Mathematical and computer modelling. Series: Technical sciences (Kamianets-Podilskyi National Ivan Ohiienko University) / Математичне та комп'ютерне моделювання. Серія: Технічні науки
Not a member yet
507 research outputs found
Sort by
Ансамблевий метод для виявлення шахрайства в транзакціях
No full textIn today's world, bank fraud has become one of the significant threats to the financial stability and security of clients of financial institutions. The development of technologies, in particular in the field of machine learning, opens up wide opportunities for building effective systems for detecting and preventing fraud in the banking sector [1, 2].
Detecting fraudulent transactions is an important task that requires thoughtful and technological solutions. One of these methods is the use of machine learning approaches and methods.
This paper proposes the use of an ensemble method that combines several machine learning models at once. This approach will reduce the probability of false positives and increase classification accuracy. In addition, for the optimal operation of the model, preprocessing of the data will be carried out, in particular, their normalization, balancing of classes, as well as the selection of features. During the research, it is important not only to achieve high accuracy, but also to reduce as much as possible the number of fraudulent transactions that will be mistakenly classified as normal [3]. This is related to the business requirements of the banking sector, as each such transaction causes losses to the system's reputation, as well as direct financial losses.
Within the framework of the study, it is substantiated that the use of this approach gives better classification results than single models due to the compensation of the shortcomings of each of them. The choice of this approach is also due to high practicality, compatibility with financial systems, as well as ease of integration.
This paper analyzes the proposed model, its advantages and disadvantages in comparison with analogues. The ensemble method helps to combine the advantages of simple models and reduce the impact of their shortcomings on the final result. In general, the choice of software should depend on the technical requirements of the project and to obtain better results, different models and approaches should be analyzed.У сучасному світі банківське шахрайство стало однією зі значущих загроз фінансовій стабільності та безпеці клієнтів фінансових установ. Розвиток технологій, зокрема в галузі машинного навчання, відкриває широкі можливості для побудови ефективних систем виявлення та запобігання шахрайству в банківській сфері.
Виявлення шахрайських транзакцій є важливим завданням, що потребує продуманих та технологічних рішень. Одним з таких методів є використання підходів та методів машинного навчання.
В даній роботі пропонується використання ансамблевого методу, який поєднує одразу кілька моделей машинного навчання. Такий підхід дозволить зменшити ймовірність помилкових спрацювань та підвищити точність класифікації. Окрім цього для оптимальної роботи моделі буде проведений препроцесинг даних, зокрема їх нормалізація, балансування класів а також вибір ознак. В ході дослідження важливо не лише досягти високої точності, а й якомога сильніше зменшити кількість шахрайських транзакцій, що будуть помилково класифіковані як нормальні. Це пов’язано з бізнес вимогами банківської сфери, оскільки кожна така транзакція завдає втрат репутації системи а також безпосередньо фінансових збитків.
У рамках дослідження обгрунтовано, що використання даного підходу дає кращі результати класифікації, ніж одиночні моделі завдяки компенсації недоліків кожної з них. Вибір даного підходу зумовлений також високою практичністю, сумісністю з фінансовими системами а також простотою інтеграції.
В даній роботі проведено аналіз запропонованої моделі, її переваги та недоліки у порівнянні з аналогами. Ансамблевий метод допомагає поєднати переваги простих моделей та зменшити вплив їхніх недоліків на кінцевий результат. В загальному, вибір програмного забезпечення повинен залежати від технічних вимог проекту і для отримання кращих результатів слід аналізувати різні моделі та підходи
Моделювання систем реального часу з використанням RUDP протоколу передачі даних
Get PDFThe efficiency of real-time systems makes them applicable in various fields by utilizing protocols for data transmission. Well-known transport layer protocols include Transmission Control Protocol (TCP) and User Datagram Protocol (UDP), which facilitate such transmission. However, there are challenges in using these protocols [1] in real-time systems where data rapidly changes during application execution. Exclusively using one of these protocols adversely affects the stable operation of the application and increases the risk of data obsolescence.
