Нейросетевая одорологическая экспертиза как объективный способ таможенного контроля

Abstract

Предложена методика комбинированного использования биосенсорных способностей служебных собак и обученных нейронных сетей для распознавания опасных объектов при таможенном контроле грузовых и багажных терминалов. В основе подхода лежит идея синхронного обучения служебных собак и искусственных нейронных сетей, что позволяет использовать животных как биосенсоры, а нейронные сети как инструмент принятия решений. Это позволит повысить объективность и надежность экспертизы при доступных материальных и финансовых затратах. Приведена методика построения моделей распознавания и модель принятия решений идентификации объектов в нейронной среде стандартных эмуляторов формата Statistika Neural Network.

У статті запропонована методика комбінованого використання біосенсорних здібностей службових собак і навчених нейронних мереж для розпізнавання небезпечних об’єктів при митному контролі вантажних і багажних терміналів. В основі підходу лежить ідея синхронного навчання службових собак і штучних нейронних мереж, що дозволяє використовувати тварин як біосенсори, а нейронні мережі як інструмент прийняття рішень. Це дозволить підвищити об’єктивність та надійність експертизи при доступних матеріальних і фінансових витратах. Наведено методику побудови моделей розпізнавання і модель прийняття рішень ідентифікації об’єктів в нейронному середовищі стандартних емуляторів формату Statistika Neural Network.

The paper proposed the method of combined use of biosensor abilities of dogs and trained neural networks to detect dangerous objects at customs control of cargo and baggage terminals. The approach is based on simultaneous training of dogs and artificial neural network, which allows the use of animals like biosensors, and neural networks as a tool for decision-making. This will improve the objectivity and reliability of assessment at the moderate material and financial costs. The technique of constructing models of recognition and decision-making model to identify objects in a neural environment of standard emulators with the format Statistika Neural Network are given.