Eastern-European Journal of Enterprise Technologies
Not a member yet
10487 research outputs found
Sort by
Визначення регулювальної характеристики конденсаторного збуджувача зі змінною топологією для автономного асинхронного генератора
No full textThe object of the study is a capacitor exciter with variable topology, designed to operate as part of an autonomous induction generator. Insufficient efficiency of controlling the excitation level of an autonomous induction generator when changing the speed of the drive turbine and the load impedance has been established. This reduces the quality of the generator output voltage. The possibility of using an exciter circuit based on a mixed connection of capacitors has been analyzed. The influence significance of the groups number and the number of capacitors in each group on the range width and the adjustment step has been confirmed. In particular, increasing the values of the specified factors from 2 to 4 expands the adjustment range by 16 times, and the number of steps by 827 times. With the selected intervals of factors variation and a significance level of 0.05, the influence of the capacitors value changing step, compared to the base one, on the relative value of the exciter capacitance changing step is recognized as insignificant. The total capacitance of the exciter depends significantly nonlinearly on the number of the topological state. An increase in the total capacitance is accompanied by a raising in the intensity of its growth. This allows to minimize the step change in the total capacitance (with a probability of 0.88 – up to 0.003 % of the control range width). The resulting regression mathematical model can be used to optimize the exciter structure for an autonomous induction generator of a specific type. Increasing the number of control stages will enhance the accuracy of forming the capacitive excitation current of the generator and compensating the load current inductive component. The use of an exciter with a variable topology will increase the efficiency of voltage control of an autonomous induction generator when changing the speed of the drive turbine and the load impedanceОб'єктом дослідження є конденсаторний збуджувач зі змінною топологією, призначений для роботі у складі автономного асинхронного генератора. Встановлено недостатню ефективність керування рівнем збудження автономного асинхронного генератора при зміні частоти обертання приводної турбіни та імпедансу навантаження. Це знижує якість вихідної напруги генератора. Проаналізовано можливість застосувати схему збуджувача на основі змішаного з’єднання конденсаторів. Підтверджено значимість впливу кількості груп та числа конденсаторів у кожній групі на ширину діапазону та крок регулювання. Зокрема, збільшення величин вказаних факторів з 2 до 4 розширює діапазон регулювання в 16 разів, а кількість кроків – у 827 разів. При обраних інтервалах варіювання факторів та рівні значущості 0,05 вплив кроку зміни ємності конденсаторів схеми, порівняно з базовим, на відносну величину кроку зміни ємності збуджувача визнаний незначущим. Сумарна ємність збуджувача суттєво нелінійно залежить від номера топологічного стану. Збільшення загальної ємності супроводжується підвищенням інтенсивності її зростання. Це дає змогу мінімізувати крок зміни загальної ємності (з імовірністю 0,88 – до 0,003 % від ширини діапазону регулювання). Одержана регресійна математична модель може бути використана при оптимізації структури збуджувача для автономного асинхронного генератора конкретного типу. Збільшення кількість ступенів регулювання дозволить підвищити точність формування ємнісного струму збудження генератора та компенсації індуктивної складової струму навантаження. Застосування збуджувача зі змінною топологією підвищить ефективність керування напругою автономного асинхронного генератора при зміні частоти обертання приводної турбіни та імпедансу навантаженн
Визначення конструктивних особливостей повітрязахисних бар’єрів міських автомагістралей методами візуальної діагностики та обчислювального моделювання
No full textThis study considers the aerodynamic characteristics of airflows on highways with protective roadside barriers. The task to optimize roadside barriers was addressed by analyzing airflow aerodynamic patterns using physical modeling and computational simulation. A flow structure visual diagnostics method (FSVD) was employed to analyze the kinematic features of airflow formation in the roadside barrier zone. It was established that the use of discrete-type barriers leads to the formation of stable air structures that enhance active flow mixing and dilution through external air entrainment. Each discrete element consists of a diffuser shield, expanding at an angle of 4° to the roadway axis, with a length equal to three lane widths. Additional elements in the form of parallel screens (confusors) are positioned between shields at an angle of 60° to the roadway axis. The combined approach, integrating FSVD and computational simulation in SOLIDWORKS Flow Simulation, provided a detailed representation of airflow behavior. It