The objective of this work is to develop and model a data transmission subsystem for real-time systems that utilizes the Reliable UDP (RUDP) protocol [2] for data synchronization. Implementing the RUDP network protocol in the subsystem addresses network issues such as delay, packet loss, and duplication in the most optimal way during real-time data synchronization between sensors and the server, reducing the load on bandwidth.
The tasks of the developed subsystem, consisting of a server and a client, include: reading user-specified system data, reliable message transmission between the server and the client using sockets for RUDP protocol operation, ensuring the most optimal message delivery in case of packet loss, subsystem operation modeling compared to well-known UDP and TCP protocols.
The simulation results reveal that the maximum time spent by the subsystem is 2.03 seconds for the RUDP protocol and 6.22 seconds for the TCP protocol. Therefore, RUDP is recommended for data transmission in the future. In the event of message loss, retransmission occurs exponentially, calculated using the proposed formula. If the initial transmission occurs immediately, subsequent times exponentially increase but remain collectively less than the transmission time for the TCP protocol.Ефективність систем реального часу забезпечує їх використання в різноманітних сферах за рахунок використання протоколів для передачі даних. Відомими протоколами транспортного рівня є Transmission Control Protocol (TCP) і User Datagram Protocol (UDP), що забезпечують таку передачу. Однак існують проблеми використання цих протоколів [1] в системах реального часу, де яких дані швидко змінюються на етапі виконання застосунку. А використання виключно одного з зазначених протоколів негативно впливає на стабільну роботу застосунку та збільшує ризик втрати актуальності даних.
Метою роботи є розробка та моделювання підсистеми передачі даних для систем реального часу, яка при сихронізації даних використовує Reliable UDP (RUDP) протокол [2]. Реалізація мережевого протоколу RUDP в підсистемі вирішує мережеві проблеми з затримкою, втратою та дуплікацією пакетів найбільш оптимальним шляхом під час real-time синхронізації даних датчиків і серверу і зменшує навантаження на пропускну здатність.
Задачами розробленої підсистеми, яка складається з сервера та клієнта є: зчитування даних, заданих користувачем системи; надійна передача повідомлень між сервером і клієнтом з використанням сокетів для роботи за протоколом RUDP; забезпечення найбільш оптимальної доставки повідомлень у випадку втрати пакетів, моделювання роботи підсистеми, порівняно з відомими UDP, TCP протоколами.
В результаті моделювання встановлено, що максимальне значення витраченого підсистемою часу становлять 2.03 секунди – для протоколу RUDP та 6.22 секунди – для протоколу ТСР і тому в подальшому для передачі даних рекомендується протокол RUDP. У випадку втрати повідомлення, відбувається повторна відправка та експоненційно, за запропонованою формулою, обраховується час відправки. Якщо на першому кроці відправка відбувається відразу, то далі час час зростає експоненційно та сумарно є меншим, ніж час відправки за TCP протоколом
Метод опорних моделей синтезу інтелектуальних систем ідентифікації нелінійних динамічних об’єктів
Get PDFThe paper is devoted to resolving the contradiction between the accuracy of modeling nonlinear dynamics and the speed of model construction under conditions of limited computing resources. The aim of the work is to reduce the time for building models of nonlinear dynamic objects with continuous characteristics in the form of neural networks while ensuring a given modeling accuracy. This goal is achieved by developing a new method for synthesizing intelligent systems based on the superposition of pre-trained (support) models in the form of neural networks that reflect the basic properties of the object. The scientific novelty of the work lies in the development of a method for identifying nonlinear dynamic objects in the form of neural networks with time delays based on a set of pre-trained neural network models that reflect the basic properties of the subject area. In contrast to the traditional approach to pre-training, the developed method allows building models of lower complexity and with shorter training time while ensuring the required accuracy. To determine the initial parameters of the model, expressions based on the superposition of reference models in the form of neural networks are proposed. The practical utility of the work lies in the development of an algorithm for the method of reference models for training neural networks with time delays, which can significantly reduce the training time of neural networks without losing model accuracy.