id
int64
18
21.1k
created_at
timestamp[ns, tz=UTC]date
2026-02-23 07:30:20
2026-02-24 16:54:39
updated_at
timestamp[ns, tz=UTC]date
2026-02-23 08:08:14
2026-02-24 16:54:39
doc_name
stringclasses
1 value
input
stringlengths
11
9.24k
output
stringlengths
0
738
is_personal
bool
2 classes
is_sentence
bool
2 classes
is_corrected
bool
2 classes
7,307
2026-02-24T08:22:08.927000Z
2026-02-24T08:22:08.927000Z
Lec.
Для повышения устойчивости были разработаны более продвинутые методы, такие как Kernelized Correlation Filters (KCF) [8], который использовал ядерные функции для работы с нелинейными пространствами признаков
false
true
false
7,306
2026-02-24T08:22:07.168000Z
2026-02-24T08:22:07.168000Z
Lec.
MOSSE был чувствителен к изменению масштаба и вращению объекта, что ограничивало его применение в сложных сценах
false
true
false
7,305
2026-02-24T08:22:05.422000Z
2026-02-24T08:22:05.422000Z
Lec.
Метод обеспечивал высокую скорость обработки (сотни кадров в секунду) за счет использования быстрого преобразования Фурье (FFT) для вычисления корреляции между шаблоном объекта и областью поиска
false
true
false
7,304
2026-02-24T08:22:03.668000Z
2026-02-24T08:22:03.668000Z
Lec.
Из наиболее известных алгоритмов этого класса является MOSSE (Minimum Output Sum of Squared Errors), предложенный в работе [7]
false
true
false
7,303
2026-02-24T08:22:02.043000Z
2026-02-24T08:22:02.043000Z
Lec.
Одним из первых эффективных методов трекинга стали корреляционные фильтры, которые позволяли предсказывать перемещение объекта между кадрами на основе свёрточных операций
false
true
false
7,302
2026-02-24T08:22:00.267000Z
2026-02-24T08:22:00.267000Z
Lec.
Рисунок 1 - Методы детекции, ретроспектива [6]
false
true
false
7,301
2026-02-24T08:21:58.714000Z
2026-02-24T08:21:58.714000Z
Lec.
Развитие методов трекинга объектов отлично отражено в статье [6], где подробно объяснено развитие трекинга объектов до текущего десятилетия (Рисунок 1)
false
true
false
7,300
2026-02-24T08:21:56.899000Z
2026-02-24T08:21:56.899000Z
Lec.
В данном разделе рассматривается развитие методов, их преимущества и недостатки, а также ключевые работы, повлиявшие на дальнейший прогресс в области компьютерного зрения
false
true
false
7,299
2026-02-24T08:21:55.248000Z
2026-02-24T08:21:55.248000Z
Lec.
Классические подходы, основанные на корреляционных фильтрах и оптических потоках, заложили фундамент для современных решений, но имели существенные ограничения, связанные с устойчивостью к изменениям освещения, окклюзиям и сложным траекториям движения
false
true
false
7,298
2026-02-24T08:21:53.470000Z
2026-02-24T08:21:53.470000Z
Lec.
Алгоритмы трекинга объектов в видеопотоках прошли эволюцию, начиная с простых корреляционных и оптических методов и заканчивая сложными нейросетевыми архитектурами
false
true
false
7,297
2026-02-24T08:21:51.704000Z
2026-02-24T08:21:51.704000Z
Lec.
Тестирование системы на открытых источниках (фильмы, видео), которые включают в себя сложные сцены
false
true
false
7,296
2026-02-24T08:21:50.016000Z
2026-02-24T08:21:50.016000Z
Lec.
Оптимизация трекера по скорости и качеству
false
true
false
7,295
2026-02-24T08:21:48.527000Z
2026-02-24T08:21:48.527000Z
Lec.
Интеграция модели SAM2 в данную работу
false
true
false
7,294
2026-02-24T08:21:46.966000Z
2026-02-24T08:21:46.966000Z
Lec.
Разработка модели, которая предоставляет сегментационные маски трекеру для дальнейшей работы
false
true
false
7,293
2026-02-24T08:21:45.373000Z
2026-02-24T08:21:45.373000Z
Lec.
Разработка и интеграция корреляционных фильтров в устойчивый трекер движущихся объектов в видеопотоке
false
true
false
7,292
2026-02-24T08:21:43.759000Z
2026-02-24T08:21:43.759000Z
Lec.
