Actual problems of automation and information technology (E-Journal) / Актуальні проблеми автоматизації та інформаційних технологій
Not a member yet
254 research outputs found
Sort by
Комп’ютерне моделювання та дослідження контактних процесів засобами ANSYS
Get PDFУ статті розглянуто актуальні питання математичного моделювання та обчислювальних методів у контексті дослідження контактної взаємодії тіл складної форми. Представлено математичну модель процесу вдавлення двозв’язного абсолютно жорсткого циліндричного штампа в пружний півпростір, що враховує геометричні та фізико-механічні особливості об’єкта. Модель реалізовано за допомогою обчислювального методу скінчених елементів з використанням системи ANSYS Workbench. Розроблено спеціалізовану методику дискретизації досліджуваної області з урахуванням особливостей контактної взаємодії жорстко-пружних тіл, включаючи алгоритми адаптивного подрібнення сітки в зонах концентрації напружень. Створено ефективну обчислювальну модель з використанням спеціалізованих контактних елементів, що дозволяє відтворювати фізичні особливості контактної взаємодії без порушення умов непроникності
Сегментація пухлин головного мозку на знімках МРТ за допомогою глибокого навчання
Get PDFTumors are groups of cells which form abnormal tissue or growths within the human anatomy. Manual identification of these abnormal growths in human anatomy is not only onerous but might also be difficult from the perspective of a medical physician. Hence, the need for intelligent systems which can automatically detect the presence of cancer in a desired region of the human body. The most popular pick for brain tumor diagnosis is Magnetic Resonance Imaging (MRI). The images produced by MRI are three-dimensional scans of a patient’s brain and can be visualized on either of its three respecting image planes (coronal, sagittal and transversal). Brain tumor segmentation aims to autonomously and accurately identify the size and location of a brain tumor from MRI scans. While traditional machine learning techniques require hand crafted features to perform well, most of the current research is focused on using deep learning networks to segment a region of interest (ROI) from an input image. The paper discusses the segmentation problem of biomedical images based on deep learning approaches, in particular, the architecture of the U-Net full convolutional neural network and its modification for 3D-images is considered. As a result, two models based on U-Net and 3D U-Net were trained and evaluated on BraTS 2020 dataset that consists of 3D images of brain MRI. Following libraries were used: keras – for training, evaluating and saving neural network model, nibabel – for processing files in NifTI format, tkinter – for creating user interface in order to visualize dataset and make new predictions. Both models have shown good generalization performance on test data according to evaluating results. Dice coefficient and IoU (Interceticon over Union) metrics are slightly better for 3D U-Net, because it scans leverage the 3D spatial context of the images, which means it can reduce the risk of false positives and false negatives that can occur due to partial or incomplete information in individual 2D slices. However, a 2D U-Net is faster and requires less memory than a 3D U-Net, which can be an advantage when working with large datasets or limited computational resources.У статті розглянуто архітектуру згорткової нейронної мережі U-Net та її модифікацію для тривимірних зображень 3D U-Net. Обидві архітектури є прикладами глибоких згорткових нейронних мереж, розроблених для сегментації зображень, які знайшли широке застосування в медичних додатках. Моделі на основі цих архітектур було навчено та апробовано на наборі даних BraTS, що містить тривимірні знімки МРТ головного мозку у форматі NifTI. Для створення моделей було використано мову програмування Python та бібліотеку Keras
Використання тривимірного моделювання у сучасному світі
Get PDFThe article explores the widespread use of 3D modeling in various industries and fields in the modern world. It discusses how 3D modeling is utilized in areas such as architecture, engineering, entertainment, advertising, education, and beyond. The versatility and applications of 3D modeling tools like Blender, Autodesk 3ds Max, and Cinema 4D are highlighted, emphasizing their role in creating realistic visual content, animations, and special effects. The abstract concludes by underscoring the importance of 3D modeling as a valuable tool for visualizing complex concepts and data across different domains.У статті розглянуто використання 3D-моделювання в сучасному світі. Зазначено, що 3D-моделювання відкриває великі можливості для професійної діяльності в різних сферах, таких як архітектура, інтер'єрний дизайн, кінематографія, ігрова індустрія, наукові дослідження та інші. Обговорюється роль програмних засобів, таких як Autodesk 3ds Max, Cinema 4D, Blender та інші, у створенні 3D-моделей та візуалізації. Також висвітлюється важливість 3D-моделювання у рекламній діяльності, інженерії, освіті та інших сферах, де воно стає ефективним інструментом для візуалізації та розробки складних концепцій
