ISSN: 2310-8061
Репозиторій Харківського національного університету радіоелектроніки «ElAr КhNURE» є електронною платформою, що містить публікації наукових праць та досліджень науково-педагогічних працівників, інших співробітників, здобувачів вищої освіти ХНУРЕ. Серед них монографії, статті з наукових журналів та збірників, матеріали науково-практичних заходів, наукові публікації (розміщуються за умови наявності рецензії наукового керівника) та кваліфікаційні роботи здобувачів вищої освіти (розміщуються за дозволом автора КвР).
З усіх питань звертатися до адміністратора ElAr KhNURE за адресою: yuliia.derevianko@nure.ua
Фонди в ElAr
Виберіть фонд для перегляду його колекцій.
Останні подання
Тип документа:Публікація, Оптимізація зменшення розмірності медичних даних із застосуванням модифікованого автоенкодера(ХНУРЕ, 2025) Мірошниченко, Н. С.; Перова, І. Г.У статті розглядається оптимізація процесу зменшення розмірності вибірок медичних даних із застосуванням модифікованого автоенкодера. Запропонований підхід передбачає попередню обробку даних через автоенкодер для виділення найбільш інформативних ознак. Отримані скорочені представлення надалі обробляються адаптивним нейро-фаззі методом із динамічним коефіцієнтом підсилення цільових векторів, що забезпечує результати для подальшого аналізу та класифікації. У роботі наведено математичне формулювання алгоритму, описано модифікації автоенкодера, спрямовані на підвищення точності відновлення даних та зменшення інформаційних втрат під час редукції розмірності. Проведено експериментальне дослідження на медичних наборах даних, що демонструє ефективність запропонованого методу. The article examines the optimization of the dimensionality reduction process for medical data samples using a modified autoencoder. The proposed approach involves preliminary data processing through the autoencoder to extract the most informative features. The resulting reduced representations are subsequently processed by an adaptive neuro-fuzzy method with a dynamic target vector amplification coefficient, which provides outputs for further analysis and classification. The paper presents the mathematical formulation of the algorithm and describes the modifications made to the autoencoder to improve data reconstruction accuracy and reduce information loss during dimensionality reduction. An experimental study conducted on medical datasets demonstrates the effectiveness of the proposed method.Тип документа:Публікація, Логика секвенциальных схем алгоритмов(ХНУРЭ, 2010) Кашубин, С. П.Описана новая теория, названная логикой секвенциальных схем алгоритмов, которая предназначена главным образом для программирования. В рамках теории исследуются вопросы доказательства правильности алгоритмов, их эквивалентные преобразования и распараллеливание.Тип документа:Публікація, Нейромережеві технології моніторингу та аналізу руйнівних пошкоджень аграрних ділянок.(ХНУРЕ, 2025) Сільванович, К. В.; Гриньова, О. Є.; Чала, Л. Е.; Удовенко, С. Г.Здійснено аналіз існуючих інтелектуальних технологій виявлення та класифікації руйнівних пошкоджень аграрних ділянок. Розроблено моделі класифікації аграрних ділянок за ступенем пошкоджень та сегментації зображень пошкоджених ділянок з використанням нейромережевої архітектури U-Net. Запропоновано прогнозну модель для визначення термінів відновлення пошкоджених ділянок з гібридним використанням архітектур TFT і LSTM та аналізу даних про стан ґрунтів і кліматичних факторів. Реалізовано інтеграцію розроблених моделей для створення інтелектуальної системи класифікації пошкоджень, сегментації уражених ділянок та прогнозування термінів рекультивації. Для реалізації системи були обрані: платформа WPF для створення зрозумілого та сучасного інтерфейсу, ONNX Runtime для ефективної роботи моделей штучного інтелекту, а також використання CSV-файлів для структурованого зберігання й обміну даними. Результати тестування підтверджують працездатність запропонованого підходу. An analysis of existing intelligent technologies for detecting and classifying destructive damage to agricultural plots was carried out. Models for classifying agricultural plots by the degree of damage and segmenting images of damaged plots using the U-Net neural network architecture were developed. A predictive model was proposed for determining the terms of restoration of damaged plots by hybridising TFT and LSTM architectures, along with an analysis of data on soil states and climatic factors. The integration of the developed models was implemented to create an intelligent system for classifying damage, segmenting affected plots, and predicting the terms of reclamation. The following components were selected for the implementation of the system: the WPF platform for creating a clear and modern interface, ONNX Runtime for the efficient operation of artificial intelligence models, and the use of CSV files for structured data storage and exchange. The testing results confirm the operability of the proposed approach.Тип документа:Публікація, Оценка качества подчеркивающих преобразований для задачи сегментации изображений(ХНУРЭ, 2010) Полякова, М. В.; Крылов, В. Н.; Гуляева, Н. А.Статья посвящена формированию обобщенного показателя качества подчеркивающего преобразования для процедуры сегментации изображений, обеспечивающего повышение эффективности обработки изображений в системах компьютерного распознавания зрительных образов. Для этого проанализированы существующие показатели качества подчеркивающего преобразования. Те из них, которые учитывают имеющуюся априорную информацию об изображении и цели обработки, выделены в обобщенный векторный показатель качества подчеркивающего преобразования.Тип документа:Публікація, Метод исследования процессов принятия решений в госрегулировании телекоммуникационной отрасли(ХНУРЭ, 2010) Калмыков, А. В.Рассматриваются процессы принятия решений в сложных организационных структурах. Используется методика формирования системных моделей организационных систем на основе декомпозиции на уровни иерархии и старты (аспекты) деятельности. Предложено представление аспектов деятельности в виде вложенной иерархии решающих и исполнительных компонентов. Показана многоуровневая структура информационных связей между управляющей системой и управляемым объектом.