Подбор и интеграция существующих решений в работу
false
true
false
7,291
2026-02-24T08:21:42.254000Z
2026-02-24T08:21:42.254000Z
Lec.
Обзор существующих решений и анализ
false
true
false
7,290
2026-02-24T08:21:40.529000Z
2026-02-24T08:21:40.529000Z
Lec.
Задачи, поставленные в ходе реализации решения:
false
true
false
7,289
2026-02-24T08:21:37.354000Z
2026-02-24T08:21:37.354000Z
Lec.
Целью выпускной квалификационной работы является разработка устойчивого трекера объектов в видеопотоке и получение преимущества, над существующими открытыми решениями в данной области
false
true
false
7,288
2026-02-24T08:21:35.580000Z
2026-02-24T08:21:35.580000Z
Lec.
Использование трекера позволяет следить за объектами в видеопотоке в сложных сценах, включающих в себя: размытие изображение, перекрытие объектов, потеря из кадра объекта, вспышки света, дым и прочие трудности
false
true
false
7,287
2026-02-24T08:21:33.791000Z
2026-02-24T08:21:33.791000Z
Lec.
Разработанный трекер движущихся объектов использует современные решения в области компьютерного зрения, такие как метод «Zero-shot filtering» для SAM2 модели [4] или фильтр Калмана [5], а также прочие корреляционные фильтры и квантизацию SAM2
false
true
false
7,286
2026-02-24T08:21:32Z
2026-02-24T08:21:32Z
Lec.
Устойчивый трекер движущихся объектов в видеопотоке является новаторским решением в области компьютерного зрения в силу того, что имеет некоторые превосходства над существующими решениями
false
true
false
7,285
2026-02-24T08:21:30.191000Z
2026-02-24T08:21:30.191000Z
Lec.
Также они имеют трудности в условиях съемки с динамичными изменениями фона или перекрыванием объектов [3]
false
true
false
7,284
2026-02-24T08:21:28.429000Z
2026-02-24T08:21:28.429000Z
Lec.
Существующие реализации [2] часто сталкиваются с проблемами дороговизны и доступности для конечного потребителя
false
true
false
7,283
2026-02-24T08:21:26.670000Z
2026-02-24T08:21:26.670000Z
Lec.
Появляются существенные трудности при проектировании архитектуры системы, вынуждая исследователей искать оптимальные компромиссы между производительностью и точностью, что является предметом активных научных изысканий в области компьютерного зрения и машинного обучения
false
true
false
7,282
2026-02-24T08:21:24.920000Z
2026-02-24T08:21:24.920000Z
Lec.
С другой стороны, требования к точности прогнозирования траекторий движения и устойчивости к окклюзиям диктуют необходимость использования сложных математических моделей, что неизбежно увеличивает временные затраты на обработку каждого кадра
false
true
false
7,281
2026-02-24T08:21:23.262000Z
2026-02-24T08:21:23.262000Z
Lec.
С одной стороны, системе необходимо обеспечивать минимальную латентность обработки для функционирования в режиме реального времени, что накладывает жесткие ограничения на вычислительную сложность алгоритмов
false
true
false
7,280
2026-02-24T08:21:21.607000Z
2026-02-24T08:21:21.607000Z
Lec.
Данная проблема порождает фундаментальный компромисс между скоростью обработки видеопотока и точностью пространственной локализации объектов
false
true
false
7,279
2026-02-24T08:21:20.003000Z
2026-02-24T08:21:20.003000Z
Lec.
Ключевая проблема заключается в необходимости одновременного решения двух взаимосвязанных задач: детектирования объектов в пределах видеокадра и поддержания их идентификации во временной последовательности
false
true
false
7,278
2026-02-24T08:21:18.364000Z
2026-02-24T08:21:18.364000Z
Lec.
Разработка высокоэффективных систем трекинга движущихся объектов, несмотря на их широкую применимость в различных областях, сопряжена с существенными методологическими и техническими сложностями, требующими комплексного научно-инженерного подхода
false
true
false
7,277
2026-02-24T08:21:16.515000Z
2026-02-24T08:21:16.515000Z
Lec.
Решение представленных задач открывает возможности для создания универсальных систем трекинга, применимых в таких областях, как видеонаблюдение, автономные транспортные средства и анализ спортивной динамики
false
true
false
7,276
2026-02-24T08:21:14.743000Z
2026-02-24T08:21:14.743000Z
Lec.
