Программы для ЭВМ

Программа реализует модель процедуры синтаксического разбора предложения в формате Национального Корпуса Русского Языка, основанную на нейросетевых алгоритмах. Программа реализована на базе алгоритмов инкрементального разбора, глубокого обучения и нейронных сетей. Входными файлами для работы программы являются предложения с указанием морфологических признаков слов в нем в формате CoNLL. Выходными данными является результат синтаксического разбора с указанием типа синтаксических связей для каждого слова и его родителя. В процессе выполнения программы последовательно, начиная с этапа получения данных, проводится экстракция дополнительных признаков с использованием классификационных нейросетевых алгоритмов и цикл разбора, включающий: формирование вектора признаков, описывающего текущее состояние разбора; его векторизация и обработка посредством классификатора на базе машины опорных векторов с линейным ядром. Тестирование разработанной программы на данных Национального Корпуса Русского Языка показывает, что средняя точность установления синтаксических отношений составляет 89.9%, установления связей без типов синтаксических отношений - 91.7%, построения дерева синтаксического разбора с указанием типов синтаксических связей - 35.9%, построение синтаксических структур предложений без типов синтаксических связей - 52.3%. Тип реализующей ЭВМ: IBM PC-совмест. ПК Язык программирования: Python Вид и версия операционной системы: Linux

Федеральное государственное бюджетное учреждение "Национальный исследовательский центр "Курчатовский институт" (RU)

Программа позволяет получить импульсную нейронную сеть, удовлетворяющую ограничениям цифровых нейроморфных процессоров и решающую задачу классификации аудиозаписей на примере задачи классификации городских звуков UrbanSound8k. Для этого проводятся следующие этапы: обучение искусственной нейронной сети; квантование весов сети, приводящее их к целым значениям; кластеризация весов, обеспечивающая у каждого нейрона не более заданного количества уникальных по модулю значений весов; моделирование импульсной нейронной сети, эквивалентной полученной искусственной нейронной сети. Обучение исходной искусственной нейронной сети, дообучение её в ходе квантования и кластеризации, а также валидация импульсной нейронной сети проводится с применением кросс-валидации на одном и том же разбиении обучающего набора данных на тренировочную и тестировочную выборки. Для обучения применяется открытый программный пакет tensorflow, для кластеризации - программа для ЭВМ «Программа преобразования весов нейронной сети к заданным ресурсным ограничениям нейроморфных вычислительных устройств на основе кластеризации», для моделирования импульсной нейронной сети - открытый программный пакет SNN conversion toolbox; указанные программные средства не содержатся в составе настоящей программы. Python 3.8

Федеральное государственное бюджетное учреждение "Национальный исследовательский центр "Курчатовский институт" (RU)

Программа предназначена для подготовки данных интернет-текстов с целью их последующей разметки средствами краудсорсинга для настройки инструментов решения задач эмотивно-тонального анализа. В алгоритме реализован механизм отбора предложений из текстов различных интернет-источников и их представление в формате краудсорсинговой платформы для дальнейшей разметки. Функциональные возможности: предварительный отбор эмотивных предложений, реализованный на базе словарей эмотивно-тональной лексики; разбиение входного текста на слова и предложения; выделение именованных сущностей из текста; расчёт коэффициента сходства двух предложений; отбор эмотивных предложений с использованием словарей эмотивно-тональной лексики из различных источников; сохранение подготовленных данных. Входными данными для программы являются: текст документов из рассматриваемых источников; словари эмотивно-тональной лексики. Результатом работы программы являются подготовленные наборы предложений для последующей разметки на эмотивно-тональные классы. Тип ЭВМ: IBM PC-совмест. ПК; ОС: Linux. Python

Федеральное государственное бюджетное учреждение "Национальный исследовательский центр "Курчатовский институт" (RU)

Программа предназначена для обеспечения выполнения следующих функций. В режиме проведения нестационарных измерений: генерацию управляющего сигнала по одному каналу; генерацию двух управляющих - синхронизирующих цифровых сигналов; регистрацию, отображение и запись первичных сигналов по двум каналам, отображение результатов обработки сигналов по двум алгоритмам. В режиме подготовки к нестационарным измерениям: регистрацию стационарных сигналов по двум каналам, обработку по одному алгоритму и статистический анализ результата, регистрацию и статистический анализ сигнала термодатчика. Программа предназначена для специалистов, занимающихся нестационарными теплофизическими измерениями, и может использоваться в научно-исследовательских институтах и предприятиях Госкорпорации «Росатом», а также учебных институтах соответствующего профиля. Тип реализующей ЭВМ: IBM PC-совмест. ПК Язык программирования: G Вид и версия операционной системы: Windows XP/Vista/7

Российская Федерация, от имени которой выступает Государственная корпорация по атомной энергии "Росатом" (RU), Федеральное государственное бюджетное учреждение "Национальный исследовательский центр "Курчатовский институт" (RU)

