Scientific Bulletin of UNFU (Ukrainian National Forestry University)
Not a member yet
2661 research outputs found
Sort by
Розроблення моделі психологічного типу особистості з використанням ознак Рейніна
Get PDFDetermining the psychological type of an individual is extremely important. This information allows for optimal use of personnel potential. This applies both to work in a team and to the harmonious development and self-realization of each individual. Among the large number of methods for determining the psychological type of a person, the sociological analysis method can be singled out. In the course of research, it has been established that this method is quite simple and effective in application, provided the researcher has sufficient qualifications. The applied method is based on 4 dichotomous of Jung traits, namely extraversion-introversion, logic-ethics, sensorics-intuition, rationality-irrationality. It has been found that the consistent determination of the dominant traits in each of these dichotomous pairs enables identifying a personality by determining its sociotype. It was established that there are 16 such basic sociotypes in total. There is enough scientific information that allows predicting the behavioural reactions of these types in various situations quite accurately. Consequently, it is possible to find the optimal use of each of them for collective activity. It has been established that sometimes such situations arise when these 4 dichotomous traits are not enough to accurately determine the type of personality. In such cases, the use of additional tools in the form of 11 additional Rainin traits is proposed. H. Reinin suggests that there are 15 possible options in total, which can be used to divide the existing 16 basic sociotypes in half. Four of them are actually Jung dichotomous traits. The remaining 11 are additional Rainin traits. It is stated that Rainin additional traits include as follows: statics-dynamics, questim-declatim, positivism-negativism, tactician-strategist, constructivism-emotivism, left-right, compliant-stubborn, carefree-cautious, cheerful-serious, prudent-resolute, democrats – aristocrats. These traits are found not to have been sufficiently studied yet and require further research. Therefore, application of this toolkit for the more accurate definition of the psychological type of the individual has a significant prospect of practical application.Визначення психологічного типу особистості має надзвичайне значення, позаяк отримана інформація дає змогу оптимально використовувати кадровий потенціал. Це стосується як роботи в колективі, так і гармонійного розвитку і самореалізації кожної особистості. Серед великої кількості методів визначення психологічного типу особистості можна виділити метод соціонічного аналізу. Встановлено, що цей метод є досить простим й ефективним у застосуванні за умови достатньої кваліфікації дослідника. Застосований метод базується на 4 дихотомічних ознаках Юнга, а саме: екстраверсія-інтроверсія, логіка-етика, сенсорика-інтуїція, раціональність-ірраціональність. З'ясовано, що послідовне визначення домінантної ознаки в кожній з цих дихотомічних пар дає можливість протипувати особистість, визначивши її соціотип. Встановлено, що загалом існує 16 таких базових соціотипів. З'ясовано, що існує достатньо наукової інформації, яка дає змогу доволі точно передбачити поведінкові реакції цих типів у різних ситуаціях. Проаналізовано, що завдяки цьому можна знайти оптимальне використання кожного з них для колективної діяльності. Встановлено, що інколи виникають такі ситуації, коли цих 4 дихотомічних ознак недостатньо для точного визначення типу особистості. Запропоновано в таких випадках використання додаткового інструментарію у вигляді 11 додаткових ознак Рейніна. Дослідник Г. Рейнін встановив, що загалом існує 15 можливих варіантів, якими можна поділити навпіл 16 наявних базових соціотипів, 4 з них – власне дихотомічні ознаки Юнга. Решта 11 – додаткові ознаки Рейніна. Наведено, що до додаткових ознак Рейніна належать: статика-динаміка, квестім-деклатім, позитивізм-негативізм, тактик-стратег, конструктивізм-емотивізм, ліві-праві, поступливі-вперті, безтурботні-завбачливі, веселі-серйозні, розважливі-рішучі, демократи-аристократи. Проаналізовано, що ці ознаки вивчені ще недостатньо і потребують подальшого дослідження. Досліджено, що використання цього інструментарію для точнішого визначення психологічного типу особистості має значну перспективу практичного застосування
Еколого-економічне оцінювання впливу діяльності лісогосподарських підприємств на лісові екосистеми в Україні
Get PDFIt is established that the forests of Ukraine play an important role in ensuring sustainable ecological and economic development of the country. The forest fund of Ukraine is analyzed and the annual volumes of harvesting are estimated. The opinion is expressed that the current state of forest ecosystems in Ukraine does not meet ecological and economic requirements. This is due to the difficulty of making managerial decisions in the field of Forestry due to the long cycle of forest cultivation and the difficulty of predicting future environmental and economic conditions. To study theoretical and methodological approaches, we used such scientific research methods as abstract-logical, analysis of theoretical provisions of forest management methods, comparative analysis and grouping. A list of legislative regulation of the activities of forest industry enterprises is given, and documents that were put into effect during martial law are given separately. The main