Программы для ЭВМ

Программа предназначена для обработки и визуального отображения результатов измерений ленгмюровским зондом в низкотемпературной невозмущённой или слабо-возмущенной плазме. Программа использует входные данные в кодировке asci: поданное напряжение в зависимости от времени и результат измерения зондом тока от времени. Программа осуществляет обработку временных зависимостей электрических сигналов в процессе эксперимента на импульсной физической установке: позволяет оценивать корректность аппроксимации сигналов (системой регистрации), производить синхронизацию сигналов с физическим процессом, контролировать изменение абсолютных величин сигналов и вычислять параметры плазмы в автоматическом режиме. Графический интерфейс позволяет визуализировать все данные в виде временных зависимостей на экране ПК оператора в различных рабочих окнах программы: исходные сигналы, обработанные сигналы, эволюция вычисленных параметров плазмы – таких как электронная температура (Те) и плотность плазмы (nе). Тип ЭВМ: IBM PC-совмест. ПК. ОС: Windows. Python

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

Данная программа предназначена для циклической настройки весовых коэффициентов модели нейронной сети, созданной на основе топологии трансформер. В качестве метода настройки используется алгоритм обратного распространения ошибки в комбинации с механизмом обучения с подкреплением, который в каждом цикле рассчитывает эффективность нейронной сети и награду за принятые решения. Особенностью алгоритма является динамическое определение награды на базе метрики ROUGE. Она рассчитывается как отношение длины самой большой общей последовательности слов между сгенерированным и эталонным заголовками к количеству слов в эталонном заголовке (для расчёта полноты) или сгенерированном (для расчёта точности). В программе задействуется 2 модели нейронных сетей, одна из которых используется как опорная для того, чтобы не допускать слишком сильного изменения весов. Вторая настраивается для решения задачи суммаризации. Программа реализует следующий процедуры подготовки данных для настройки модели и контроля настройки модели во времени. Расчет награды и оценки эффективности полученной модели выполняются с использованием открытого программного обеспечения. Входными данными для программы являются: веса предобученной модели, csv таблица с данными для обучения в двух колонках: text — исходный текст, summary — краткое резюме текста. Выходными данными являются веса обученной модели, сохраняемые через фиксированное количество их обновлений, файлы с логами, в которых отражается изменение наград после каждого батча и каждой эпохи. Python 3.5

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

Программа предназначена для настройки модели выделения связанных именованных сущностей SpERT с расширением функциональности и включает в себя следующие процедуры: подготовка данных с использованием различных «токенизаторов», конвертация данных во внутренний формат системы SpERT из .json и обратно, векторное представление текстовых данных с использованием различных предварительно обученных языковых моделей, оценка модели выделения связанных именованных сущностей с учётом разрывной и пересекающейся разметки текстовых данных. В качестве входных данных программа использует файл .json, который представляет собой список, каждый объект в котором характеризует один входной текст. Такой объект содержит поля «text» (текст в исходном виде), entities (список выделенных в тексте сущностей), relations (список выделенных в тексте связей, используется для процедуры оценки модели). В качестве выходных данных программа представляет файл с предсказаннными связями между сущностями, отчёт по оценке эффективности модели. Python 3.7

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

Программа предназначена для предсказания темпов роста биомассы водорослей при использовании начальных параметров среды при засеве в качестве входных данных и экспериментальных данных для обучения искусственной нейронной сети. Python 3.5

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

Программа предназначена для предсказания темпов роста биомассы водорослей Arthrospira platensis при использовании начальных значений содержания различных веществ в среде, прочих параметров при засеве и времени роста культуры в качестве входных экспериментальных данных для обучения искусственной нейронной сети. Искусственная нейронная сеть имеет следующую структуру: входной слой из девяти искусственных нейронов, три скрытых слоя, выходной слой из двух искусственных нейронов. Входные данные обрабатываются при помощи алгоритма дупликации входных данных со внесением малой случайной ошибки, показывающим хорошие результаты для малых наборов входных данных. Количество нейронов на скрытых слоях, параметры обучения и предобработки данных настраиваются алгоритмом оптимизации гиперпараметров по предварительно составленному списку. Тип ЭВМ: IBM PC-совмест. ПК; ОС: Windows, Linux. Python 3.5

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

Программа предназначена для предсказания содержания фикоцианина в биомассе цианобакериях Arthrospira platensis при использовании начальных значений содержания различных компонентов в питательной среде, прочих параметров при засеве и времени роста культуры в качестве входных экспериментальных данных для обучения искусственной нейронной сети. Искусственная нейронная сеть имеет следующую структуру: входной слой из двенадцати искусственных нейронов, три скрытых слоя, выходной слой из одного искусственного нейрона. Входные данные обрабатываются при помощи алгоритма дупликации входных данных со внесением малой случайной ошибки, показывающим хорошие результаты для малых наборов входных данных. Количество нейронов на скрытых слоях, параметры обучения и предобработки данных оптимизированно алгоритмом оптимизации гиперпараметров по сетке. Python 3.9

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

Программа предназначена для предсказания скорости роста и накопления биомассы водорослей Arthrospira platensis при использовании начальных значений содержаний различных веществ в среде, прочих параметров при засеве и времени роста культуры в качестве входных экспериментальных данных для обучения искусственной нейронной сети. Искусственная нейронная сеть имеет следующую структуру: входной слой из девяти искусственных нейронов, три скрытых слоя, выходной слой из двух искусственных нейронов. Входные данные обрабатываются при помощи алгоритма дупликации входных данных со внесением малой случайной ошибки, показывающих хорошие результаты для малых наборов входных данных. Количество нейронов на скрытых слоях, параметры обучения и предобработки данных настраиваются алгоритмом оптимизации гиперпараметров по предварительно составленному списку. Python 3.8

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

Программа предназначена для предсказания темпов роста биомассы водорослей Chlorella vulgaris при использовании начальных значений содержания различных веществ в среде и прочих параметров при засеве в качестве входных экспериментальных данных для обучения искусственной нейронной сети. Искусственная нейронная сеть имеет следующую структуру: входной слой из девяти искусственных нейронов, три скрытых слоя, выходной слой из пяти искусственных нейронов. Входные данные обрабатываются при помощи алгоритма дупликации входных данных с внесением малой случайной ошибки, показывающего хорошие результаты для малых наборов входных данных. Количество нейронов на скрытых слоях, параметры обучения и предобработки данных настраиваются алгоритмом оптимизации гиперпараметров по предварительно составленному списку. Python 3.8

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

Программа предназначена для определения сайта связывания белков в дрожжевой клетке с использованием характеристик белковых цепей в качестве опорных точек для обучения вероятностной искусственной нейронной сети. Python 3.5

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

Программа предназначена для определения сайта связывания белков в бактериальной клетке с использованием характеристик белковых цепей в качестве опорных точек для обучения вероятностной искусственной нейронной сети. Python 3.5

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