Робота присвячена вирішенню протиріччя між точністю моделювання нелінійної динаміки і швидкістю побудови моделей в умовах обмежених обчислювальних ресурсів. Метою роботи є скорочення часу побудови моделей нелінійних динамічних об'єктів із безперервними характеристиками у вигляді нейронних мереж при забезпеченні заданої точності моделювання. Ця мета досягається шляхом розробки нового метода синтезу інтелектуальних систем на основі суперпозиції переднавчених (опорних) моделей у вигляді нейронних мереж, що відбивають базові властивості об’єкта. Наукова новизна роботи полягає у розробці методу ідентифікації нелінійних динамічних об'єктів у вигляді нейронних мереж з часовими затримками на основі набору попередньо навчених нейромережевих моделей, що відбивають базові властивості предметної області. На відміну від традиційного підходу до попереднього навчання, розроблений метод дозволяє будувати моделі меншої складності та з меншим часом навчання при забезпеченні необхідної точності. Для визначення початкових параметрів моделі запропоновано вирази на основі суперпозиції опорних моделей у вигляді нейронних мереж. Практична користь роботи полягає в розробці алгоритму методу опорних моделей для навчання нейронних мереж із часовими затримками, що дозволяє суттєво скоротити час навчання нейронних мереж без втрати точності моделі. Цінність проведеного дослідження полягає у визначенні області ефективного використання запропонованого методу, а саме в наявності достатнього об'єму якісних даних для побудови опорних моделей. Недостатня кількість даних або низька якість даних може суттєво знизити точність опорних моделей і як наслідок, суттєво знизити час навчання цільової модел
Web-платформа для організації хмарних обчислень у нейрофізіологічних дослідженнях на основі даних айтрекінгу
Get PDFThe purpose of the work is to develop the architecture and web version of the software complex based on the proposed new concept of cloud computing organization, which allows to expand the diagnostic capabilities of the tools of model-oriented information technology for assessing the neurophysiological state of a person using methods of nonlinear dynamic identification of the oculomotor system based on eye tracking data. The concept of cloud computing is proposed, which is based on the combination of PaaS and SaaS services as part of the developed software complex, due to which the cross-platform nature of cloud computing is ensured, the productivity and efficiency of scientific research increases. The developed architecture allows you to easily expand the functionality of the software complex and adapt it to different application conditions. The key feature of the complex is its undemanding hardware on the client side thanks to the use of cloud computing and its modular structure, which allows for easy scaling of the complex, as well as the isolation of the script code execution process in the cloud computing environment to increase the level of security when interpreting the script code on the server . Compared to other similar services, the complex has several advantages: it provides effective work in research and educational applications, supports Python and JavaScript programming languages, and also allows the use of software-implemented identification methods through specially developed GUI interfaces. In addition, the complex offers social opportunities and a high level of abstraction, which allows to optimize the research process.Метою роботи є розробка архітектури та web-версії програмного комплексу на основі запропонованої нової концепції організації хмарних обчислень, що дозволяє розширити діагностичні можливості інструментальних засобів модельно-орієнтованої інформаційної технології оцінювання нейрофізіологічного стану людини із використанням методів нелінійної динамічної ідентифікації окорухової системи за даними айтрекінгу. Пропонується концепція хмарних обчислень, що ґрунтується на поєднанні сервісів PaaS та SaaS в складі розробленого програмного комплексу, за рахунок чого забезпечується кросплатформеність хмарних обчислень, підвищується продуктивність і ефективність наукових досліджень. Розроблена архітектура дозволяє легко розширювати функціонал програмного комплексу та адаптувати його