Біоніка інтелекту
Постійний URI для цієї колекції
Перегляд
Останні подання
Публікація Бионика интеллекта, № 1, 2020(ХНУРЭ, 2020)Журнал включен в список научных специализированных изданий Украины по техническим и физико-математическим наукам согласно приказа Министерства образования и науки Украины № 820 от 11.07.2016Публікація Бионика интеллекта, №1, 2022(ХНУРЭ, 2022)Журнал включен в список научных специализированных изданий Украины по техническим и физико-математическим наукам согласно приказа Министерства образования и науки Украины № 820 от 11.07.2016Публікація Бионика интеллекта, №2, 2021(ХНУРЭ, 2021)Журнал включен в список научных специализированных изданий Украины по техническим и физико-математическим наукам согласно приказа Министерства образования и науки Украины № 820 от 11.07.2016Публікація Методи пошуку та кодування схожих послідовностей даних в алгоритмах стиснення даних без втрат(ХНУРЭ, 2021) Валлас, О. С.; Вечур, О. В.Розглянуто методи пошуку та кодування схожих послідовностей даних, та їх використання для покращення алгоритмів стиснення даних без втрат. Досліджено сучасні підходи до пошуку послідовностей з неточним збігом – тривіальні та евристичні методи, індексні методи та методи, що базуються на N-грамах. Розглянуто підходи кодування відмінностей з використанням відстані Левенштейна та Геммінга. Запропонована розширена структура алгоритму стиснення даних. Комбінації вищезазначених методів у складі запропонованої структури було протестовано на двох датасетах – датасеті англійського тексту «enwik8» та комбінованому датасеті «Silesia Corpus». При тестування оцінювались ступінь стиснення, швидкість кодування та декодування, та загальний баланс. У результаті було розроблено нову структуру алгоритмів стиснення даних та виявлено найбільш ефективні комбінації методів для компресії різних типів даних.Публікація A neural network approach for the auto matic selection of a complex of rehabilitation exercises(ХНУРЭ, 2021) Butsenko, M. O.; Afanasieva, I. V.; Golian, N. V.; Kameniuk, N.This article is devoted to solving the problem of automatic selection of a set of rehabilitation exercises during injuries, considering the state of the human cardiovascular system through the use of neural networks. To solve this problem, it was necessary to choose one of two classical approaches – multiclass classification or multilabel classification, each of which solves the problem of data classification through its own algorithm, and use the selected neural network architecture to create a software system. While working on this system, it was also necessary to solve certain problems related to each of these approaches (the need for a large sample due to the large number of exercises that the system should recommend) or a specific approach (inability to select multiple exercises at once – for Multiclass Classification, lower productivity and the number of supported programming languages – for Multilabel Classification). Samples of different sizes (from 1 million records and more) were used to train the neural network, which were generated through a self-written program that generated a given number of records and wrote them to a .CSV (commaseparated values) file.Публікація Основні принципи створення та діяльності мультимедійних навчальних систем(ХНУРЭ, 2021) Гончар, Я. О.; Вечур, О. В.Розглянуто проблеми і запропоновано рішення для покращення в освітньому процесі інформаційного обміну шляхом індивідуалізації, локалізації та уніфікованості понять. Знайдено проблеми й рішення щодо швидкості навчання: використання ефективного апаратного забезпечення, порядок подання контенту і його структурування. Досліджено мотиваційну складову при розвитку та зацікавленості вивчення знань. Запропоновано принципи створення взаємодії при роботі з навчальним контентом як здобувачів освіти, так і редакторів. З’ясовано можливі варіанти систем перевірки рівня знань для особистої оцінки. Розглянуто проблеми отримання освітнього ступеню при повністю автоматизованій дистанційній перевірці та наведено рекомендацію із створення процесу тестування для такого присвоєння.Публікація Распознавание художника по картине(ХНУРЭ, 2021) Евтушенко, И. И.; Вечур, А. В.