was determined that confusors between discrete shields generate an ejection effect, promoting external air entrainment and dilution within the roadway zone. This ensures unidirectional clean airflow and prevents exhaust gases from entering near-ground layers of residential areas. The applied computational model demonstrated the consistency and unidirectionality of dilution processes through ejection and dispersion via vertical flows. This enables better air circulation compared to conventional analogs, prevents stagnant zones, and reduces the impact of crosswinds and adverse atmospheric stability conditions. The devised structural solutions could be applied to design and optimize roadside barriers, particularly in residential areasОб’єктом дослідження були аеродинамічні особливості повітряних потоків, що формуються на автомагістралях із захисними бар’єрами. Проблема оптимізації придорожніх бар’єрів вирішувалась на основі встановлення закономірностей аеродинаміки повітряних потоків методами фізичного та обчислювального моделювання. Методом візуальної діагностики структури потоків (ВДСП) досліджено кінематичні особливості формування повітряних потоків у зоні придорожніх бар’єрів. Встановлено, що при використанні бар’єрів дискретного типу формуються стійкі повітряні структури, які сприяють активному перемішуванню потоку та його розбавленню за рахунок залучення зовнішнього повітря. Кожний дискретний елемент складається з дифузорного щиту, що розширяється під кутом 4° до осі полотну, довжиною 3 ширини дорожньої смуги. Між щитами розміщені додаткові елементи у вигляді паралельних екранів (конфузорів), розташованих під кутом 60° до осі полотну. Методом обчислювального моделювання в SOLIDWORKS Flow Simulation підтверджено, що конфузори між дискретними щитами створюють ефект ежекції, який забезпечує залучення зовнішнього повітря і розбавлення повітря всередині дорожньої смуги. Застосована обчислювальна модель продемонструвала узгодженість процесів розведення внаслідок ежекції та розсіювання за рахунок вертикальних потоків. Запропонована конструкція бар’єрів забезпечує кращу циркуляцію повітря порівняно з традиційними аналогами, виключає попадання вихлопних газів у приземні шари житлових районів, запобігає утворенню застійних зон та обмежує вплив вітрів. Розроблені конструктивні рішення можуть бути використані для проектування та вдосконалення придорожніх бар’єрів, особливо у житлових района
Ідентифікація впливу підвищеного порового тиску води та вертикальної деформації під впливом розрідження
No full textThis study examines how increase in pore water pressure weakens the sand foundation, triggers liquefaction and lateral shift. This is related to the interaction of pressure, density, depth, and load through experiments and simulations to increase the foundation design. Numerical analysis using UBC3D-PLM 3D plaxis, while experimental tests are carried out with a 2.2 kW electric motor-powered table. Experiment uses an acrylic ground box 0.5×1×1.5 m3 which is strengthened by steel. The foundation model is in the form of a 2×2 pole group with four pillars and pile caps. The results of the study showed an increase in pore water pressure due to vertical and earthquake loads could trigger liquefaction and vertical deformation. Numerical analysis shows a surge in pressure in 20 seconds, in the case exceeding the 7.0 ratio, shows full liquefaction. The vibrating table experiment (relative density of 10 %) shows RU values close to 1, confirming the potential for liquefaction. Both experiments and simulations indicate rapid initial deformation before stabilization. Pore water pressure jumped to the critical level before stable, indicating the potential for full liquefaction. Non-linear vertical deformation confirms significant soil changes below the dynamic load. This study identifies the limit of the pressure ratio for partial and full liquefaction and soil response to vertical and seismic loads. The combination of numerical and experimental data allows the analysis of vertical deformation of foundation stability. This finding supports the design of earthquake resistant foundations and geotechnical risk assessment, although its application must consider soil conditions and limitations of numeric models, so it is necessary to be further calibration for prediction accuracyУ цій роботі досліджується, як підвищення тиску порової води послаблює піщану основу, викликає розрідження та бічний зсув. Це пов’язано із взаємодією тиску, щільності, глибини та навантаження через експерименти та моделювання для збільшення конструкції фундаменту. Чисельний аналіз виконувався за допомогою UBC3D-PLM 3D plaxis, а експериментальні випробування проводились за допомогою столу з електродвигуном потужністю 2,2 кВт. В експерименті використовувався акриловий ґрунтовий ящик 0,5×1×1,5 м3, зміцнений сталлю. Модель фундаменту має форму групи стовпів 2×2 з чотирма стовпами та верхами паль. Результати дослідження показали, що збільшення тиску порової води через вертикальні та землетрусні навантаження може спровокувати розрідження та вертикальну деформацію. Числовий