Розроблення та дослідження моделі машинного навчання для визначення потенційної траєкторії руху та зони ураження крилатих ракет
Автор: Падучак Олег Володимирович
Кваліфікаційний рівень: магістр
Спеціальність: Комп'ютерні системи управління рухомими об'єктами (автомобільний транспорт)
Інститут: Інститут комп'ютерних технологій, автоматики та метрології
Форма навчання: денна
Навчальний рік: 2023-2024 н.р.
Мова захисту: англійська
Анотація: Пропонується модель машинного навчання для передбачення потенційної траєкторії руху крилатих ракет. Завдання цієї нейронної мережі полягає у отриманні продовження наразі зафіксованого маршруту певної повітряної цілі. Результатом цієї магістерської роботи є модель машинного навчання побудована на базі рекурентних нейронних шарів. Вхідними даними є випадковим чином згенеровані потенційні траєкторії крилатих ракет подані у вигляді KML файлу. Результатом реалізованої моделі машинного навчання є система здатна прогнозувати довільну кількість точок в маршруті, проте із більшою кількістю прогнозованих точок, росте і похибка визначення цих координат. У першому розділі було розглянуто нейронні мережі, їхню класифікацію, та типи навчання цих мереж. Також було проведено аналіз існуючих методів передбачення траєкторії крилатих ракет. Було зроблено відповідні висновки. Другий розділ розглядає засоби та методи для розробки такої нейронної мережі. Було обрано бібліотеку TensorFlow, мову програмування Python. Також було обґрунтовано використання рекурентних нейронних мереж. Третій розділ був присвячений валідації проблеми передбачення потенційних траєкторій крилатих ракет. Було визначено вимоги до цієї системи, а також чітко сформульовано завдання цієї системи. В кінці розділу було проаналізовано потенційне застосування такої системи. У четвертому розділі було представлено практичну частину роботи. Вона включає в себе побудову нейронної мережі, попередню обробку набору даних, компіляцію нейронної мережі та її тренування. П’ятий розділ – економічна частина, де наведений розрахунок витрат на виконання даної роботи. Висновки відображають результат виконаної роботи. Полягають у готовності використання даного методу передбачення траєкторій крилатих ракет, та необхідність подальшого дослідження для впровадження цієї системи. Ключові слова: модель машинного навчання, рекурентна нейронна модель, передбачення траєкторії, Python, Tensorflow. Перелік використаних літературних джерел: 1. Kwon, S., & Lee, J. (2022). Neural network-based prediction of cruise missile trajectories with external factors. IEEE Transactions on Aerospace and Electronic Systems, 58(4), 3106-3117. 2. Nguyen, T., & Pham, T. (2022). A deep learning approach for predicting cruise missile trajectories. Journal of Intelligent & Fuzzy Systems, 39(1), 165-176. 3. Shao, X., Zhang, J., & Zhang, W. (2022). Cruise missile trajectory prediction using a hybrid deep learning model. Journal of Aerospace Engineering, 35(3), 04022082. 4. Abu-Shanab, M., & Al-Sharif, A. (2023). A deep learning approach for cruise missile trajectory prediction using a hybrid attention model. Journal of Intelligent & Fuzzy Systems, 52(1), 1069-1080. 5. Biswas, K., & Chakraborty, S. (2023). A novel deep learning approach for cruise missile trajectory prediction considering external factors. Proceedings of the 2023 IEEE Aerospace Conference, 1-10.