під різні умови застосування. Ключовою особливістю комплексу є його невимогливість до апаратного забезпечення на стороні клієнта завдяки використанню хмарних обчислень та його модульна структура, що дозволяє легко масштабувати комплекс, а також ізоляція процесу виконання скрипт-коду у середовищі хмарних обчислень для підвищення рівня безпеки при інтерпритації скрипт-коду на сервері. Порівняно з іншими подібними сервісами, комплекс має кілька переваг: він забезпечує ефективну роботу в дослідницьких і навчальних застосуваннях, підтримує мови програмування Python і JavaScript, а також дозволяє використовувати програмно-реалізовані методи ідентифікації через спеціально розроблені GUI-інтерфейси. Крім того, комплекс пропонує соціальні можливості та високий рівень абстракції, що дозволяє оптимізувати дослідницький проце
Науковий доробок та спадщина Анатолія Федоровича Верланя
Get PDFВипуск присвячується пам’яті члена‑кореспондента та почесного академіка Національної академії педагогічних наук України, доктора технічних наук, професора Анатолія Федоровича ВЕРЛАН
Оцінка точності комп’ютерного моделювання окуло-моторної системи на основі моделей Вольтерри
Get PDFIntegral nonlinear models are used to create mathematical models of the human oculo-motor system (OMS). These models take into account both inertial and nonlinear properties of the objects under study. To obtain empirical data for model construction, experimental studies are conducted with OMS using «input-output» data. Visual stimuli are used as test signals, displayed on a computer monitor at various distances from the starting position, which formally corresponds to the action of step signals with varying amplitudes on the object of study. In this process, the responses of the OMS are recorded using innovative eye-tracking technology. Mathematical models in the form of Volterra series and polynomials are employed for computer modeling of the OMS. The aim of this research is to analyze the accuracy of OMS identification as multidimensional transient functions based on eye-tracking data, examining the dependency of computation errors for models of different orders on the amplitudes and quantities of the test signals used. The subject of the study includes various methods for identifying OMS, algorithms, and Python-based software tools for computing the dynamic characteristics of OMS using eye-tracking technology. The research explores identification methods: compensation, approximation, and least squares methods. The accuracy of the linear, quadratic, and cubic OMS models is evaluated. The most accurate models, constructed from real experimental data, are found to be quadratic or cubic OMS models obtained using the least squares method with three test signals.Інтегральні нелінійні моделі використовуються для створення математичних моделей окуло-моторної системи (ОМС) людини. Моделі враховують як інерційні, так і нелінійні властивості об’єктів досліджень. Для отримання емпіричних даних для побудови моделі здійснюються експериментальні дослідження з ОМС «вхід-вихід». В якості тестових сигналів використовуються візуальні стимули, які відображаються на моніторі комп’ютера на різних відстанях від стартової позиції, що формально відповідає дії на об’єкт дослідження ступінчатих сигналів з різною амплітудою. При цьому відгуки ОМС реєструються із застосуванням інноваційної технології айтрекінгу. Для комп’ютерного моделювання ОМС використовуються математичні моделі у вигляді рядів і поліномів Вольтерри. Мета даного дослідження полягає в аналізі точності ідентифікації ОМС у вигляді багатовимірних перехідних функцій на основі даних айтрекінгу, залежності похибок їх обчислення для моделей різних порядків від амплітуд використовуваних тестових сигналів та їх кількості. Предметом дослідження є різні методи ідентифікації ОМС, алгоритми і програмні засоби на Python обчислення динамічних характеристик ОМС із застосуванням технології айтрекінгу. Досліджуються методи ідентифікації: компенсаційний, апроксимаційний та метод найменших квадратів. Отримані оцінки точності моделей ОМС лінійної, квадратичної та кубічної. Найкращими за точністю моделями, що побудовані за даними реальних експериментів, виявляються квадратична або кубічна моделі ОМС , які отримані за допомогою метода МНК при використанні трьох тестових сигналів
Оптимізація архітектури нейронних мереж з урахуванням аугментації даних