Точний метод розв'язання задачі про суму підмножини з прискоренням на графічному процесорі
Get PDFThe Subset Sum Problem (SSP) is one of the classical NP-complete problems that has many applications in various fields of science and technology. The problem is that for a given set of integers, it is needed to determine whether there exists a subset whose sum of elements is equal to a given target number. The Subset Sum Problem is an NP-complete problem, therefore the most known algorithms for its solution have exponential complexity in the general case. In this paper, an exact algorithm for solving the Subset Sum Problem based on backtracking, which utilizes GPU to speed up computations, is proposed. The algorithm discards a path if the partial sum exceeds the target value or if the sum of the current subset and the maximum possible sum left is less than the target value. These pruning criteria enable the removal of significant parts of the search space that do not have a feasible solution. The algorithm employs a CPU-based Breadth-First Search (BFS) followed by a GPU-accelerated Depth-First Search (DFS) to achieve efficient exploration within the given search space. The BFS phase terminates when a predefined depth limit is reached, when the queue becomes empty (indicating no further expansion), or when a solution satisfying the desired criteria is identified. The data is stored in a queue, facilitating efficient retrieval and processing. The DFS phase, executed on the GPU, leverages the results obtained from the BFS phase. It further explores promising candidates identified by BFS, utilizing pruning techniques to refine the search and reach solutions. At this phase data is stored in stack. The paper demonstrates that the developed algorithm achieves a significant reduction in execution time compared to the CPU implementation. The algorithm is also tested on different numbers of GPU threads and on different instances.Розглянуто підходи до розв'язання задачі про суму підмножини. Запропоновано точний метод розв'язання задачі, який ґрунтується на концепції пошуку з поверненням та використовує графічний процесор для прискорення обчислень. Розроблено програмне забезпечення, що реалізує запропонований метод, проведено тестування на різних наборах даних
Інформаційна технологія автоматизованого формування статистики виконання фізичних вправ на основі розпізнавання образів
Get PDFInsufficient physical activity has been an important problem for humanity for a long time. But due to a number of new factors, such as a pandemic, wars, economic crises, this problem has become even more acute and urgent. After all, with the closure of gyms and sport complexes, many people lost the opportunity to work out in specially equipped places and their motivation. Therefore, the current direction is the development of algorithms and software applications that can help organize independent sports activities, motivating people to engage in physical activity in a form convenient for them. In this context, many different tasks can be distinguished, from creating a personalized training program to monitoring and automated statistics of performed exercises. It is the latter that this work is devoted to. This paper proposes the information technology and the software application that provides automated maintenance of statistics of physical exercises, based on recognition, automatic counting and saving the number of repetitions, and also provides convenient functionality of voice control, displaying the statistics of exercises done by user, setting and saving personal models for ensuring high accuracy of results in various conditions. In order to improve the accuracy of performed exercises, models were trained using three methods, followed by the selection of the most accurate one. When performing exercises for which a model has already been trained, it is enough to simply select the appropriate one using a voice command. To create the application, the Python programming language was used with built-in and external libraries in the PyCharm environment. The Tkinter library was used to create the graphical user interface.Запропоновано інформаційну технологію автоматизованого ведення статистики виконання фізичних вправ, що полягає в розпізнаванні та автоматичному підрахунку кількості повторень; формуванні, веденні та зручному відображенні статистики виконання цих вправ користувачем. Розроблено програмне забезпечення, що реалізує запропоновану технологію, забезпечує голосове керування та аналіз моделей розпізнавання