аналіз показує стрибок тиску за 20 секунд, у разі перевищення співвідношення 7,0 показує повне розрідження. Експеримент на вібраційному столі (відносна щільність 10 %) показує значення коефіцієнта порового тиску води, близькі до 1, що підтверджує можливість розрідження. Як експерименти, так і моделювання, вказують на швидку початкову деформацію перед стабілізацією. Тиск порової води підскочив до критичного рівня, перш ніж стати стабільним, що вказує на можливість повного розрідження. Нелінійна вертикальна деформація підтверджує значні зміни ґрунту нижче динамічного навантаження. Це дослідження визначає межу співвідношення тиску для часткового та повного розрідження та реакції ґрунту на вертикальні та сейсмічні навантаження. Поєднання числових та експериментальних даних дозволяє провести аналіз вертикальної деформації стійкості основи. Цей висновок підтверджує проектування сейсмостійкого фундаменту та геотехнічну оцінку ризику, хоча його застосування повинно враховувати умови ґрунту та обмеження числових моделей, тому необхідно подальше калібрування для точності прогноз
Розробка інтелектуальної системи керування пристроєм розпізнавання хлібної смугастої блішки (Phyllotreta vittula)
No full textThe object of this study is an autonomous Raspberry Pi-based device for real-time pest detection. The task addressed relates to the lack of affordable, energy-efficient, and autonomous solutions for working in the field without an Internet connection.
The paper reports the design of an intelligent device for pest monitoring. The device is focused on automatic recognition of the striped grain flea beetle (Phyllotreta vittula) in grain crops. As a result of the study, a system was designed based on the Raspberry Pi 4.0 microcomputer using the OpenCV library and the YOLO model. The device processes the video stream, identifies pests, and saves data locally. The system provides high accuracy at low power consumption. This was made possible by a lightweight neural network architecture and optimized image processing. A distinctive feature of the solution is autonomy, mobility, and resistance to variable lighting conditions. The system also works with limited computing resources.
The results demonstrate that the device could be effectively used in precision farming systems and at scientific institutions. The device helps identify pests and make agricultural decisions at early stages of infection. The technological advancement could be adapted to other types of pests with minimal changes to the model. In the future, the system could be integrated into broader agricultural monitoring platforms with the ability to transfer data to the cloud. The practical use of the device is possible both in large farms and on private farms. This technological advancement is especially relevant for regions with limited technical infrastructureОб'єктом дослідження є автономний пристрій на Raspberry Pi для розпізнавання шкідників у реальному часі. Вирішувана проблема полягає у відсутності доступних, енергоефективних та автономних рішень для роботи в польових умовах без підключення до інтернету.
Представлено розробку інтелектуального пристрою для моніторингу шкідника. Пристрій орієнтований на автоматичне розпізнавання хлібної смугастої блішки (Phyllotreta vittula) у посівах зернових культур. В результаті дослідження створено систему на базі мікрокомп'ютера Raspberry Pi 4.0 з використанням бібліотеки OpenCV та моделі YOLO. Пристрій виконує обробку відеопотоку, ідентифікує шкідників та зберігає дані локально. Система забезпечує високу точність при низькому енергоспоживанні. Це стало можливим завдяки легкій нейромережевій архітектурі та оптимізованій обробці зображень. Відмінною особливістю рішення є автономність, мобільність та стійкість до умов змінного освітлення. Система також працює при обмежених обчислювальних ресурсах. Отримані результати демонструють, що пристрій може бути ефективно використаний у системах точного землеробства та наукових установах. Пристрій допомагає виявляти шкідника та приймати агротехнічні рішення на ранніх стадіях зараження. Розробка може бути адаптована під інші види шкідників з мінімальними змінами в моделі. У перспективі система може бути інтегрована в ширші платформи агромоніторингу з можливістю передачі даних у хмару. Практичне застосування пристрою можливе як у великих господарствах, так і на приватних фермах. Особливо актуальна розробка для регіонів з обмеженою технічною інфраструктуро
Розробка підходу до проведення натурних експериментів з фізики, що забезпечує підвищення ефективності вимірювання фізичних величин
No full textThe object of this study is a procedure for measuring physical quantities under laboratory conditions at educational institutions. The issue related to this case is the lack of any comprehensive method and technical solution suitable for the experimental study of physics in both offline and online learning formats. To solve this problem, an approach has been proposed, based on computer vision technology and training special neural models to recognize objects in video frames that perform mechanical movement.
