IITiS

Tematyka referatu dotyczy innowacyjnego podejścia w przygotowaniu danych stosowanych do trenowania konwolucyjnych sieci neuronowych w zakresie segmentacji kolorowych obrazów. Problem doboru danych trenujących oraz pozyskania ich wystarczającej ilości, niezbędnej do uzyskania modelu o jak najwyższej precyzji predykcyjnej, jest istotnym zagadnieniem w tematyce sieci neuronowych. Nieprawidłowe podejście do niego może sprawić, że nawet najlepiej przygotowana architektura sieci, nie będzie w stanie wygenerować modelu, który będzie działał z satysfakcjonującą dokładnością.

Gilbert zaproponował iteracyjny algorytm wyznaczania odległości między danym punktem a zbiorem wypukłym. Stosujemy algorytm Gilberta z kilkoma modyfikacjami i uproszczeniami, aby uzyskać górne ograniczenie na odległość Hilberta-Schmidta między danym stanem a zbiorem stanów separowalnych. Chociaż odległość Hilberta-Schmidta nie jest właściwą miarą splątania, to jednak może być stosowana jako bardzo dobry wskaźnik ilości splątania.

Innowacyjność i poszukiwanie nowych rozwiązań jest kluczowym elementem ciągłego doskonalenia systemów zarządzania bezpieczeństwem przewoźników kolejowych. Z tego względu wspieranie posiadanych systemów rozwiązaniami informatycznymi daje szerokie i zupełnie nowe możliwości prezentacji i analizy danych gromadzonych w różnych obszarach funkcjonowania spółek kolejowych. Taka sytuacja ma miejsce między innymi w przypadku informacji dotyczących zdarzeń i wydarzeń zaistniałych na sieci kolejowej.