Разработан алгоритм определения автора картины с изображением. Задача является сложной, так как сфера искусства традиционно плохо поддаётся формализации. К тому же, при обработке нужно минимально видоизменять картины, иначе информация о стиле может быть потеряна. Алгоритм основан на современных подходах, а именно на свёрточной нейронной сети с архитектурой RegNet. Эта архитектура известна не только своей мощностью, но и интересным механизмом проверки гипотез, который обсуждается в работе. Для обучения используется набор данных «Best Artworks of All Time». В рамках экспериментов проводится обучение с использованием нескольких функций потерь случайных изменений данных, предварительного обучения без учителя, угасающей скорости обучения.Публікація Аналіз тональності тексту українською мовою(ХНУРЭ, 2021) Рябишев, О. В.; Єрохін, А. Л.; Бахмет, А. Г.Стаття присвячена дослідженню методів автоматичного аналізу тональності тексту (сентимент-аналізу) та виявлення найбільш ефективних методів аналізу тональності тексту українською мовою. В результаті дослідження вирішена задача генерування набору даних (датасету) українською мовою на основі відгуків користувачів про мобільні додатки. Отриманий датасет використано для проведення експерименту з виявлення оптимального алгоритму бінарної класифікації для текстів українською мовою, а також побудована модель бінарного класифікатора на основі результатів експерименту. Вирішена задача бінарної класифікації тексту українською мовою за допомогою претренованої багатомовної BERT-моделі з використанням згенерованного датасетуПублікація Дослідження методів підтримки темпоральності в реляційних базах даних(ХНУРЭ, 2021) Михневич, Т. К.; Мазурова, О. О.Проведено аналіз області побудови темпоральних інформаційних систем та виявлені існуючі проблеми, які потребують рішення. Запропоновано математичну модель представлення темпоральних даних з урахуванням дійсного та транзакційного часу. Розглянуто способи підтримки темпоральності у реляційних СУБД, виявлені їх переваги та недоліки. Наведено результати експериментального порівняння реалізацій підтримки темпоральності на рівні бази даних та на рівні додатку з використанням реляційних систем управління базами даних MS SQL Server та Oracle. Порівняння проводилося за метриками часу виконання різнотипних запитів та об’єму диску, що використовувався. На основі результатів дослідження методів підтримки темпоральності розроблено рекомендації стосовно організації та роботи з темпоральними моделями даних при використанні реляційних СУБД.Публікація Моделювання доповненої реальності на основі маркерів(ХНУРЭ, 2021) Ревенчук, І.; Агарков, Є.Доповнена реальність — це велика кількість можливостей для комерційного застосування, нові горизонти в освіті, промисловості, медицині, будівництві, торгівлі, навчанні і навіть туризмі. Комерційне зростання використання технологій доповненої реальності дуже стрімке. Їй, на відміну від віртуальної реальності, необов’язково спиратися на спеціалізоване залізо і громіздкі пристрої. Технологія працює на мобільних пристроях – смартфонах, планшетах. Саме взаємодія обчислювальних пристроїв з зображенням реального світу відрізняє доповнену реальність від віртуальної. Доповнена реальність має потенціал зробити відносини людини з інформацією більш ергономічними. Дані будуть автоматично доставлятися користувачам у необхідному контексті для різних ситуацій в повсякденному житті, таким чином, технологія підніме взаємодію людини з інформацією на принципово інший рівень. При моделюванні доповненої реальності особливу увагу приділяють методам та алгоритмам моделювання віртуального простору.Публікація The usage and implementation of parallelism in go programming language based on the mpi interface as a message exc hange method(ХНУРЭ, 2021) Kyrychenko, I. V.; Kolesnyk, V. V.; Shmelov, O. B.The development of the methods for optimizing computer processes by the means of Go programming language. The resources for MPI computations were analyzed from the side of Go programming language. Proposed attempts to fabricate the ties the Go form devices hit their restriction of adaptability quick. Among the advantages of using Go programming language for implementation MPI algorithms, could be saud that it eliminates the need for the developer to manage memory and resources used by software manually, own binaries, fast and efficient compilation. Athough Golang uses several resources to create parallel computations, MPI algorithms implemented by Golang methods and techniques do not fully integrate