Перспективными направлениями развития являются использование пространственно-временных attention-механизмов [1] для контекстного анализа сцены, а также интеграция метрического обучения
false
true
false
7,275
2026-02-24T08:21:12.978000Z
2026-02-24T08:21:12.978000Z
Lec.
Дополнительным вызовом остается обеспечение вычислительной эффективности, особенно при работе с потоковыми данными высокого разрешения, где требуется баланс между точностью и латентностью
false
true
false
7,274
2026-02-24T08:21:11.349000Z
2026-02-24T08:21:11.349000Z
Lec.
В рамках данной проблемы применяются гибридные подходы, сочетающие методы детектирования на основе глубокого обучения с алгоритмами фильтрации, такими как фильтр Калмана и другими, что позволяет компенсировать погрешности предсказания
false
true
false
7,273
2026-02-24T08:21:09.561000Z
2026-02-24T08:21:09.561000Z
Lec.
Ключевым аспектом устойчивости является способность системы адаптироваться к нелинейным траекториям движения объектов, сохраняя идентификацию даже при временном перекрытии другими элементами сцены
false
true
false
7,272
2026-02-24T08:21:07.783000Z
2026-02-24T08:21:07.783000Z
Lec.
Современным алгоритмам трекинга необходимо обеспечивать высокую робастность к таким факторам, как частичная окклюзия, изменение освещенности, вариации масштаба и ракурса, а также наличие фоновых помех
false
true
false
7,271
2026-02-24T08:21:06.142000Z
2026-02-24T08:21:06.142000Z
Lec.
В последние десятилетия развития компьютерного зрения данная задача является актуальной
false
true
false
7,270
2026-02-24T08:21:04.410000Z
2026-02-24T08:21:04.410000Z
Lec.
Устойчивый трекинг движущихся объектов в видеоизображениях представляет собой сложную задачу компьютерного зрения, направленную на непрерывное и точное сопровождение целевых объектов в условиях динамически изменяющейся сцены
false
true
false
7,269
2026-02-24T08:21:02.635000Z
2026-02-24T08:21:02.635000Z
Lec.
Введение 10. 1.1 Актуальность 10. 1.2 Новизна 11. 1.3 Цель работы 12. 1.4 Задачи 12. 2 Обзорная часть 13. 2.1 Классические методы 13. 2.2 Методы машинного обучения в детекции объектов. 15. 2.3 Современные методы включающие в себя использование нейронных сетей для детекции объектов в видеопотоке. 18. 2.4 Вывод по обзорной части 24. 3 Описание решений 25. 3.1 Описание системы 25. 3.2 Алгоритмы фильтраций 26. 3.2.1 Фильтр Калмана 26. 3.2.2 Ускорение фильтра Калмана 29. 3.2.3 Фильтр на основе цепей Макрова 32. 3.2.4 Оптимизация фильтра MCMCDA 37. 3.3 Архитектура устойчивого трекера 40. 3.3.1 Особенности реализации 44. 3.4 Расширение возможностей трекера SAMARI 46. 3.4 Выводы по разделу 47. 4 Эксперименты 48. 5 Тестирование и результаты 49. 6 Заключение 51. 7 Список используемых источников 53
false
false
false
7,268
2026-02-24T08:21:00.282000Z
2026-02-24T08:21:00.282000Z
Lec.
The work consists of 59 pages, 44 sources, 12 figures and 1 table
false
true
false
7,267
2026-02-24T08:20:58.260000Z
2026-02-24T08:20:58.260000Z
Lec.
Thus, the result of the work is software tool for tracking moving objects in a video stream using various methods and algorithms
false
true
false
7,266
2026-02-24T08:20:56.562000Z
2026-02-24T08:20:56.562000Z
Lec.
In the course of the work, existing approaches and methods for tracking moving objects in a video stream were investigated, and their own tracker with competitive quality and speed metrics was developed in the modern market for such solutions
false
true
false
7,265
2026-02-24T08:20:54.799000Z
2026-02-24T08:20:54.799000Z
Lec.
To solve this problem, this paper proposes a tracker that includes a set of methods to improve quality and sustainability, as well as minimize the computing resources of the system
false
true
false
7,264
2026-02-24T08:20:53.054000Z
2026-02-24T08:20:53.054000Z
Lec.