Get PDFThe paper is devoted to resolving the contradiction between increasing the model's resistance to interference and distortion and complicating the task of model training under conditions of limited computational resources. The aim of the work is to determine the architecture of nonlinear dynamics models under conditions of limited training data while ensuring a given modeling accuracy. This goal is achieved by developing a method for selecting the architecture of NAS neural networks. The scientific novelty of the work lies in the further development of the method of selecting the architecture of the NAS neural network for identifying nonlinear dynamic objects, taking into account the distortions of the training dataset by adding segmented data. In contrast to the traditional approach to pre-training, the developed method allows us to build more robust models while ensuring the required accuracy. The practical significance of the work is to develop an approach to adapting the architecture depending on the augmentation methods used by developing an algorithm for selecting the architecture of a NAS neural network taking into account data augmentation, which allows building more reliable models without losing modeling accuracy. The results of experiments on modeling test objects with nonlinear dynamic characteristics are presented, and the influence of data augmentation on the quality and stability of the obtained models is analyzed. The value of the study is to determine the area of effective use of the proposed method, as tasks with a lack of labeled data in the absence of strict requirements for the speed of the modeling process.Робота присвячена вирішенню протиріччя між підвищенням стійкості моделі до завад і спотворень та ускладненням задачі навчання моделі в умовах обмежених обчислювальних ресурсів. Метою роботи є визначення архітектури моделей нелінійної динаміки в умовах обмежених навчальних даних при забезпеченні заданої точності моделювання. Ця мета досягається шляхом розвитку методу підбору архітектури нейронних мереж NAS. Наукова новизна роботи полягає у подальшому розвитку методу підбору архітектури нейронної мережі NAS при ідентифікації нелінійних динамічних об'єктів з врахуванням спотворень навчального датасету шляхом додавання аугментованих даних. На відміну від традиційного підходу до попереднього навчання, розроблений метод дозволяє будувати більш стійкі до дії завад моделі при забезпеченні необхідної точності. Практична користь роботи полягає в розвитку підходу до адаптації архітектури в залежності від методів аугментації, що використовуються, шляхом розробки алгоритму методу підбору архітектури нейронної мережі NAS з врахуванням аугментації даних, що дозволяє будувати більш надійні моделі без втрати точності моделювання. Наведено результати експериментів з моделювання тестових об'єктів з нелінійними динамічними характеристиками, проаналізовано вплив аугментації даних на якість і стійкість отриманих моделей. Цінність проведеного дослідження полягає у визначенні області ефективного використання запропонованого методу, як задач з нестачею розмічених даних при відсутності суворих вимог до швидкості процесу моделювання
Про застосування методу GSSM у моделюванні динаміки енергетичних систем
No full textA broad spectrum of aspects related to the feasibility, principles, and implementation of the generalized state-space model (GSSM) as a mathematical modeling technique for energy systems simulation has been considered. This paper reviews the use of GSSM to address the challenges of adequate modeling of dynamics of modern power systems’ dynamics, which are characterized by their hybrid nature, complex switching modes, and nonlinear interactions. The versatility of GSSM is analyzed in comparison to traditional approaches, particularly its capability to integrate continuous and discrete system dynamics into a unified advanced framework. Additionally, the model's ability to capture both linear and nonlinear regimes, its compatibility with contemporary computational tools, and its application across various power systems are discussed in detail. The fundamentals, analytical and numerical considerations of differential-algebraic equations (DAEs) are also examined. The effectiveness of GSSM is demonstrated through a case study involving simulation of a power supply control device dynamics. Computer modeling experiments highlight the advantages of GSSM over traditional methods in terms of accuracy, computational efficiency, and scalability. At the same time, they identify areas where further advancements and improvements are necessary.