exchange and computation. Were compared two Jacobi methods for solving partial differential equation. The results showed that Go cannot coordinate the execution of C, although Go scales a part more pleasant when using non-blocking communication when comparing the blocking C usage with the blocking Go execution and and comparing the non-blocking implementations with each other. Go programming language is used for developing massive systems that can speed up software code several times by properly converting sequential algorithms to competing ones, nevertheless MPI developers are not recommended to use it due to its complexity for implementation. As a result, there is currently almost no MPI implemented by Golang methods and techniques that would fully integrate exchange and computationПублікація Applying gradient boosting as a stac king algorithm over bottleneck features to achieve high image classification accuracy(ХНУРЭ, 2021) Golian, N.; Afanasieva, I.; Golian, V.; Panchenko, D.With the development of the Internet, making many images available online for analysis, object recognition software is gaining more and more attention from researchers. Factors are driving the development of computer vision today: mobile devices with built-in cameras, the availability of computing power, the availability of computer vision and analysis equipment, and new algorithms such as convolutional neural networks that take advantage of the power of hardware and software. The work is generally devoted to the consideration of the problem of image classification using convolutional neural networks. And in particular, one of the most popular and applied in practice machine learning algorithms − gradient boosting applied to the bottlenecks of deep convolutional neural networks. It also discusses three scenarios for applying gradient boosting to bottlenecks extracted from the last convolutional layer of the neural network. The essence of boosting, as well as of other ensembles of algorithms, is to collect one strong from several weak models. The general idea of boosting algorithms is to consistently apply predictors so that each subsequent model minimizes the error of the previous one. Gradient boosting works by sequentially adding new models to past models so that errors made by previous predictors are corrected.Публікація Розробка комбінованого методу побудови рекомендаційної системи для онлайн-магазину електронних ігор(ХНУРЭ, 2021) Байдак, В. Є.; Мазурова, О. О.; Ворочек, О. Г.Запропоновано комбінований метод побудови рекомендаційної системи для розширення функціоналу онлайн-магазину електронних ігор. Запропонований метод, що враховує аналітичний профіль користувача та оцінки інших користувачів, дозволить системі надавати більш точні персоналізовані рекомендації. Основою побудови рекомендаційної системи пропонується метод колаборативної фільтрації. Для покращення якості рекомендацій пропонується вибір вхідних даних для колаборативної фільтрації на базі кластеризації користувачів за допомогою методу k-means на основі аналітичного профіля користувача. Розроблений метод апробований під час створення рекомендаційної системи для онлайн-магазину електронних ігор.Публікація Методи штучних нейронних мереж для адаптивного тестування знань(ХНУРЭ, 2021) Шубін, І. Ю.; Четвериков, Г. Г.; Ляшик, В. А.; Шанідзе, Н. О.Під адаптивним тестовим контролем розуміють комп’ютеризовану систему науково обґрунтованої перевірки й оцінювання результатів навчання, що має високу ефективність за рахунок оптимізації процедур генерації, пред’явлення й оцінки результатів виконання адаптивних тестів, що заснована на методах побудови та оптимізації логічних мереж. Алгоритми підбору й пред’явлення завдань будуються за принципом зворотного зв’язку, коли при правильній відповіді суб’єкта навчання чергове завдання вибирається більш важким, а неві- рна відповідь спричиняє пред’явлення наступного більш легкого завдання, ніж те, на яке суб’єктом навчання була дана невірна відповідь. Також є можливість завдання додаткових питань по темах, які суб’єкт навчання знає не дуже добре для більш точного з’ясування рівня знань у даних областях. Вибір алгоритмів тестування наразі фактично обмежений формами представлення тестових завдань і алгоритмами оцінювання результатів тестування. Досягнення більш високих результатів і підвищення мотивації навчання в остаточному підсумку є основною метою тестування знань. Для визначення базового алгоритму, необхідно навести сценарій роботи системи. У його основі лежить модель приймання іспиту викладачем у студента, як модель адаптивного тестування. Такий вибір сценарію роботи системи обумовлений тим, що, по-перше, дана процедура історично добре формалізована, по-друге, при проектуванні тестів, їх розробнику необхідно спиратися на загальноприйняті, відомі й використовувані їм методи з мінімальною модифікацією.