aspects of greening land use under forest areas are considered. It is established that from an economic point of view, irrational use of forest resources leads to loss of profits, job cuts, reduced tax revenues and limited opportunities for exporting value-added products. This negatively affects both the state budget and the well-being of communities. Based on the analysis of forestry activities in recent years, several recommendations can be formulated to improve the environmental and economic situation in the forest sector. It is necessary to strengthen the responsibility of forest users and wood harvesting companies, promote the creation of local woodworking enterprises for deep processing and reuse of wood, and develop related industries, creating new jobs. It is also important to attract investment in the forest industry. One of the key negative factors affecting the economic aspect of the forest industry is the significant destruction of forest land resources as a result of the ongoing active military operations. Another important aspect is the fight against illegal logging and strengthening the role of the public, including in this matter. Measures to improve the current situation in the forest industry are given. For the rational use of forest resources and ensuring the economic stability of industry enterprises, it is necessary to constantly improve the management system for their production and economic activities. Forestry in Ukraine is an important component of the ecosystem and economy, which requires a systematic and innovative approach to optimizing management.Встановлено, що ліси України відіграють важливу роль у забезпеченні сталого екологічного та економічного розвитку країни. Проаналізовано лісовий фонд України та оцінено щорічні обсяги заготівель. Сучасний стан лісових екосистем України не відповідає еколого-економічним вимогам сучасної екологічної та економічної ситуації країни. Це зумовлено складністю ухвалення управлінських рішень у галузі лісового господарства через тривалий цикл вирощування лісу та труднощі прогнозування майбутніх екологічних і економічних умов. Наведено перелік законодавчого регулювання діяльності підприємств лісової галузі та окремо подано документи, що введені в дію під час військового стану. Розглянуто основні особливості екологізації землекористування під лісовими масивами. Встановлено, що з економічного погляду, нераціональне використання лісових ресурсів призводить до втрати прибутків держави та підприємств, скорочення робочих місць, зниження податкових надходжень і обмеження можливостей для експорту продукції з доданою вартістю. Це негативно впливає як на державний бюджет, так і на добробут сільських громад. На підставі аналізу діяльності лісового господарства за останні роки було сформульовано кілька рекомендацій щодо покращення екологічної та економічної ситуації у лісовому секторі. Насамперед необхідно посилити відповідальність лісокористувачів і компаній, які заготовляють деревину, сприяти створенню місцевих деревообробних підприємств для глибокого переробляння та повторного використання деревини, а також розвивати суміжні галузі, створюючи нові робочі місця. Також важливо залучати інвестиції в лісову галузь. Одним із ключових негативних чинників, які впливають на економічну особливість лісової галузі, є значна деструкція лісоземельних ресурсів унаслідок активних бойових дій, що тривають дотепер. Також важливою особливістю є боротьба з незаконним вирубуванням лісів і посилення ролі громадськості, у тому числі в цьому питанні. Наведено заходи для покращення наявної ситуації в лісовій галузі. Для раціонального використання лісових ресурсів та гарантування економічної стабільності підприємств галузі необхідно постійно вдосконалювати систему управління їхньою виробничо-господарською діяльністю. Лісове господарство України є важливим компонентом екосистеми та економіки, що вимагає системного та інноваційного підходу до оптимізації управління
Effective methods of separation of voice from noise based on deep learning
Get PDFДосліджено та проведено порівняльний аналіз двох сучасних методів відокремлення голосу від шуму на підставі глибокого навчання: моделей, що базуються на рекурентних нейронних мережах, та моделей на підставі трансформерів. Запропоновано гібридну модель, яка увібрала кращі властивості обох моделей. Дослідження охоплює актуальну проблему покращення якості мовлення в різних сферах, таких як слухові апарати, мобільний зв'язок та автоматичне розпізнавання мовлення, де важливим є відокремлення цільової мови від фонових шумів. Розглянуто архітектуру, особливості, алгоритми, переваги та недоліки моделей LSTM (англ. Long Short-Term Memory), SepFormer та гібридної архітектури. Також описано складнощі, що виникають під час навчання моделей нейронних мереж. Проаналізовано останні дослідження, які підтверджують ефективність підходів відокремлення голосу від шуму з використанням досліджуваних моделей. Експериментальні результати показали, за яких умов варто використовувати ту чи іншу з розглянутих моделей, та чому розвиток гібридних моделей може мати значну цінність у дослідженнях. Розглянуто практичні особливості використання моделей, зокрема підготовку та оброблення вхідних даних, навчання моделей та оцінювання результатів. Для оцінювання результатів дослідження застосовано метрики оцінювання якості звуку, які є важливими інструментами для покращення якості звуку в різних технологічних застосуваннях. Проведено оцінювання та порівняння якості відокремленого мовлення та його розбірливість у розглянутих моделях. Описано перспективи подальшого розвитку