ElAr KhNURE:: Головна

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.

Зараз показано 1 - 13 з 13

Останні подання

Cинтез комп’ютерної інформаційно-аналітичної системи по надзвичайним ситуаціям. Частина 1
(ХНУРЕ, 2025) Гамаюн, І. П.; Плєхова, Г. А.; Костікова, М. В.; Плєхов, Д. О.; Багмут, Р. Б.
У роботі розглянуто концепцію синтезу комп’ютерної інформаційно-аналітичної системи для моніторингу, аналізу та підтримки прийняття рішень під час надзвичайних ситуацій. Робота містить огляд класифікацій надзвичайних ситуацій, аналіз існуючих інформаційних систем, а також обґрунтування вибору архітектури майбутньої системи. Метою роботи є синтез комп’ютерної інформаційно-аналітичної системи, яка дозволяє в реальному часі аналізувати поточну ситуацію, прогнозувати розвиток подій та надавати рекомендації для реагування на надзвичайні ситуації. The paper explores the concept of synthesising a computer information and analytical system for monitoring, analysing, and supporting decision-making during emergencies. The paper includes a review of emergency classifications, an analysis of existing information systems, and a justification for choosing the architecture of the future system. The goal of this work is to develop a computer information and analytical system that enables real-time analysis of the current situation, forecasts the development of events, and provides recommendations for responding to emergencies.
Моделі обробки текстових бізнес-правил у системах підтримки прийняття рішень
(ХНУРЕ, 2025) Мяляренко, В. В.; Чередніченк, О. Ю.
У статті розглянуто проблему формалізації та автоматизованої обробки текстових бізнес-правил у системах підтримки прийняття рішень з урахуванням наявної структури даних та контексту предметної області. Запропоновано математичні моделі, що охоплюють три ключові етапи обробки правил: визначення структурних компонентів текстового бізнес-правила, побудову формальної таблиці рішень у нотації DMN та валідацію синтаксису й семантики згенерованої моделі за правилами логічної узгодженості. Модель структурного аналізу забезпечує формальне виділення умов, дій та залежностей із урахуванням доступних даних; модель генерації DMN визначає відповідність текстових конструкцій елементам таблиці рішень і враховує контекст системи підтримки рішень; модель валідації дозволяє виявляти логічні суперечності, неповноту та помилки узгодженості у формальній моделі. Представлено прототип програмної системи, що реалізує запропоновані моделі та дозволяє проводити експериментальне тестування їхньої ефективності. Результати експериментів демонструють коректність формалізації, повноту відображення бізнес-правил у DMN-таблиці та дієвість автоматичного виявлення структурних, синтаксичних і семантичних помилок. The paper addresses the problem of formalization and automated processing of textual business rules in decision support systems, taking into account the existing data structure and the contextual constraints of the decision-making domain. The study proposes mathematical models covering three key stages: identifying the structural components of a textual business rule, generating a formal DMN decision table, and validating the syntax and semantics of the resulting model in accordance with logical consistency rules. The structural analysis model extracts conditions, actions, and dependencies while incorporating the available data schema; the DMN generation model maps textual constructs to decision table elements with respect to the context of the decision support system; the validation model detects logical inconsistencies, incompleteness, and coherence errors in the formalized model. A prototype implementation is presented, enabling experimental evaluation of the proposed models. The results demonstrate correct formalization, completeness of business rule transformation into the DMN table, and effective detection of structural, syntactic, and semantic errors in the generated decision model.
Maximum-versus-mean absolute error in selecting criteria of time series forecasting quality
(ХНУРЭ, 2021) Romanuke, Vadim
In time series forecasting, a commonly accepted criterion of the forecasting quality is the root-mean-square error (RMSE). Sometimes only RMSE is used. In other cases, another measure of forecasting accuracy is used along with RMSE. It is the mean absolute error (MAE). Although RMSE and MAE are the common criteria of time series forecasting quality, they both register information about averaged errors. However, averaging may remove information about volatility, which is typical for time series, in a few points (outliers) or narrow intervals. Information about outliers in time series forecasts (with respect to test data) can be registered by the maximum absolute error (MaxAE). The MaxAE criterion does not have any relation to averaging. It registers information about the worst outlier instead. Therefore, the goal is to ascertain the best criteria of time series forecasting quality, wherein the RMSE criterion is always present. First, 12 types of benchmark time series are defined to test and select criteria. The time series is of 168 points, whereas the last third of the series is forecasted. After having generated 200 times series for each of those 12 types, ARIMA forecasts are made at 56 points of every series. All the 2400 RMSEs are sorted in ascending order, whereupon the respective MAEs and MaxAEs are re-arranged as well. The interrelation between the RMSE and MAE/MaxAE is studied by their intercorrelation function. RMSEs and MaxAEs are “more different” than RMSEs and MAEs, because the correlation between the RMSE and MAE is stronger. Consequently, the MAE criterion is useless as it just nearly replicates information about the forecasting quality from the RMSE criterion. Inasmuch as the MaxAE criterion can import additional information about the forecasting quality, the best criteria are RMSE and MaxAE.
Модифікація методу класифікації Байєса в задачах виявлення спаму українською мовою
(ХНУРЭ, 2021) Нечіпор, В. О.; Єрохін, А. Л.
Стаття присвячена аналізу існуючих технологій для виконання задачі класифікації української мови з метою фільтрації спаму. В рамках дослідження було проаналізовано недоліки методу класифікації байєса в рамках сучасної реалізації цього методу на мові програмування Python для роботи з українською мовою. Основним недоліком програмної реалізації методу байєса було виявлено некоректний для української мови поділ на слова за умови, що слова містять апостроф. для виправлення цієї проблеми було розроблемо модифікований метод класифікації за байєсом, який коректно працює зі словами української мови, що містять апостроф. В результаті вдалось підняти ефективність спрогнозованого класифікування спаму з 86% до 91%.
Синтез диагностической модели качества кондитерской продукции на основе ассоциативных правил
(ХНУРЭ, 2014) Зайко, Т. А.; Олейник, А. А.; Субботин, С. А.
Рассмотрена задача построения диагностической модели качества кондитерской продукции. Для решения данной задачи предложено использовать ассоциативные правила. Выявлен набор ассоциатив ных правил, позволяющий оценивать качество изделий. Выполнен отбор информативных признаков и построена нейро-нечеткая диагностическая модель качества кондитерской продукции