Предложена методика подготовки обучающей выборки и архитектура НС с сокращенным количеством нейронов на основе базовой сети U-Net для семантической сегментации изображений, которая позволяет выполнить разделение изображений ДЗЗ на следующие классы: «земельный участок», «дорожная сеть», «строения», «растительность», «водоем» с точностью 82 %. Разработанная сеть может быть использована как компонент ансамбля нейронных сетей, в котором решение принимается на основании результатов работы составляю- щих ансамбль сетей. Результаты данной работы могут быть применены в системах обработки данных ДЗЗ для решения задач мониторинга состояния растительности для земледелия, устойчивого лесопользования и мониторинга состояния биомассы в природоохранной службе.

Предложена модель искусственных нейронных сетей для идентификации образов. Данная модель представляет собой многослойную полносвязную сеть, которая получает на вход дескрипторы сложноструктурированных объектов на изображениях дистанционного зондирования Земли и выдает на выход вектор степеней соответствия входного дескриптора целевым классам со средней точностью до 84,9 %. Особенностью разработанной модели является использование предварительного анализа прецедентов, формирующих обучающую выборку, что позволяет оптимизировать размер входных данных.

C помощью птиц, а именно их пения, исследователи могут улучшить свою способность отслеживать состояние и тенденции биоразнообразия в важных экосистемах, что позволит им лучше поддерживать глобальные усилия по сохранению.

Вопросно-ответная система «Голосовой AI-ассистент» позволяет пользователю голосом или вводом текста с клавиатуры задать вопрос на белорусском языке и получить на него звуковой или напечатанный ответ.