дослідження, інтеграцію нових джерел даних та покращення методів оброблення аудіосигналів. Проведене дослідження робить значний внесок у розуміння ефективності застосування різних методів відокремлення голосу від шуму, надає рекомендації щодо вибору найпридатнішої моделі для конкретних умов, а також пропонує гібридне рішення для завдань з потребою отримати найкращий результат. Отримані результати дослідження можуть бути корисними для науковців та інженерів, які працюють у галузі оброблення сигналів та розроблення аудіосистем, сприяючи підвищенню якості та ефективності технологій оброблення мовлення.A comparative analysis has been conducted to investigate two contemporary deep learning-based voice separation methods: models based on recurrent neural networks and transformer-based models. A hybrid model that incorporates the best properties of both models is proposed. This research addresses the pressing issue of improving speech quality in various applications, such as hearing aids, mobile communication, and automatic speech recognition, where separating target speech from background noise is crucial. The architecture, features, algorithms, advantages, and disadvantages of the LSTM, SepFormer and hybrid architecture models are examined. Moreover, the complexities encountered during the training of neural network models are described. In addition, the study provides a detailed discussion on the parameter tuning process required for each model to achieve optimal performance. An analysis of the latest research has been conducted, which confirms the effectiveness of these approaches. Experimental results have demonstrated the conditions under which each of the considered models should be utilized, and why the development of hybrid models can have significant value in further research. Furthermore, the article explores the practical aspects of implementing these models, including the preparation and processing of input data, model training, and result evaluation. For assessing the research results, sound quality assessment metrics were applied, which serve as important tools for evaluating and enhancing sound quality in various technological applications. The quality of the separated speech and its intelligibility in the considered models were evaluated and compared. Prospects for further research are discussed, including the development of hybrid methods, integration of new data sources, and improvement of audio signal processing techniques. Significantly, the research also identifies key challenges and potential solutions for scaling these methods to real-world applications. Consequently, this study makes a significant contribution to understanding the effectiveness of various voice separation methods and provides recommendations for selecting the most suitable model for specific conditions and tasks. It also proposes a hybrid solution for tasks that require the best possible results. The conclusions drawn from this research can be highly beneficial for scientists and engineers working in the field of signal processing and audio system development, thereby enhancing the quality and efficiency of speech processing technologies
Дослідження впливу обрізання та тонкого налаштування моделі автоматичного розпізнавання мовлення на її точність
No full textAutomatic speech recognition (ASR) models are essential in modern technologies such as conversational AI, voice assistants, and transcription applications, yet achieving high accuracy for low-resource languages remains challenging due to insufficient training data. This study explores the effects of model pruning and fine-tuning on the performance of ASR systems for low-resource languages, focusing on Ukrainian. We employed an integrated approach combining transfer learning, pruning, and fine-tuning, using the "wav2vec2-xls-r-300m-uk" model that was initially pre-trained on large-scale multilingual datasets and then fine-tuned on a smaller Ukrainian dataset. Pruning was applied at various levels (10, 20, 30, 40, and 50 %%) without prior fine-tuning. Our results show that as pruning levels increased, model accuracy decreased significantly, with the highest pruning level (50 %) resulting in a WER of 35.96 % and a CER of 7.97 %. However, subsequent fine-tuning using Ukrainian data improved the pruned model accuracy, achieving a WER of 22.81 % and a CER of 4.55 % after 20 epochs. This indicates that while aggressive pruning negatively impacts performance, fine-tuning can substantially recover accuracy. Consequently, this approach demonstrates a balanced trade-off between model efficiency and accuracy, crucial for resource-constrained environments. The benefits of this study are evident in its potential to enhance ASR systems for low-resource languages, providing a framework for optimizing model performance with limited data. Moreover, the findings underscore the importance of fine-tuning as a crucial step in adapting pruned models to specific low-resource contexts. Future research should include exploring different pruning methods, developing new fine-tuning approaches, and employing transfer learning with additional linguistic features. These advancements will contribute to the development of more efficient ASR systems for low-resource languages, helping to bridge the technological gap and improve the accessibility of language technologies globally.