Розглянуто широкий спектр аспектів, пов'язаних з доцільністю, принципами та реалізацією узагальненої моделі простору станів (GSSM) як математичної техніки моделювання для моделювання енергетичних систем. У статті оглядається використання GSSM для вирішення проблем адекватного моделювання динаміки сучасних енергетичних систем, які характеризуються їх гібридною природою, складними режимами перемикання та нелінійними взаємодіями. Аналізується універсальність GSSM у порівнянні з традиційними підходами, зокрема його здатність інтегрувати як безперервну, так і дискретну динаміку систем у єдину покращену структуру. Також обговорюється здатність моделі захоплювати як лінійні, так і нелінійні режими, її сумісність із сучасними обчислювальними інструментами та застосування в різних енергетичних системах. Окремо розглядаються основи, аналітичні та числові аспекти диференціально-алгебраїчних рівнянь (DAE). Ефективність GSSM демонструється через комп’ютерний експеримент з моделювання динаміки пристрою для регулювання енергопостачання. Експерименти з комп'ютерного моделювання підкреслюють переваги GSSM порівняно з традиційними методами з точки зору точності, обчислювальної ефективності та масштабованості. Водночас визначаються області, де необхідні подальші дослідження та удосконалення.
Статистики вищих порядків в задачах виявлення сигналів на фоні корельованих негаусових завад
Get PDFSignal detection in noise is critical in telecommunications, navigation and radar systems, image processing and biomedical research, where noise often deviates from a normal distribution, and sample values exhibit statistical dependence. Traditional methods for analyzing and designing such systems face significant limitations, including algorithmic and computational complexity, severely restricting their practical application.
An effective approach to developing signal detection systems involves using moment and cumulant descriptions of random variables, simplifying the design of detection systems for signals with various probability density functions. The authors propose a novel approach based on one-dimensional (1D) and two-dimensional (2D) moment-cumulant models to describe correlated non-Gaussian processes. This approach enables the modification of the moment-based criterion for statistical hypothesis testing and synthesising polynomial stochastic decision rules for detecting signals in correlated non-Gaussian noise.
The study demonstrates that the nonlinear processing of sample values and the application of higher-order statistics to describe the investigated processes account for the structure of non-Gaussian noise and its statistical dependencies. This reduces the error probabilities of the synthesized decision rules compared to traditional Gaussian models.
The study aims to enhance the efficiency of signal detection systems under additive interaction with correlated non-Gaussian noise by developing new moment-cumulant models of the investigated processes, modifying the moment-based criterion for hypothesis testing, and designing polynomial decision rules. The study's practical significance lies in creating simple-to-implement algorithms with high accuracy that achieve lower error probabilities in decision rules compared to existing methods.Задачі виявлення сигналів на фоні завад є актуальними в телекомунікаційних системах, системах навігації та радіолокації, при обробці зображень та біомедичних дослідженнях, де завади часто не підпорядковуються нормальному розподілу, а вибіркові значення є статистично залежними. Традиційні методи аналізу та проектування таких систем стикаються з істотними обмеженнями, які супроводжується алгоритмічною та обчислювальною складністю, що суттєво звужує їх практичне застосування.
Ефективний підхід до розробки систем виявлення сигналів передбачає використання моментного та кумулянтного опису випадкових величин, що спрощує синтез систем виявлення сигналів із різними щільностями розподілів. Автори роботи пропонують новий підхід, який грунтується на застосуванні одновимірних (1D) та двовимірних (2D) моментно-кумулянтних моделей для опису корельованих негаусових процесів, що дозволило модифікувати моментний критерій якості перевірки статистичних гіпотез та синтезувати поліноміальні стохастичні розв’язувальні правила виявлення сигналів на фоні корельованих негаусових завад.
Дослідження показали, що нелінійна обробка вибіркових значень та застосування статистик вищих порядків для опису досліджуваних процесів дозволяє врахувати структуру негаусових завад та їх статистичні зв’язки, що знижує ймовірність помилок синтезованих розв’язувальних правил у порівнянні з традиційними гаусовими моделями.
Метою роботи є підвищення ефективності систем виявлення сигналів при адитивній взаємодії із корельованими негаусовими завадами шляхом розробки нових моментно-кумулянтних моделей досліджуваних процесів, модифікації моментного критерію якості перевірки статистичних гіпотез та розробки поліноміальних розв’язувальних правил.
Практичне значення роботи полягає у створенні нескладних для реалізації алгоритмів із високою точністю, що забезпечують меншу ймовірність помилок розв’язувальних правил у порівнянні з відомими результатами