The idea of the proposed approach is based on the hypothesis that by measuring the position of an object in video frames with sufficient accuracy, it is possible to determine the functional type of the law of its motion. Further, knowing the function of the law of motion, it is possible to calculate any physical quantities describing the process under consideration. The idea is implemented in the form of a technical solution, which is a set of prototypes of automated laboratory devices.
The choice of the method for determining the law of motion was carried out using the analysis of the recognition error, measurement error, speed and resistance to external conditions of the Hough algorithmic method and the YOLOv8n neural network model. It is shown that the neural network method YOLOv8n has very high accuracy but low performance. The Hough method shows high performance but lower accuracy and resistance to external conditions. It was found that the accuracy of the YOLOv8n method is 4 times higher, but the execution speed is 10 times lower than that of the Hough method. However, in the case of artificial lighting and fixing the distance from the camera to objects, the Hough method provides 99.9% accuracy in recognizing an object in video frames.
The obtained prototypes of devices can be used for further research to determine their impact on the quality of physics educationОб’єктом даного дослідження є процедура вимірювання фізичних величин у лабораторних умовах навчальних закладів. Проблема, що виникає при цьому, пов’язана з відсутністю будь-якого комплексного методу й технічного рішення, придатного для експериментального вивчення фізики як в офлайн-, так і в онлайн-форматах навчання. Для вирішення цих задач запропоновано підхід, заснований на технології комп’ютерного зору та навчанні спеціальних нейронних моделей для розпізнавання об’єктів на відеокадрах, які здійснюють механічний рух.
Ідея запропонованого підходу ґрунтується на гіпотезі, що, вимірюючи положення об’єкта на відеокадрах із достатньою точністю, можна визначити функціональний вигляд закону його руху. Далі, знаючи функцію закону руху, можна обчислити будь-які фізичні величини, що описують відповідний процес. Ідею реалізовано у вигляді технічного рішення, що являє собою набір дослідних зразків автоматизованих лабораторних пристроїв.
Вибір методу визначення закону руху здійснювався за допомогою аналізу похибки розпізнавання, вимірювальної похибки, швидкодії та стійкості до зовнішніх умов для алгоритмічного методу Хафа та нейромережевої моделі YOLOv8n. Показано, що нейромережевий метод YOLOv8n має дуже високу точність, але низьку швидкодію. Метод Хафа демонструє високу швидкодію, але меншу точність і стійкість до зовнішніх умов. Встановлено, що точність методу YOLOv8n у 4 рази вища, проте швидкість виконання — у 10 разів нижча, ніж у методу Хафа. Проте в умовах штучного освітлення та фіксації відстані від камери до об’єктів метод Хафа забезпечує 99,9% точності розпізнавання об’єкта на відеокадрах.