Досліджено вплив методів обрізання моделі та тонкого її налаштування на точність автоматичного розпізнавання мовлення ASR (англ. Automatic Speech Recognition) для мови з низьким ресурсом. Використану модель "wav2vec2-xls-r-300 m-uk", попередньо навчено на великому багатомовному наборі даних і тонко налаштовано на українському наборі даних із Common Voice. Метод обрізання за L1-нормою було застосовано на різних рівнях (10, 20, 30, 40, 50 %%) без подальшого налаштування, що виявило значне зниження точності (метрика WER (англ. Word Error Rate) збільшилася з 18,53 до 35,96 %%, метрика CER (англ. Character Error Rate) – з 3,5 до 7,97 %%). Встановлено, що зі збільшенням ступеня обрізання точність моделей поступово знижується, однак подальше тонке налаштування значно покращує продуктивність (метрика WER знизилася до 22,81 %, метрика CER – до 4,55 %). Оцінено вплив кількості епох тонкого налаштування на точність моделі, що показало поступове покращення продуктивності зі збільшенням епох (найкращі результати за 20 епох: метрики WER 22,81 %, CER 4,55 %). З'ясовано, що тонке налаштування здатне частково відновити втрату точності, спричинену обрізанням. Наукова новизна дослідження полягає в комплексному аналізі методів обрізання та тонкого налаштування для низькоресурсних мов на прикладі української мови. Виявлено, що комбіноване використання методів обрізання, перенесення навчання та тонкого налаштування є перспективним для підвищення продуктивності та точності ASR моделей. З'ясовано, що методи обрізання дають можливість зменшити розмір моделі та підвищити її ефективність, що є критичним для пристроїв з обмеженими ресурсами. Охарактеризовано закономірності між ступенем обрізання та ефективністю моделі, що вказують на можливість досягнення балансу між продуктивністю та точністю. З'ясовано, що ефективність моделей для мов з низьким ресурсом значно залежить від кількості та якості навчальних даних, а також від методів їх оброблення. Перспективи подальших досліджень містять аналіз різних методів обрізання, розроблення нових підходів до тонкого налаштування та перенесення навчання з використанням додаткових лінгвістичних ознак. Це сприятиме створенню більш ефективних систем розпізнавання мовлення для мов із низьким ресурсом, що дасть змогу подолати технологічний розрив і покращити доступність мовних технологій у глобальному масштабі
Ефективність застосування методів класифікації для задач інтелектуального аналізу великих даних
No full textThe study reviewed the methods of intelligent data analysis based on the concept of machine learning in order to increase their effectiveness in the field of e-commerce. A comparative analysis of the use of such models as a random forest classifier, a naive Bayes classifier, and a classifier based on the support vector method was conducted. Algorithm analysis software has been developed for the problem of customer classification, which is common in the field of e-commerce. An analysis of the input data was carried out and preliminary data preparation was performed for training and testing the selected models. The study of the selected models was conducted using pre-prepared data with the help of software according to the defined scenarios. The parameters of the selected classification models were studied and the random forest classifier was improved by selecting and changing the random state parameter. The support vector method is also implemented in the classifier for the probability support parameter. Pre-prepared research data of selected models using software according to defined scenarios was involved. The support vector method has been introduced to the probability support parameter in the classifier. A comparison of the classification accuracy results of the selected classification models was made. According to the results of the study, a positive trend was determined for the quality of model training with correct data preparation and the influence of selecting the correct parameters for random forest algorithms and the support vector method. Indicators of efficiency and accuracy of algorithm training show positive dynamics and are comparable with the results of testing the naive Bayes classifier model with the basic values of the model parameters. Therefore, the results of the study reveal that the influence of the selection of correct parameters based on the input data set on the results of prediction accuracy of algorithms and their influence on training and testing of machine learning models is confirmed. These results emphasize the prospects for further research in the development of optimal strategies for optimization and efficiency improvement in working with machine learning algorithms in classification tasks.Проаналізовано ефективність застосування методів класифікації для задач інтелектуального аналізу великих даних на підставі концепції машинного навчання задля підвищення їхньої ефективності у сфері електронної комерції. Проведено порівняльний аналіз застосування таких моделей, як класифікатор методом випадкового лісу (англ. Random Forest), класифікатор методом наївного Байєса (англ. Naïve Bayes) та класифікатор методом опорних векторів (англ. Support Vector Machines, SVM), який також називають опорно-векторними мережами (англ. Support Vector Networks, SVN). Для поширеної у сфері електронної комерції задачі класифікації клієнтів розроблено програмне забезпечення для проведення аналізу відповідних алгоритмів. Проаналізовано вхідні дані і здійснено попередню підготовку даних для навчання та тестування вибраних моделей. Здійснено дослідження обраних моделей із використанням попередньо підготовлених даних за допомогою програмного забезпечення відповідно до визначених сценаріїв. Досліджено параметри обраних моделей класифікації та вдосконалено класифікатор методом випадкового