Удосконалення методу синтезу багатошарових моделей моніторингового програмного агента
Get PDFThis paper focuses on the improvement of multilayer model synthesis methods for monitoring software agents. The main focus of the research is on the development and implementation of improved algorithms to accurately predict the number of diseases, especially in the context of COVID-19 in Ukraine, using historical data from 2020-2021. The study emphasizes the importance of software agents, their role in modern information systems and their evolution. Also considered are the basics of agent programming, in particular, theories of motivation and cognitive aspects of psychology, which are key to understanding the behavior of agents. Special attention is paid to the development of a method that would reflect real situations as accurately as possible, based on an in-depth analysis of historical data. It was experimentally proven that optimizing the number of models in each layer of the agent system can significantly improve the adaptability and accuracy of forecasting, which is key to the effectiveness of monitoring and forecasting the development of diseases. The results of the study showed that the proposed method allows to significantly reduce the root mean square deviation of forecasts, which indicates its high efficiency. An important aspect of the article is a detailed review of existing approaches to the synthesis of multilayer models and an analysis of their limitations, based on which new methods are proposed that take into account the specifics of forecasting in the medical field. The study plays a significant role in the development of monitoring information systems in health care, offering a new approach to the analysis and use of data to improve the accuracy of forecasts. The proposed methods can be applied not only in the medical field, but also in various other areas where it is necessary to accurately predict the development of events based on large volumes of data.Ця стаття зосереджується на удосконаленні методів синтезу багатошарових моделей для моніторингових програмних агентів. Основний акцент дослідження робиться на розробці і впровадженні вдосконалених алгоритмів для точного прогнозування кількості захворювань, особливо у контексті COVID-19 в Україні, використовуючи історичні дані з 2020-2021 років. Дослідження підкреслює значення програмних агентів, їхню роль у сучасних інформаційних системах та їх еволюцію. Також розглядаються основи агентного програмування, зокрема, теорії мотивації та когнітивні аспекти психології, що є ключовими для розуміння поведінки агентів. Особлива увага приділяється розробці методу, який би максимально точно відображав реальні ситуації, заснований на глибокому аналізі історичних даних. Експериментально було доведено, що оптимізація кількості моделей в кожному шарі агентної системи може значно покращити адаптивність та точність прогнозування, що є ключовим для ефективності моніторингу і прогнозування розвитку захворювань. Результати дослідження показали, що запропонований метод дозволяє значно знизити середньоквадратичне відхилення прогнозів, що свідчить про його високу ефективність. Важливим аспектом статті є детальний огляд існуючих підходів до синтезу багатошарових моделей та аналіз їх обмежень, на основі чого пропонуються нові методи, що враховують специфіку прогнозування в медичній сфері. Дослідження відіграє значну роль у розвитку інформаційних систем моніторингу в охороні здоров'я, пропонуючи новітній підхід до аналізу і використання даних для покращення точності прогнозів. Запропоновані методи можуть бути застосовані не тільки в медичній галузі, але й у різних інших сферах, де потрібно точно прогнозувати розвиток подій на основі великих обсягів даних
Методи локалізації об'єктів на основі зображень із використанням комбінації алгоритмів та багатопоточної зв'язки Faster R-CNN