Currently, most of the existing solutions cannot satisfy the end user due to the high cost or quality of the solution
false
true
false
7,263
2026-02-24T08:20:51.515000Z
2026-02-24T08:20:51.515000Z
Lec.
But the quality and speed problem of such models and trackers is still relevant
false
true
false
7,262
2026-02-24T08:20:49.987000Z
2026-02-24T08:20:49.987000Z
Lec.
Tracking moving objects in a video stream is an important task in many technological solutions of mankind, such as security systems, cars with autopilot, robots
false
true
false
7,261
2026-02-24T08:20:48.224000Z
2026-02-24T08:20:48.224000Z
Lec.
Работа состоит из 59 страниц, 44 источников, 12 рисунков и 1 таблиц
false
false
false
7,260
2026-02-24T08:20:46.344000Z
2026-02-24T08:20:46.344000Z
Lec.
Результатом работы является программное средство для отслеживания движущихся объектов видеопотоке с применением различных методов и алгоритмов
false
true
false
7,259
2026-02-24T08:20:44.592000Z
2026-02-24T08:20:44.592000Z
Lec.
В ходе работы исследованы существующие подходы и методы по отслеживанию движущихся объектов в видеопотоке, разработан свой собственный трекер с конкурентноспособными метриками качества и скорости на современном рынке подобных решений
false
true
false
7,258
2026-02-24T08:20:42.767000Z
2026-02-24T08:20:42.767000Z
Lec.
Для решения проблемы в данной работе предложен трекер, включающий в себя совокупность методов для улучшения качества и устойчивости, а также минимизации вычислительных ресурсов системы
false
true
false
7,257
2026-02-24T08:20:41.115000Z
2026-02-24T08:20:41.115000Z
Lec.
В настоящее время существующие решения не способны удовлетворить конечного потребителя из-за дороговизны или качества
false
true
false
7,256
2026-02-24T08:20:39.329000Z
2026-02-24T08:20:39.329000Z
Lec.
Но проблема качества и скорости таких моделей и трекеров все еще остается актуальной
false
true
false
7,255
2026-02-24T08:20:37.762000Z
2026-02-24T08:20:37.762000Z
Lec.
Отслеживание движущихся объектов в видеопотоке является важной задачей во многих технологических решениях человечества, таких как: охранные системы, автомобили с автопилотом, роботы
false
true
false
7,254
2026-02-24T08:20:35.899000Z
2026-02-24T08:20:35.899000Z
Lec.
Дата представления итогового варианта ВКР. «___» июня 2025 г. ______________ А.Ю
true
true
false
7,253
2026-02-24T08:20:34.235000Z
2026-02-24T08:20:34.235000Z
Lec.
Дата представления первого варианта ВКР. «___» мая 2025 г. ______________ А.Ю
true
true
false
7,252
2026-02-24T08:20:32.375000Z
2026-02-24T08:20:32.375000Z
Lec.
Романов подпись руководителя
false
true
false
7,251
2026-02-24T08:20:30.582000Z
2026-02-24T08:20:30.582000Z
Lec.
Дата представления проекта ВКР. «___» февраля 2025 г. ______________ А.Ю
true
true
false
7,250
2026-02-24T08:20:28.520000Z
2026-02-24T08:20:28.520000Z
Lec.
Steady tracker of moving objects in a video stream
false
true
false
7,249
2026-02-24T08:20:26.737000Z
2026-02-24T08:20:26.737000Z
Lec.
График сдачи этапов. выпускной квалификационной работы бакалавра. студента группы БИВ214 Юртова Дмитрия Петровича. студента группы БИВ214 Кириченко Глеба Александровича
true
false
false
7,248
2026-02-24T08:20:24.508000Z
2026-02-24T08:20:24.508000Z
Lec.
Руководитель. ученая степень, звание (при наличии). _. к.т.н., профессор., Романов А.Ю
true
false
false
7,247
2026-02-24T08:20:22.541000Z
2026-02-24T08:20:22.541000Z
Lec.
Кириченко Г.А. подпись И.О
true
false
false
7,246
2026-02-24T08:20:20.720000Z
2026-02-24T08:20:20.720000Z
Lec.
Юртов Д.П. подпись И.О
true
false
false
7,245
2026-02-24T08:20:18.971000Z
2026-02-24T08:20:18.971000Z
Lec.