лісу шляхом підбору та зміни параметра випадкового стану. Також впроваджено параметри підтримки ймовірностей у класифікаторі методом опорних векторів. Здійснено із використанням попередньо підготовлених даних дослідження обраних моделей за допомогою програмного забезпечення відповідно до визначених сценаріїв. Впроваджено параметру підтримки ймовірностей у класифікаторі методом опорних векторів. Здійснено порівняння результату точності класифікації обраних моделей класифікації. Згідно з результатами дослідження, визначено позитивний тренд на якість навчання моделей за коректної підготовки даних і впливу підбору коректних параметрів для класифікаторів методами випадкового лісу й опорних векторів. Показники ефективності, точності навчання алгоритму показують позитивну динаміку й порівняно із результатами тестування моделі класифікатора методом наївного Байєса базовими значеннями параметрів моделі. На підставі результатів дослідження підтверджується вплив підбору коректних параметрів залежно від вхідного набору даних на результати точності передбачення алгоритмів і їх вплив на навчання, тренування та тестування моделей машинного навчання. Ці результати свідчать про перспективи до подальшого дослідження щодо розроблення оптимальних стратегій оптимізації та підвищення ефективності щодо роботи з алгоритмами машинного навчання у задачах класифікації
Порівняння морфо-фізіологічних показників рослин роду Salix L. придорожньої зони та паркових насаджень
No full textВикористання стійких видів рослин є запорукою збереження їх довговічності та здатності повною мірою виконувати фітомеліоративну та естетичну функцію на селітебних територіях. Придорожні насадження перманентно відчувають комплексну дію негативних антропогенних і кліматичних чинників. Актуально дослідити, які представники декоративних та невибагливих рослин роду Salix L. будуть зберігати високий рівень життєвості при зростанні в безпосередній близькості від автомагістралі. Для порівняльного аналізу використовували молоді рослини (не старші 10-ти років) Salix babylonica L., Salix triandra L. і Salix caprea 'Kilmarnock' двох варіантів – у парковому насадженні (контроль) і придорожньому з інтенсивним рухом автомобілів. Встановлено, що у придорожніх рослин Salix babylonica морфометричні показники (довжина однорічного пагону, кількість листків і площа листкової пластинки) неістотно відрізняються від відповідних у контрольних рослин. На погіршення умов зростання найсильніше реагує Salix caprea 'Kilmarnock' – майже удвічі зменшується площа листка і на 20 % – довжина пагону і кількість листків на однорічному пагоні. У всіх видів в придорожніх насадженнях збільшується частка окисненої форми хлорофілу в листках, при цьому кількість хлорофілу в листках рослин обох варіантів майже не відрізняється. Найбільший вміст зелених пігментів виявлено в листках Salix babylonica, найменший – у Salix caprea 'Kilmarnock'. Але за показниками жаростійкості спостерігається зворотна ситуація – листки Salix babylonica істотно пошкоджуються вже за температури 55 °С, у інших двох видів некротизація виражена значно менше. Треба зазначити, що рослини придорожнього насадження у всіх досліджуваних видів виявили більш високу жаростійкість, ніж контрольні екземпляри. Отже, за умов достатнього догляду (поливу у спекотний період року), всі зазначені представники роду Salix L. можна рекомендувати для придорожніх насаджень
Прогнозування інцидентів під час планування спринтів у ІТ-проєктах
No full textThe study focuses on justifying the feasibility of using machine learning technology to improve the efficiency of planning processes that will be performed in the iteration (Sprints) of an IT project implemented using the Scrum methodology. The problems that arise when planning the tasks of such a project are considered. The reasons for incorrect planning and possible solutions to the problem are analysed. The problem of managing unplanned processes in a project is highlighted and also the impact of their occurrence on the correctness of iteration planning is determined. The feasibility of using machine learning technologies to predict the number of unplanned tasks in future iterations is analyzed and unplanned tasks are proposed to be treated as incidents (hardware failures). The factors that influence the occurrence of unplanned work processes in three segments are identified as follows: the historical number of incidents, hardware, and network load data. A forecasting tool, the extreme gradient boosting regressor, was selected and used to predict the probability of unplanned processes. The basic principles of the algorithm are reviewed. The advantages of using this method in the context of the studied environment are described. The features of the procedure for comparative analysis of regression models are highlighted and the results of the method are visualized. The influence of the selection of these features on the result of the forecasting process is demonstrated. The choice of the working regression model is substantiated, and the forecasting results are presented. A practical task is described to analyse the effectiveness of the approach under study. The control and experimental teams for the study are formed. The choice of a working regression model is substantiated and the forecasting results are presented. An example of their use in planning work processes in iteration is given. A comparative analysis of approaches to planning iterations with and without forecasting results is carried out. The results of the analysis are presented and the impact of forecasting on the decision-making process is assessed. The effectiveness of applying the extreme gradient boosting regression method to the planning of project iteration processes implemented using the Scrum methodology is proved. Some prospects for the development of research areas and the application of the obtained results are presented.