Отримані дослідні зразки пристроїв можуть бути застосовані для подальших досліджень щодо визначення їх впливу на якість навчання фізик
Розробка моделей навчання на основі машинного навчання з квантовим відпалом для оптимізації навчання в цифрову еру
No full textThe object of this study is the prediction of digital learning achievement. The problems solved in this study are the low accuracy and efficiency of the prediction model caused by the complexity of the learning data and the limitations of conventional tuning methods such as grid search and random search which are unable to optimally navigate the wide and non-linear parameter space. The results obtained show that the integration of quantum annealing into the hyperparameter optimization process can significantly improve model performance. Model accuracy increased from 82% to 91%, with consistent improvements in precision, recall, and F1-score. The model also showed faster convergence and lower losses on both training and testing data, indicating better generalization capabilities to new data. Interpretation of these results concludes that quantum annealing can navigate the parameter space efficiently, exploring combinations of values that are unreachable by conventional methods. The main feature and characteristic of these results lies in its ability to combine the computational efficiency of LightGBM with the exploration of complex solutions through quantum methods, making it very suitable for dynamic learning problems. The scope and conditions of practical use of the developed model include digital-based learning management systems, adaptive learning platforms. These findings are relevant to be applied in the development of artificial intelligence-based education systems that support personalization in the current era of digital transformationОб'єктом цього дослідження є прогнозування успішності цифрового навчання. Проблеми, що вирішуються в цьому дослідженні, полягають у низькій точності та ефективності моделі прогнозування, спричиненій складністю навчальних даних, та обмеженнями традиційних методів налаштування, таких як пошук по сітці та випадковий пошук, які не здатні оптимально орієнтуватися в широкому та нелінійному просторі параметрів. Отримані результати показують, що інтеграція квантового відпалу в процес оптимізації гіперпараметрів може значно покращити продуктивність моделі. Точність моделі зросла з 82% до 91%, з постійним покращенням точності, повноти та F1-оцінки. Модель також продемонструвала швидшу збіжність та менші втрати як на навчальних, так і на тестових даних, що свідчить про кращі можливості узагальнення на нові дані. З інтерпретації цих результатів можна зробити висновок, що квантовий відпал може ефективно орієнтуватися в просторі параметрів, досліджуючи комбінації значень, які недоступні традиційними методами. Головною особливістю та характеристикою цих результатів є їхня здатність поєднувати обчислювальну ефективність LightGBM з дослідженням складних рішень за допомогою квантових методів, що робить її дуже придатною для задач динамічного навчання. Сфера застосування та умови практичного використання розробленої моделі включають цифрові системи управління навчанням, адаптивні навчальні платформи. Ці висновки є актуальними для застосування в розробці освітніх систем на основі штучного інтелекту, які підтримують персоналізацію в сучасну епоху цифрової трансформаці
Розробка демпфувальних сплавів у транспортному обладнанні
No full textThe object of this study is carbon and alloy steels for parts with high surface hardness and increased wear resistance at low deformation. Carbon steels 40, 45, and similar steels with increased manganese content 40G, 45G, 50G are used to manufacture a wide variety of machine parts. Most often, these steels are used for articles that bear the greatest impact loads. Machine parts are exposed to vibration and impact, which results in the generation of intense noise. Noise has a negative impact on human health and reduces performance. One of the ways to solve this problem is to reduce noise by damping it at the source. The results of studies conducted in this area have made it possible to design damping alloys, subject to taking into account the operation of the parts, the percentage of alloying elements, carbon-containing additives, temperature, holding, and not allowing a decrease in the strength properties of the developed alloys.
Chromium, manganese, silicon, and nickel were selected as alloying elements for the designed alloys. The chemical composition of the studied carbon alloy steels, average values of sound levels, and sound pressure levels of the studied steels after forging, annealing, and normalization were analyzed.
The ADM-1 grade alloy has been proposed for the manufacture of the main transport units (crankshafts, connecting rods, gear rims, passenger car axle shafts, camshafts). Comparison of the acoustic properties (frequency spectrum in octave bands) of the designed steels and known steels with high surface hardness and increased wear resistance after various types of heat treatment has made it possible to identify a pattern. At frequencies of 8000 and 16000 Hz, the designed steels ADM-1, ADM-2, ADM-3 emit noise 6–13 dB lower than similar steels 40, 45, 40G, 45G, 50GОб'єктом дослідження є вуглецеві та леговані сталі для деталей із високою поверхневою твердістю та підвищеною зносостійкістю при малій деформації. Вуглецеві сталі 40, 45 і аналогічні сталі з підвищеним вмістом марганцю 40Г, 45Г, 50Г застосовуються для виготовлення найрізноманітніших деталей машин. Найчастіше ці сталі використовують для виробів, що зазнають найбільших ударних навантажень. Деталі машин піддаються вібраційним і ударним впливам, у результаті чого генерується інтенсивний шум. Шум негативно впливає на здоров'я людини та знижує її працездатність. Одним зі способів розв’язання цієї проблеми – зниження шуму – є його погашення в джерелі виникнення. Результати проведених у цьому напрямку досліджень дали змогу розробити демпфувальні сплави за умови врахування режиму роботи деталей, процентного вмісту легувальних елементів, вуглецевмісної добавки, температури, витримки, а також без зниження міцнісних характеристик розроблених сплавів.