Публікація Проблеми розгортання та керування мультихмарними рішеннями(ХНУРЭ, 2021) Кравець, Н. С.; Чернишов, М. С.Проаналізовано доцільність розгортання програмних продуктів у мультихмарі, визначено переваги та недоліки такого підходу, проблеми, пов’язані із використанням сервісів, що надаються кількома хмарними провайдерами. Досліджено, які хмарні рішення є на сьогодні найпопулярнішими, та розглянуто випадки, у яких краще використовувати саме їх, а не конкурентів. Розглянуто платформи мультихмарного управління, орієнтовані на використання організаціями з великою кількістю територіально рознесених відділів та офісів. Визначено, які фреймворки оркестрування хмарних ресурсів підтримують роботу із кількома хмарами, та за допомогою яких технологій ними здійснюється оптимальний вибір хмарного рішення.Публікація Бионика интеллекта, №1, 2021(ХНУРЭ, 2021)Журнал включен в список научных специализированных изданий Украины по техническим и физико-математическим наукам согласно приказа Министерства образования и науки Украины № 820 от 11.07.2016Публікація Бионика интеллекта, №1, 2005(ХНУРЭ, 2005)Публікація Оптимізація та масштабування Node.js додатків(ХНУРЕ, 2020) Кириченко, І. В.; Назаренко, А. В.; Попов, Р. О.Актуальність цієї роботи зумовлена тим, що Node.js швидко стає однією з найпопулярніших платформ для створення швидких, масштабованих веб та мобільних додатків. Опитування користувачів Node.js 2017 року показує, що в даний час в Інтернеті перебуває понад 7 мільйонів екземплярів Node.js, причому кожен четвертий користувач планує збільшити використання Node.js протягом наступних 12 місяців. І легко зрозуміти, чому 68 відсотків цих користувачів кажуть, що Node.js покращує продуктивність розробників, 58 повідомляє, що зменшує витрати на розробку, а 50 відсотків кажуть, що підвищує продуктивність додатків. Оскільки Node.js все частіше стає технологією, що обирається для розробки додатків, попит на досвідчених розробників Node.js також буде продовжувати зростати. У роботі розглянуто проблему масштабування та оптимізації Node.js додатків. Запропоновано декілька підходів розробки Node.js додатків, які допоможуть оптимізувати швидкість виконання програмного коду та розробити рішення, що буде легко масштабуватися.Публікація Метод нейромережевого розпізнавання фальсифікованих зображень(ХНУРЕ, 2020) Білоцерковський, В. В.; Удовенко, С. Г.; Чала, Л. Е.Розглянуто методи генерації зображень, фальсифікованих за допомогою технологій Deepfake, і методи їх виявлення. Пропонується метод виявлення фальсифікованих зображень, який оснований на спільному використанні ансамблю згорткових нейронних моделей, механізму Attention та стратегії сіамського навчання мережі. Ансамблі моделей формувалися різними способами (з використанням двох, трьох або більшої кількості складових). Результат обчислювався як середнє значення показників AUC і LogLoss з усіх моделей, що входять в ансамбль. Такий підхід дозволяє покращити точність різних нейромережевих класифікаторів для виявлення статичних та динамічних зображень, створених за технологіями Deepfake.Публікація Інтелектуальна обробка просторових даних в ГІС ландшафтно-екологічного моніторингу(ХНУРЕ, 2020) Дудінова, О. Б.; Удовенко, С. Г.; Чала, Л. Е.Пропонується підхід до створення модульних підсистем інтелектуальної обробки і стиснення просторових даних в складі ГІС ландшафтно-екологічного моніторингу. Визначено функції та методи реалізації завдань цих підсистем. До основних модулів належать: модуль попередньої обробки просторових даних з формуванням оцифрованих зображень; модуль сегментації зображень та виділення контурів; модуль категорійної класифікації зображень ландшафтних об’єктів; модуль стиснення зображень з використанням фрактальної моделі та генетичного алгоритму; модуль стиснення та відновлення зашумлених оцифрованих зображень з використанням шумопригнічуючого автоенкодера.