Программа представляет собой библиотеку классов планирования движения робота на двумерной сетке с учётом целей и опасностей и графический интерфейс симулятора, позволяющего загружать среду из файла, сохранять её в файл, генерировать её и запускать симуляцию. Алгоритм планирования движения основан на генерации «потенциального поля», которое создаётся тянущими на себя целями-зарядами и отталкивающими от себя опасностями, и спуску по нему, а также на использовании «феромона», позволяющего выходить из областей локального минимума. Python

Федеральное государственное бюджетное учреждение "Национальный исследовательский центр "Курчатовский институт" (RU)

Программа вычисляет математическое ожидание изменения синаптического веса нейрона Integrate-and-Fire под действием модели синаптической пластичности Spike- Timing-Dependent Plasticity (STDP). Входными данными являются константы STDP, порог нейрона и частоты пуассоновских входных спайковых последовательностей. Реализована аддитивная STDP с двумя схемами учёта пар спайков: пре-центрированной и ограниченной симметричной. Отличительной особенностью программы является учёт вклада, который в изменение веса вносит корреляция выходной последовательности нейрона со входными. Выходная последовательность спайков нейрона моделируется процессом Эрланга, а также, для сравнения, пуассоновским процессом. Конечным результатом является оценка стационарного распределения весов, а именно количество весов, установившихся вблизи 1. Тип ЭВМ: Персональный компьютер IBM PC. ОС: Ubuntu. Python 3.5, gnuplot

Федеральное государственное бюджетное учреждение "Национальный исследовательский центр "Курчатовский институт" (RU)

Программа реализует алгоритм отбора тематически схожих документов на основе эталонной коллекции текстов. Алгоритм основан на интеграции множества вероятностно-энтропийных индикаторов для выделения набора ключевых слов и словосочетаний, описывающего тему для поиска. Входными данными для программы является запрос пользователя в виде эталонной коллекции документов (около 20 документов), описывающих объект поиска: новости, статьи, записи в блогах и т.п. Выходными данными является список документов тематически схожих с заданной эталонной коллекцией и контекстно-семантический граф, отражающий основные вложенные темы в результате поиска. Для решения данной задачи программой производится моделирование темы на основе анализа вероятностно-энтропийными и семантическими методами эталонной коллекции и статистических данных Национального Корпуса Русского Языка. В программе используется дивергенции Кульбака —Лейблера, для сравнения распределений терминов, информационная энтропия, отражающая равномерность распределения терминов по документам коллекции. Также применяются веса, на основе распределении Бернулли. Дополнительно используется семантический алгоритм Гинзбурга, для определения близости двух слов. Тип реализующей ЭВМ: IBM PC-совмест. ПК Язык программирования: Python Вид и версия операционной системы: Linux

Федеральное государственное бюджетное учреждение "Национальный исследовательский центр "Курчатовский институт" (RU)

Программа предназначена для организации вычислений, выполняемых на неструктурированной поверхностной расчетной сетке с треугольными ячейками. Программа поддерживает произвольные пользовательские данные в узлах, ребрах и ячейках расчетной сетки, предназначена для использования в конечно-объемных решателях численных методов для процессов на поверхности тела. Программа поддерживает выполнение на суперкомпьютере, включает в себя декомпозицию расчетной сетки, организацию межпроцессных обменов пользовательскими данными с помощью MPI, поддерживает распараллеливание обработки сетки на общей памяти с помощью ОрепМР. Программа поддерживает функционал изменения геометрии расчетной сетки. Тип ЭВМ: IBM PC-совмест. ПК; ОС: Linux.

Федеральное государственное бюджетное учреждение «Национальный исследовательский центр «Курчатовский институт» (RU)

Программа предназначена для определения класса (тега) слов или словосочетаний по тексту. Основой для алгоритма определения тега является глубокая нейронная сеть с встроенным механизмом внимания. Особенностью является необходимость предварительного выделения слов или словосочетаний (сущностей) из текста для определения тегов. Программа реализует следующий функционал: 1) процедура подготовка данных для обучения неросетевой модели; 2) процедура обучения нейронной сети для определения класса заранее определённой сущности; 3) процедура определения тега сущности по тексту на основе настроенной нейронной сети. Входными данными для программы является текст с выделенными сущностями, для которых необходимо определить тег. Выходными данными являются определённые программой теги для каждой сущности входных данных. Python

Федеральное государственное бюджетное учреждение "Национальный исследовательский центр "Курчатовский институт" (RU)

Программа выполняет обучение и валидацию глубокой искусственной нейронной сети спроектированной для определения опасных ситуаций (столкновение, падение, переворот и т.п.) для траектории мобильного робота по данным, получаемым со стереокамеры. Python 3.5

Федеральное государственное бюджетное учреждение "Национальный исследовательский центр "Курчатовский институт" (RU)