Зосереджено увагу на обґрунтуванні доцільності застосування технології машинного навчання для підвищення ефективності планування процесів, виконання яких передбачено в ітерації (Sprints) ІТ-проєкту, що реалізовують з використанням методології Scrum. Розглянуто проблеми, які виникають під час планування задач такого проєкту. Проаналізовано причини некоректного планування та шляхи можливого вирішення проблеми. Виокремлено проблему управління незапланованими у проєкті процесами та визначено вплив їх появи на коректність планування ітерацій. Проведено аналіз доцільності використання технологій машинного навчання для прогнозування кількості незапланованих завдань впродовж майбутніх ітерацій та запропоновано ці завдання трактувати як інциденти (апаратні збої). Визначено чинники, які впливають на виникнення незапланованих процесів роботи у трьох сегментах: історичні показники кількості інцидентів, апаратне забезпечення та дані мережевого навантаження. Обрано засіб прогнозування – регресор екстремального градієнтного підсилення та за допомогою нього проведено прогнозування ймовірності появи незапланованих процесів роботи. Розглянуто основні принципи роботи алгоритму. Описано переваги застосування цього методу в контексті досліджуваного середовища. Висвітлено особливості процедури порівняльного аналізу моделей регресії. Продемонстровано вплив підбору даних ознак на результат процесу прогнозування та візуалізовано результати застосування методу. Обґрунтовано вибір робочої моделі регресії та представлено результати прогнозування. Описано практичне завдання для аналізу ефективності застосування досліджуваного підходу. Сформовано контрольну та експериментальну команди для дослідження. Наведено приклад використання результатів прогнозування під час планування процесів роботи у ітерації. Проведено порівняльний аналіз підходів до планування ітерацій з урахуванням результатів прогнозування та без них прогнозування. Відображено результати аналізу та оцінено вплив прогнозування на процес прийняття рішень. Доведено ефективність застосування методу регресії екстремального градієнтного підсилення до планування процесів роботи ітерацій проєкту, що реалізують з використанням методології Scrum. Наведено перспективи розвитку подальших напрямів дослідження, галузі застосування отриманих результатів
Фітосанітарний стан насаджень Juglans regia L. на території Правобережного Лісостепу України
No full textDuring 2022-2023, a survey of plantations was conducted across 8 stationary trial plots situated in plantation, field protection, and forest plantations of this species with aim to evaluate the phytosanitary status of Juglans regia trees in the Right Bank Forest Steppe of Ukraine. The examination of tree conditions, disease prevalence, and pest presence have been conducted considering the phenological phases of walnut development. Walnut anthracnose fungus (Ophiognomonia leptostyla) was identified as the most widespread and established disease in walnut plantations across all surveyed areas. The prevalence of leaf brown spots ranged from 30 % to 43 % in plantations and from 50 % to 63 % in field protection and forest plantations of walnut. Bacterial canker of stone fruits, caused by Xanthomonas arboricola pv. juglandis, affected walnut fruits, leaves, shoots, branches, and trunks, 3.4-26.7 %. Phyllosticta leaf spot disease, caused by Phyllosticta juglandis and P. juglandina, was detected in plantation plantations at a prevalence not exceeding 8 %. In field protection and forest plantations, the percentage of affected trees ranged from 15 % to 22 %. Prevalence of downy leaf spot disease (Pseudomicrostroma juglandis) mostly ranged from 6.6 % to 23.3 %. Wood decay fungi, such as Inonotus hispidus, Polyporus septosporus, Pleurotus ostreatus, Trametes versicolor, and T. hirsuta, were identified as the causative agents of trunk rot in walnut trees across the surveyed areas. Additionally, walnut branch dieback pathogens (Cytospora juglandina and Nectria cinnabarina) were found in all surveyed areas. It has been established that the most prevalent pests in J. regia plantations within the Right Bank Forest Steppe are the mites Aceria erinea, Aceria tristriata, and large walnut-aphid Panaphis juglandis. Among insects, those causing the most significant damage include Panaphis juglandis, Chromaphis juglandicola, Cydia pomonella, Stictocephala bisonia, and Hyphantria cunea. Of these pests, Panaphis juglandis and Chromaphis juglandicola, which possess spiny-sucking mouthparts, are particularly abundant and harmful. The buffalo treehopper (Stictocephala bisonia), on the other hand, is responsible for causing the most damage to young plants and one-year-old shoots. In response to these findings, a protection scheme for walnut plantations has been proposed. This scheme considers phenological phenomena and cumulative active temperatures to optimize pest management strategies.