Бионика интеллекта

Постійний URI для цієї колекції

Перегляд

Останні подання

Зараз показано 1 - 5 з 330
  • Документ
    Бионика интеллекта, №1, 2021
    (ХНУРЕ, 2021)
    Журнал включен в список научных специализированных изданий Украины по техническим и физико-математическим наукам согласно приказа Министерства образования и науки Украины № 820 от 11.07.2016
  • Документ
    Бионика интеллекта, №1, 2005
    (ХНУРЭ, 2005)
  • Документ
    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.
  • Документ
    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.
  • Документ
    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.