Get PDFThe paper considers the issue of designing a software application using multithreaded Faster R-CNN and the frame difference method with parallelization technology. The complication of the task is object localization due to differences in lighting conditions, object size, and background obstructions. Convolutional neural networks (CNNs) are used for image classification and object detection in the given task. The paper employs the updated Faster R-CNN object detection network architecture. For object search in a collection of images in the applied task, this approach has certain drawbacks. The results are significantly influenced by the choice of a combination of methods with defined parameters that use the "sliding" window principle and the type of AdaBoost algorithm classifier. Experimental results show that the proposed combination of algorithms and multithreaded Faster R-CNN provides decent results for object detection and localization.У роботі розглянуто питання проєктування програмного додатку з використанням багатопоточної зв'язки Faster R-CNN та методу різниці кадрів з використанням технології розпаралелювання. Ускладненням завдання є локалізація об'єкта через відмінності в умовах освітлення, розміру об'єкта та перешкод на фоні. Для поставленого завдання використовуються згорткові нейронні мережі (CNN) у класифікації зображень та виявлення об'єктів. У роботі використовується оновлена архітектура мережі виявлення об’єктів Faster R-CNN. Для пошуку об‘єктів на колекції зображеннях в прикладній задачі цей підхід має декотрі недоліки. На результати суттєво впливає вибір комбінації методів з визначеними параметрами, які використовують принцип "ковзного" вікна та тип класифікатора алгоритму AdaBoost. Експериментальні результати показують, що запропонована комбінація алгоритмів та багатопоточної зв‘язки Faster R-CNN надає непогані результати виявлення об‘єктів та визначення їх локалізації
Застосування математичних моделей при обробці медичних данних діагностування ішемічної хвороби серця
Get PDFThis article deals with the development of a neural network for the detection of ischemic diseases in the early stages of medicine. Approaches and methods of learning neural networks, as well as algorithms used to implement these networks, are studied. The main goal of the work is to provide doctors with the means to detect the symptoms of ischemic diseases as soon as possible, which will help save the lives of patients. The technical aspects of training neural networks using various methods, as well as their implementation in the context of detecting ischemic diseases, are considered in detail. According to the research results, the developed neural network demonstrates high accuracy and efficiency in detecting this disease in the early stages, which makes it potentially useful in medical practice. The article will also consider the main problems associated with the detection of ischemic diseases, such as the difficulty of diagnosis in the early stages, a large number of false-positive and false-negative results, as well as the limited capabilities of the human eye in recognizing subtle signs of the disease. The neural network developed in this paper aims to overcome these problems by using computer vision and deep learning. The study also suggests different neural network training methods, including supervised and unsupervised training. The use of different learning algorithms allows you to achieve optimal results and improve the efficiency of detecting ischemic diseases. The paper will describe the implementation of a neural network, including the architecture, used layers and optimization algorithms. The results of experiments using the developed network on real clinical data will be presented and analyzed. In general, the article explores the possibilities of using neural networks to detect ischemic diseases in the early stages and improve diagnostics in medicine. The results of the study can have a significant impact on the practice of doctors and help improve the prognosis and treatment of this serious disease.У даній статті розглядається застосування моделей навчання нейронних мереж на медичних даних для виявлення ішемічних захворювань на ранніх стадіях. Досліджуються підходи, алгоритми, що використовуються для реалізації цих мереж. Основна мета роботи – надати лікарям дієвий інструмент для пришвидшення виявлення симптомів ішемічних захворювань. Детально розглядаються технічні аспекти навчання нейронних мереж із застосуванням різних методів, а також їх реалізація в контексті виявлення ішемічних захворювань. Відповідно до результатів дослідження розроблена нейронна мережа, яка демонструє високу точність у виявленні хвороби на ранніх етапах, що підтверджує можливість застосування у медичній практиці. В статті також розглянуті основні проблеми, пов'язані з виявленням ішемічних захворювань, а саме: такі як складність діагностики на ранніх стадіях, велика кількість фальсиво-позитивних і фальсиво-негативних результатів, а також обмежені можливості людського ока в розпізнаванні субтільних ознак хвороби. Нейронна мережа, розроблена в рамках цієї статті, ставить за мету подолати ці проблеми шляхом використання комп'ютерного зору і глибокого