Для визначення фітосанітарного стану дерев горіха грецького (Juglans regia) в умовах Правобережного Лісостепу України у 2022-2023 рр. обстежено насадження на 8 стаціонарних пробних площах, закладених у плантаційних, полезахисних та лісових ділянках. Дослідження стану дерев та особливостей поширення хвороб і виявлення шкідників здійснено з урахуванням фенологічних фаз розвитку горіха грецького. Встановлено, що найпоширенішим захворюванням у насадженнях горіха грецького є бура плямистість (марсоніоз) Ophiognomonia leptostyla, яку виявлено на всіх обстежених ділянках, зокрема 30-43 % – у плантаційних насадженнях і 50-63 % – у полезахисних і лісових. Бактеріоз (бактеріальний опік), спричинений Xanthomonas arboricola pv. juglandis, уражує плоди, листки, пагони, гілки та стовбури горіха грецького. Частка поширення цього захворювання у різних насадженнях змінюється від 3,4 до 26,7 %. Частка ураження листків філостиктозом, збудниками якого є гриби Phyllosticta juglandis (Sphaeria juglandina) і P. juglandina (Phomopsis juglandina), у плантаційних насадженнях не перевищувала 8 %, а у полезахисних та лісових насадженнях становила від 15 до 22 %. Частка поширення білої плямистості (Pseudomicrostroma juglandis) переважно становила від 6,6 до 23,3 %. Збудниками стовбурових гнилей дерев горіха грецького на обстежених ділянках є Inonotus hispidus, Polyporus septosporus, Pleurotus ostreatus, Trametes versicolor, T. hirsuta. Гілки горіха грецького уражують патогени Cytospora juglandina та Nectria cinnabarina. Встановлено, що найчисельнішими шкідниками насаджень J. regia у Правобережному Лісостепу є кліщі Aceria erinea, Aceria tristriata і попелиця горіхова жилкова Panaphis juglandis. Серед комах найбільшої шкоди завдають такі види: Panaphis juglandis, Chromaphis juglandicola, Cydia pomonella, Stictocephala bisonia та Hyphantria cunea. Серед шкідників із колючо-сисним ротовим апаратом найбільш чисельними та шкодочинними є Panaphis juglandis і Chromaphis juglandicola, а найбільшої шкоди молодим насадженням та однорічним пагонам завдає Stictocephala bisonia. Запропоновано схему захисту насаджень горіха грецького з урахуванням фенологічних явищ і сум активних температур
Методи машинного навчання в епідеміологічних дослідженнях
No full textThis study investigates the application of machine learning methods for analyzing, predicting, and controlling epidemiological conditions, as well as identifying disease trends and patterns. The research encompasses a comprehensive analysis of various machine learning techniques for epidemiological data analysis. Starting with classical approaches such as linear regression and decision trees, their advantages and limitations are discussed. Additionally, the study explores the use of deep learning methods, such as convolutional neural networks and recurrent neural networks, for effectively analyzing complex relationships in epidemiological data. Each methods benefits and constraints, along with their potential applications for predicting epidemiological situations and identifying disease risk factors, are detailed. A comparison of the accuracy of different methods is provided using examples of several viral diseases. The challenges and limitations in utilizing machine learning for infectious disease prediction are analyzed. The study also examines the outcomes of combining multiple methods and their results. The requirements for input data and important indicators for selecting input data for machine learning methods are considered. Recent high-quality studies that applied machine learning methods to real-world data and evaluated the effectiveness of these models in predicting the spread and onset of infectious diseases are reviewed. The research examines data from various sources and regions around the world for several infectious diseases. The effectiveness of methods in detecting dependencies between disease trends and geographic distribution, as well as accounting for seasonality, local characteristics, and other differences, is analyzed. Conclusions are drawn regarding the current capabilities and future prospects of using machine learning methods for analyzing and predicting epidemiological data. A list of criteria is developed to assess the suitability of machine learning methods for evaluating and forecasting epidemiological conditions.Досліджено особливості застосування методів машинного навчання для аналізу, передбачення та контролю епідеміологічного стану, виявлення тенденцій та моделей захворювань. Проведено дослідження та здійснено аналіз різноманітних методів машинного навчання для систематизації та порівняння епідеміологічних даних. Починаючи з класичних підходів, таких як лінійна регресія та дерева рішень, розглянуто їхні переваги та обмеження. Також розглянуто та запропоновано використання методів глибокого навчання, таких як згорткові нейронні мережі та рекурентні нейронні мережі, для ефективного аналізу складних взаємозв'язків у епідеміологічних даних. Детально досліджено та наведено переваги та обмеження кожного методу та їхні потенційні застосування для прогнозування епідеміологічної ситуації та виявлення ризикових чинників захворювань. Наведено порівняння точності різних методів на прикладі декількох вірусних захворювань. Проаналізовано наявні проблеми та обмеження у використанні машинного навчання у прогнозуванні інфекційних захворювань. Було проаналізовано також дослідження у разі поєднання декількох методів і їх результати. Розглянуто вимоги до вхідних даних і показники, які є важливими під час вибору вхідних даних для методів машинного навчання. Розглянуто останні високоякісні дослідження, де було застосовано методи машинного навчання до даних реального світу та оцінено ефективність цих моделей у прогнозуванні поширення та початку інфекційних захворювань. Розглянуто дослідження на вхідних даних різного характеру, отриманих із різних джерел та зібраних у різних регіонах світу щодо декількох інфекційних захворювань. Проаналізовано ефективність методів виявлення залежності між тенденціями захворювання та географічним розповсюдженням, а також враховано сезонність, особливості місцевості та інші відмінності. Наведено висновки щодо наявних можливостей та перспектив використання методів машинного навчання для аналізу та прогнозування епідеміологічних даних, а також розроблено список критеріїв, за якими можна оцінити доцільність використання методу машинного навчання для оцінювання та прогнозування епідеміологічного стану