Устойчивый трекер движущихся объектов в видеопотоке
false
true
false
7,244
2026-02-24T08:20:17.224000Z
2026-02-24T08:20:17.224000Z
Lec.
Кириченко Глеб Александрович, группа 214
true
false
false
7,243
2026-02-24T08:20:15.709000Z
2026-02-24T08:20:15.709000Z
Lec.
Юртов Дмитрий Петрович, группа 214
true
true
false
7,242
2026-02-24T08:20:10.384000Z
2026-02-24T08:20:10.384000Z
Lec.
Физическая модуль тумана (5):. где : наблюдаемое размытое изображение;. : истинная яркость сцены;. : карта пропускания;. 𝛽: коэффициент рассеяния в атмосфере;. : глубина сцены;. : общее атмосферное освещение (цвет неба)
false
true
false
7,241
2026-02-24T08:20:08.330000Z
2026-02-24T08:20:08.330000Z
Lec.
Задачами практики являются:. источников данных и методов аугментации;. выбор источников данных и методов аугментации;. разработка архитектуры генератора данных;. реализация эффектов оптических искажений на изображениях;. имитация условий окружающей среды на изображениях;. проверка правильности сгенерированных данных
false
false
false
7,240
2026-02-24T08:19:54.389000Z
2026-02-24T08:19:54.389000Z
Lec.
Москва 2025.
false
false
false
7,239
2026-02-24T08:19:52.657000Z
2026-02-24T08:19:52.657000Z
Lec.
Рисунок 8 – Параметры схемы в JSON формате
false
true
false
7,238
2026-02-24T08:19:50.989000Z
2026-02-24T08:19:50.989000Z
Lec.
Рисунок 7 – Параметры схемы в Verilog формате
false
true
false
7,237
2026-02-24T08:19:49.120000Z
2026-02-24T08:19:49.120000Z
Lec.
Выходными данными служат сгенерированные схемы, каждая из которых содержит:. параметры схемы в формате Verilog;. параметры схемы в формате JSON;
false
true
false
7,236
2026-02-24T08:19:47.593000Z
2026-02-24T08:19:47.593000Z
Lec.
Рисунок 6 – Параметры для генерации в консоли
false
true
false
7,235
2026-02-24T08:19:45.661000Z
2026-02-24T08:19:45.661000Z
Lec.
Указание входных параметров генерации в консоли выглядит следующим образом:
false
true
false
7,234
2026-02-24T08:19:43.537000Z
2026-02-24T08:19:43.537000Z
Lec.
GenTypeDot (bool, обязательный, 1) - указать, какого автомата dot файлы будут конвертироваться в граф - Мили (false) или Мура(true)
false
true
false
7,233
2026-02-24T08:19:41.986000Z
2026-02-24T08:19:41.986000Z
Lec.
DotPath (string, обязательный) - путь к папке с dot файлами
false
true
false
7,232
2026-02-24T08:19:40.408000Z
2026-02-24T08:19:40.408000Z
Lec.
NumStates (int, обязательный, 1) - количество состояний автомата Мили или Мура
false
true
false
7,231
2026-02-24T08:19:38.893000Z
2026-02-24T08:19:38.893000Z
Lec.
GenType (bool, обязательный, 1) - какой автомат генерировать - Мили(false) или Мура(true)
false
true
false
7,230
2026-02-24T08:19:37.313000Z
2026-02-24T08:19:37.313000Z
Lec.
MealyMoore. saveDOT_mmg (bool, опциональный, 1) - сохранять dot файл или нет
false
true
false
7,229
2026-02-24T08:19:35.763000Z
2026-02-24T08:19:35.763000Z
Lec.
NUM_OP (bool, опциональный, false) - выбор генерации Num Operation. min_level (int, опциональный, 1) - минимальное количество уровней в схеме. max_level (int, опциональный, 1) - максимальное количество уровней в схеме. min_elem (int, опциональный, 1) - минимальное количество элементов в схеме. max_elem (int, опциональный, 1) - максимальное количество элементов в схеме. leave_empty_out (bool, опциональный, false) - оставлять ли пустые входы
false
false
false
7,228
2026-02-24T08:19:34.095000Z
2026-02-24T08:19:34.095000Z
Lec.
RNL (bool, опциональный, false) - выбор генерации Rand Level
false
true
false
7,227
2026-02-24T08:19:32.123000Z
2026-02-24T08:19:32.123000Z
Lec.
