-00133_А)
References.
1. Clarke L. P. MRI segmentation: Methods and applications / L. P. Clarke, R. P. Velthuizen, M. A. Camacho еt al. // Magnetic Resonance Imaging. 1995. Vol. 13-3. Р. 343-368.
2. MiroshnichenkoA. S., Mikhelev V. M. - "The method of recognition of objects in MRI images based on a convolutional neural network" // XVIII International Conference "Computer Science: problems, methodology, technologies" (IPMT-2018) and IXED - 2018, 8-9 February, Voronezh. P. 181-185.
3. Manoj, L. L. Brain Tumor Detection and Segmentation Using Histogram Thresholding/ K. K. Manoj, Y. K. Soubrabh// International J. of Engineering and Advanced Technology. 2012. Vol. 1. Issue 04. P. 16-20.
Эволюционный синтез нелинейных моделей на основе метаэвристического программирования и темплейтов
О. Г. Монахов
Институт вычислительной математики и математической геофизики СО РАН
Email: monakhov@rav.sscc.ru
DOI: 10.24411/9999-017A-2020-10270
Рассмотрено применение алгоритма метаэвристического программирования (МР), основанного на различных биоинспирированных алгоритмах, для эволюционного синтеза нелинейных моделей. Описанный подход эволюционного синтеза объединяет преимущества генетических алгоритмов и генетического программирования, использует последовательную операторную структуру хромосомы,
