სახეთა ამოცნობის გამოყენებითი სისტემების განყოფილება

კვლევების სფეროები:

1) 1970 წლიდან განყოფილება იყო წამყვანი თერთმეტ სრულიად-საკავშირო სამეცნიერო-საკვლევ პროექტში. კვლევები ეხებოდა ადამიანი-ოპერატორის (კოსმონავტის, პილოტისა და ა.შ.) ფსიქო-ფიზიოლოგიური მდგომარეობის დიაგნოსტიკას მათი ბიოელექტრული პოტენციალების მეშვეობით, სამგანზომილებიანი ობიექტების ამოცნობას მათი ჰოლოგრაფიული წინასწარი გარდაქმნის გამოყენებით და წიაღისეულის პროგნოზირებას გეოფიზიკური, გეოქიმიური და კოსმოსური ინფორმაციის გამოყენებით. დავამუშავეთ ზოგადი მეთოდი, რომელიც წარმატებით იყო გამოყენებული ალმასის საბადოების პროგნოზისათვის. დავამუშავეთ საკმაოდ მაღალი სიზუსტის მქონე (96%) ალმასის საბადოების პროგნოზის რუქა იაკუტიის 120.000კვ.კმ ტერიტორიისათვის. ყველა აღნიშნული სისტემა ეფუძნებოდა სწავლებად ხელოვნურ ნეირონულ ქსელებს.
ამჟამად განყოფილების ერთი ჯგუფი მუშაობს საქართველოს ძირითადი ეკონომიკური მაჩვენებლების პროგნოზირებაზე 2011-2015 წწ-თვის 95%-იანი დამაჯერებლობის ინტერვალით.

2) განყოფილებაში საერთაშორისო გრანტების ISTC – სა და USTC-ს ფარგლებში დამუშავდა ჩაის შერჩევით საკრეფი მაღალი ეფექტურობის რობოტული სისტემა (იხ.სურათი). მიმდინარეობს მისი სამუშაო მოდელის აპარატული რეალიზაციის პროცესი. ამჟამად განყოფილების ერთი ჯგუფის მიერ მუშავდება ჰიბრიდული ინტელექტუალური სისტემა აქტუალური გამოთვლითი ინტელექტუალური პროცედურების რეალურ დროში ამოსახსნელად. ეს არის ინდუქციური გამოყვანის პროცესორი, რომელიც საშუალებას მოგვცემს თითქმის მყისიერად და პარალელურ რეჟიმში შედარდეს შესასვლელზე მიწოდებული მრავალგანზომილებიანი ვექტორი ე.წ. “ცოდნის ბაზაში” არსებულ ყველა ვექტორს და გამოთვლილ იქნეს შედარების შედეგები გარკვეული სიდიდეების სახით. ეს სიდიდეები შესაძლებელია განხილულ იქნენ, როგორც “მსგავსების ზომები” გარემოს მიმდინარე მდგომარეობის აღწერასა და პროცესორის მეხსიერებაში მყოფ ყველა აღწერას შორის. “მსგავსების ზომის” განსაზღვრის ოპერაცია წარმოადგენს ინდუქციური ლოგიკის საბაზო ოპერაციას. მისი მეშვეობით შეიძლება აიგოს ხელოვნური ინტელექტის ისეთი მეტაპროცედურები, როგორებიცაა აღწერათა სივრცის კლასტერიზაცია, ცნებების ფორმირება, ინსაიტი, სახეთა ამოცნობა და სხვ. თანამედროვე ოპტოელექტრონიკის კარგად განვითარებული ელემენტური ბაზა, კოორდინატული ადრესაციის მქონე ოპტოელექტრონული მოწყობილობები, ინდუქციური გამოყვანის პროცესორის აპარატული რეალიზების შესაძლებლობას იძლევა. სხვადასხვა ტიპის გამოყვანის სისტემების შეთავსება და გაერთიანება ერთიან ჰიბრიდულ სისტემაში ფრიად იმედისმომცემ კვლევის სფეროს წარმოადგენს: იგი იძლევა ინტელექტუალური სისტემების შემდგომი თაობის განვითარების შესაძლებლობებს.  

3) განყოფილებაში აგრეთვე შემუშავებულია ციფრული გამოსახულების სეგმენტაციის მეთოდი დამყარებული მოდების ძიების ხერხზე სიმკვრივის ფუნქციის სტატისტიკური შეფასების გამოყენებით. მეთოდი არ მოითხოვს მონაცემების საწყის კლასიფიკაციას და კლასების რაოდენობის წინასწარ ცოდნას. სეგმენტაციის შედეგი არ არის დამოკიდებული მომხმარებლის მხრიდან რომელიმე შესასვლელი პარამეტრის შერჩევაზე. სეგმენტაციის წარმოდგენილი მეთოდი კარგ შედეგებს იძლევა სხვადასხვა ტიპის ციფრულ გამოსახულებებზე გამოყენებისას ორიგინალური გამოსახულებისა და სეგმენტირებული გამოსახულებების ერთმანეთთან სიახლოვის თვალსაზრისით.
ქვემოთ მოცემულია სხვადასხვა ტიპის ციფრულ ვიზუალიზებულ გამოსახულებებზე სეგმენტაციის მეთოდის გამოყენების შედეგები:

ორიგინალური გამოსახულება

სეგმენტირებული გამოსახულება