CNF (bool, опциональный, false) - выбор генерации From Random Truth Table (CNFT, CNFF, Zhegalkin)
false
false
false
7,226
2026-02-24T08:19:30.611000Z
2026-02-24T08:19:30.611000Z
Lec.
COM (bool, опциональный, false) - выбор генерации Comparison
false
true
false
7,225
2026-02-24T08:19:29.047000Z
2026-02-24T08:19:29.047000Z
Lec.
NSUB (bool, опциональный, false) - выбор генерации Subtractor с выбором вычитаемого A и вычитателя B
false
true
false
7,224
2026-02-24T08:19:27.426000Z
2026-02-24T08:19:27.426000Z
Lec.
SUB (bool, опциональный, false) - выбор генерации Subtractor с выбором вычитаемого B и вычитателя A
false
true
false
7,223
2026-02-24T08:19:25.771000Z
2026-02-24T08:19:25.771000Z
Lec.
MULT (bool, опциональный, false) - выбор генерации Multiplier
false
true
false
7,222
2026-02-24T08:19:24.206000Z
2026-02-24T08:19:24.206000Z
Lec.
NSUM (bool, опциональный, false) - выбор генерации Summator с отрицательной суммой
true
true
false
7,221
2026-02-24T08:19:22.675000Z
2026-02-24T08:19:22.675000Z
Lec.
SUM (bool, опциональный, false) - выбор генерации Summator с положительной суммой
false
false
false
7,220
2026-02-24T08:19:21.136000Z
2026-02-24T08:19:21.136000Z
Lec.
XNOR (bool, опциональный, false) - выбор логической операции Исключающее НЕ-ИЛИ
false
false
false
7,219
2026-02-24T08:19:19.698000Z
2026-02-24T08:19:19.698000Z
Lec.
XOR (bool, опциональный, false) - выбор логической операции Исключающее ИЛИ
false
false
false
7,218
2026-02-24T08:19:18.174000Z
2026-02-24T08:19:18.174000Z
Lec.
NOR (bool, опциональный, false) - выбор логической операции НЕ-ИЛИ
false
false
false
7,217
2026-02-24T08:19:16.649000Z
2026-02-24T08:19:16.649000Z
Lec.
OR (bool, опциональный, false) - выбор логической операции ИЛИ
false
false
false
7,216
2026-02-24T08:19:15.135000Z
2026-02-24T08:19:15.135000Z
Lec.
NAND (bool, опциональный, false) - выбор логической операции НЕ-И
false
false
false
7,215
2026-02-24T08:19:13.629000Z
2026-02-24T08:19:13.629000Z
Lec.
AND (bool, опциональный, false) - выбор логической операции И
false
false
false
7,214
2026-02-24T08:19:12.137000Z
2026-02-24T08:19:12.137000Z
Lec.
ALL (bool, опциональный, false) - выбор всех типов генерации, аналогично выставлению для всех типов true
false
true
false
7,213
2026-02-24T08:19:10.558000Z
2026-02-24T08:19:10.558000Z
Lec.
Parity - на данный момент нет специфичных параметров
false
true
false
7,212
2026-02-24T08:19:09.016000Z
2026-02-24T08:19:09.016000Z
Lec.
Roulette. surv_num (int, опциональный, 1) - количество выживших. swap_type (int, опциональный, 1) - возможные значения:. 0. 1. 2. tour_size (int, опциональный, 1) - размер турнира для Tournament
false
false
false
7,211
2026-02-24T08:19:07.313000Z
2026-02-24T08:19:07.313000Z
Lec.
Outbrinding
false
false
false
7,210
2026-02-24T08:19:05.619000Z
2026-02-24T08:19:05.619000Z
Lec.
Base. selection_type_parent (string, обязательный) - тип отбора мутации, возможные значения:
true
true
false
7,209
2026-02-24T08:19:04.024000Z
2026-02-24T08:19:04.024000Z
Lec.
CrossingShuffling. population_size (int, опциональный, 1) - размер начальной популяции. ratio_in_table (double, опциональный, 1.0)- распределение 0 и 1 в таблице истинности. rec_num (int, опциональный, 1) - количество рекомбинаций. ref_points (int, опциональный, 1). selection_type (string, обязательный) - тип отбора после мутации, возможные значения:
false
true
false
7,208
2026-02-24T08:19:02.089000Z
2026-02-24T08:19:02.089000Z
Lec.
CrossingReducedReplacement
false
false
false