навчання. Дослідження також пропонує різні методи навчання нейронної мережі, включаючи навчання з учителем та навчання без учителя. Використання різних алгоритмів навчання дозволяє досягти оптимальних результатів і покращити ефективність виявлення ішемічних захворювань. У роботі буде описана реалізація нейронної мережі, включаючи архітектуру, використовувані шари та алгоритми оптимізації. Результати експериментів із застосуванням розробленої мережі на реальних клінічних даних будуть наведені і проаналізовані. В цілому, стаття досліджує можливості використання нейронних мереж для виявлення ішемічних захворювань на ранніх стадіях і покращення діагностики у медицині. Результати дослідження можуть мати значний вплив на практику лікарів і допомогти покращити прогнозування та лікування цієї серйозної хвороб
Software development for solving the dynamic problem of optimal set partitioning with fixed centers
Get PDFThe paper presents the development and implementation of software for solving the dynamic problem of optimal set partitioning with fixed centers. This class of problems arises in various applied contexts—from logistics to surveillance and control systems—where it is necessary to optimally allocate elements of a set among predefined centers while accounting for changes over time. The proposed software solution is based on a mathematical model previously developed by the authors and enables the consideration of input data dynamics to construct an adaptive partition structure. The software features a modular architecture that includes an input data processing system, an algorithmic core for finding the optimal partitioning, and a user interface for interactive result analysis. The applied numerical methods ensure the efficiency of solving large-scale problems in real time. Special attention is given to the ease of use under limited resource conditions and the potential application of the software in both civilian and defense domains, particularly for threat detection and processing. The results of computational experiments are provided, demonstrating the accuracy and performance of the developed solution. The software can be used as a tool for real-time decision support, as well as for research purposes in modeling the behavior of dynamic systems with spatial structure
Інтеграція повнофункціональних перерахувань у мову програмування Go
No full textIn the constantly evolving landscape of programming languages, each offering unique features and advantages, the integration of new functionalities into these languages often presents a challenge. This article focuses on the incorporation of full-featured enums, similar to those found in languages like Rust and Haskell, into the Go programming language. However, instead of directly modifying Go's core, the approach taken here involves transpilation – transforming a new Go dialect, named GoNext, into standard Go code.У середовищі cучасних мов програмування, які постійно розвиваються і кожна з яких пропонує свої унікальні функції та переваги, інтеграція нових функцій у ці мови часто є значною проблемою. Ця стаття присвячена впровадженню повнофункціональних enum-ів, подібних до тих, які є в таких мовах, як Rust і Haskell, у мову програмування Go. Однак замість прямої модифікації ядра Go, використовується підхід, що передбачає транспіляцію, а саме створення нового діалекту мови Go під назвою GoNext і перетворення його кода у стандартний код Go. Існують різні методи імплементації мов програмування, кожний з яких має свої переваги та недоліки. Можна імплементувати мову програмування повністю з нуля, починаючи з написання парсера, закінчуючи генератором машиного коду. Можна використовувати такі існуючі інструменти, як Low-Level Virtual Machine або Java Virtual Machine. Ця стаття фокусується на демонстрації ще одного методу – транспіляції, або перетворення коду однієї мови програмування у код іншої мови програмуванні. У якості прикладу можливостей транспіляції саме у мову програмування Go у цій статті розглядається проєктування і імплементація повнофункціональних enum-ів у діалекті GoNext, починаючи з визначення їх можливого синтаксису, представлення їх в пам’яті, опису можливостей і закінчуючи питаннями сумісності запропонованих enum-ів з існуючим кодом на Go та доцільністю їх реалізації з точки зору ефекту на екосистему бібліотек Go. Спочатку пропонується реалізація enum-ів, яка використовується у більшості низькорівневих мов програмування, але на використання якої мова програмування Go і її рантайм накладають суттєві обмеження. І для того, щоб їх обійти пропонуються ще 2 варіанти реалізації повнофункціональних enum-ів, які є трохи менш ефективними, але можуть бути краще інтегровані з рантаймом мови Go