Концепція універсальної платформи для астрономів-аматорів із застосуванням фрактальної компресії зображень
No full textThe needs of the amateur astronomy sector have been analyzed, revealing the necessity for integrated software solutions that combine tools for observation, data collection, and community engagement. This research developed a concept for a comprehensive web application tailored to the needs of amateur astronomers including features such as an astronomical calculator, a forum for idea exchange, and an image trading system utilizing fractal compression algorithms. Criteria for comparison with similar or functionally related projects have been developed. Significant gaps have been identified in existing astronomical applications, particularly in user interaction and data management. The feasibility of using the fractal compression algorithm has been justified, and the key principles of its application have been outlined. The following advantages of the fractal algorithm over other compression algorithms for use in the platform for amateur astronomers and similar projects have been identified: high quality of restored images, independence from resolution, fast decompression, and efficiency when working with self-similar structures. The proposed platform addresses these deficiencies by integrating features such as image compression to enhance data processing efficiency and user-generated content protection. The project processes have been modelled, including the main process (user interaction with the platform) and some subprocesses (fractal image compression, file addition to the trading system). A list of the user, functional, and business requirements for the project has been formed, and platform usage options have been demonstrated as well. A set of modern technologies and tools for platform implementation has been proposed, in particular, they are as follows: Net, ASP.NET Core, Angular, Azure, MySQL, and RESTful API, offering an integrated approach to the development of high-tech products. The benefits of this study include optimizing data management processes fostering a collaborative community, and also supporting educational and research activities in amateur astronomy. The development of the proposed platform not only meets the practical needs of amateur astronomers but also promotes the dissemination and popularization of astronomical knowledge. Future research will focus on refining the platform functionality and expanding its user base to include diverse astronomical communities worldwide and particularly in Ukraine.Проаналізовано потреби галузі аматорської астрономії та виявлено необхідність інтегрованих програмних рішень, що поєднують інструменти для спостереження, збирання даних і залучення спільноти. У межах проведеного дослідження розроблено концепцію комплексного вебзастосунку, орієнтованого на потреби астрономів-аматорів, який містить такі функції, як астрономічний калькулятор, форум для обміну ідеями та систему торгівлі зображеннями із застосуванням алгоритмів фрактального стиснення. Розроблено критерії для порівняння з аналогічними або близькими за функціональними особливостями проєктами. Унаслідок виконаного аналізу та порівняння, виявлено значні прогалини у наявних астрономічних додатках, зокрема у взаємодії з користувачами та управлінні даними. Аргументовано доцільність використання фрактального алгоритму компресії та наведено ключові принципи його застосування. Виявлено такі переваги фрактального алгоритму над іншими алгоритмами компресії для використання у платформі для астрономів-аматорів і подібних проєктів: висока якість відновлених зображень, незалежність від роздільної здатності, швидка декомпресія, ефективність під час роботи із самоподібними структурами. Запропонована платформа усуває основні недоліки аналогів шляхом інтеграції функцій, таких як стиснення зображень, для підвищення ефективності оброблення даних і захисту контенту, створеного користувачами. Змодельовано процеси реалізації проєкту, зокрема основний процес (взаємодія користувача з платформою) та деякі підпроцеси (фрактальна компресія зображень, процес додавання файлу в торговельну систему). Сформовано перелік користувацьких, функціональних і бізнес-вимог до проєкту та продемонстровано варіанти використання платформи. Запропоновано набір сучасних технологій та інструментів для реалізації платформи, такі як .Net, ASP.NET Core, Angular, Azure, MySQL та RESTful API, що пропонують інтегрований підхід до розроблення високотехнічних продуктів. З'ясовано, що переваги цього дослідження містять оптимізацію процесів управління даними, сприяння формуванню колективної спільноти та підтримку освітньої та дослідницької діяльності в аматорській астрономії. Розроблення запропонованої платформи не тільки задовольняє практичні потреби астрономів-аматорів, але й сприяє поширенню та популяризації астрономічних знань. Подальші дослідження будуть зосереджені на вдосконаленні функціональності платформи та розширенні її користувацької бази з метою залучення різноманітних астрономічних спільнот у світі та зокрема в Україні