Кафедра штучного інтелекту (ШІ)

Постійний URI для цієї колекції

Перегляд

Останні подання

Зараз показано 1 - 5 з 152
  • Документ
    Інформаційна система рейтингу публікаційної активності науковців Харківського національного університету радіоелектроніки
    (Наукові перспективи, 2023) Бєлянінова, Г. Г.; Філатов, В. О.; Єрохін, М. А.
    Наведено досвід розробки та впровадження інформаційної системи рейтингового оцінювання наукової продуктивності співробітників Харківського національного університету радіоелектроніки. На відміну від існуючих у багатьох провідних університетах України підходах до стимулювання публікаційної активності, заснованих безпосередньо на матеріальній винагороді за кожну публікацію у виданнях, що індексуються наукометричними базами, запропонований підхід, перш за все, пропонує інформаційну систему ранжування і оприлюднення її результатів. Запропонована система оцінювання відповідає вимогам частини 2 статті 16 Закону України «Про освіту» щодо системи забезпечення якості вищої освіти (системи внутрішнього забезпечення якості), яка передбачає щорічне оцінювання науково-педагогічних працівників закладу вищої освіти та регулярне оприлюднення результатів таких оцінювань на офіційному вебсайті. Розроблена методика орієнтована на відзначення найбільш впливових і цитованих саме в останні роки вчених, а також молодих науковців, які мають невелику загальну кількість цитувань, але таких, що отримані нещодавно. Навпаки, ті науковці, що мають велику кількість цитувань, але вже активно не публікуються і не цитуються останнім часом, займають нижчі позиції у рейтингу. Наведено методику розрахунку рейтингу, варіанти схем бази даних та програмну реалізацію у середовищі MS Access. Проаналізовано позитивний вплив рейтингу публікаційної активності на наукометричні показники. Надано пропозиції щодо подальшого вдосконалення системи розрахунку рейтингу, щодо врахування самоцитування, відповідності тематики публікацій цілям сталого розвитку,підвищення публікаційної активності та кращого представлення наукових результатів університету у міжнародних базах цитування.
  • Документ
    Гибридні нейро-фаззі системи в задачах потокової обробки даних
    (ХНУРЕ, 2019) Сербіна, Д. В.; Валковий, В. В.
    This work is devoted to modern problems of artificial intelligence. Currently, there is a rapid increase in the amount of stored and processed information, namely texts, in connection with this there is a need to work with big data. Also, the tasks of data mining under conditions when part of the sample is marked up, and part is not and also when the clusters intersect are one of the most important problems of artificial intelligence. Thus, classical algorithms and methods are not enough, and here there is a need to use hybrid neuro-fuzzy systems. This work discusses the method of adaptive sequential clustering and classification was proposed with an unknown method of learning based on an ensemble of fuzzy self-organizing map and vector quantization networks.
  • Документ
    Біомедичні технології для сканування складу крові та обробка даних
    (ХНУРЕ, 2019) Ольшанська, С. В.
    The purpose of this work is to describe the possibilities of developing biomedical technologies in the field of studying blood diseases. The main purpose of the investigation is to facilitate the examination of the organism of the potential user and to get rid of excess costs for medical equipment and treatment related services. The potential system will be useful not only for people with the disease, but also for those who want to effectively and dynamically monitor the state of their health. The introduction of such design will eliminate the need for constant care of patients by doctors, the periodic purchasement of equipment for testers and will be able to demonstrate a person's state of health for a certain period of time to quickly and effectively perform blood tests, in a timely manner to prevent critical states of the disease.
  • Документ
    Розпізнавання одягу за допомогою нейронної мережі
    (ХНУРЕ, 2019) Кійко, К. В.
  • Документ
    Адаптация активационных функций в глубоких нейронных сетях
    (ХНУРЕ, 2019) Слепанская, В. Д.
    In this paper the modification of PReLU used in Deep Neural Networks (DNN) is proposed. This modification called Adaptive Parametric Rectifier Linear Unit (AdPReLU) tunes both synaptic weights of neuron and parameters of activation function that permits to accelerate the learning process of DNN in whole and to reduce the amount of network`s hidden layers. The proposed AdPReLU is generalization of activation functions usually used in known DNN.