Як легувальні елементи для розроблених сплавів були обрані хром, марганець, кремній і нікель. Проведено аналіз хімічного складу досліджуваних вуглецевих легованих сталей, визначено середні значення рівнів звуку та рівнів звукового тиску досліджуваних сталей після кування, відпалу та нормалізації.
Для виготовлення основних вузлів транспорту (колінчасті вали, шатуни, зубчасті вінці, півосі легкових автомобілів, розподільчі вали) запропоновано сплав марки АДМ-1. Порівняння акустичних властивостей (частотний спектр в октавних смугах) розроблених сталей і відомих сталей із високою поверхневою твердістю та підвищеною зносостійкістю після різних видів термообробки дозволило виявити особливість: на частотах 8000 і 16000 Гц розроблені сталі АДМ-1, АДМ-2, АДМ-3 випромінюють шум на 6–13 дБ нижче, ніж аналогічні сталі 40, 45, 40Г, 45Г, 50
Оцінка впливу вагової ініціалізації на рекурентні та трансформерні моделі при прогнозуванні цін фінансових активів
No full textThe object of this research is a deep learning model based on recurrent neural network (RNN), long short-term memory (LSTM), and transformer, applied to predict financial asset prices using historical time series data. The main problem addressed is the absence of a systematic study evaluating the combined effect of weight initialization methods and activation functions in time-series prediction models, particularly regarding convergence speed, prediction accuracy, and the model’s ability to capture price variability. The results show that RNN and LSTM have better training stability, are able to converge in one epoch, and provide high prediction performance (RMSE < 3.7, MAPE < 0.015, R2 close to 0.9999). In contrast, Transformer showed lower prediction performance (RMSE around 37, MAPE around 0.58, R2 between 0.9884–0.9885) and tended to overfitting on various strategy combinations. In RNN and LSTM models, the All-Zeros (AZ) and ReLU combination specifically degrades stability and leads to overfitting. The superiority of RNN and LSTM is attributed to their sequential architectures, which are more effective at learning short-term temporal patterns and more robust to suboptimal weight initialization. Therefore, selecting an appropriate combination of weight initialization and activation function plays a key role in enhancing model performance. These findings contribute empirical evidence to the importance of configuration choices in deep learning for time-series forecasting. The results can be applied in the development of deep learning-based financial asset prediction and recommendation systems, particularly for assets with long historical records and volatile market conditionsОб’єктом цього дослідження є модель глибокого навчання, заснована на рекурентній нейронній мережі (РНН), довгій короткочасній пам’яті (ДКП) та трансформаторі, що застосовується для прогнозування цін на фінансові активи з використанням історичних даних часових рядів. Основною проблемою, що розглядається, є відсутність систематичного дослідження, що оцінює комбінований вплив методів ініціалізації ваг та функцій активації в моделях прогнозування часових рядів, зокрема щодо швидкості збіжності, точності прогнозування та здатності моделі враховувати мінливість цін. Результати показують, що РНН та ДКП мають кращу стабільність навчання, здатні збігатися в одну епоху та забезпечують високу продуктивність прогнозування (середньоквадратична похибка < 3,7, середня абсолютна відсоткова похибка < 0,015, R2 близько 0,9999). На противагу цьому, трансформер показав нижчу продуктивність прогнозування (середньоквадратична похибка близько 37, середня абсолютна відсоткова похибка близько 0,58, R2 між 0,9884–0,9885) та мав тенденцію до перенавчання для різних комбінацій стратегій. У моделях РНН та ДКП комбінація All-Zeros та ReLU спеціально погіршує стабільність та призводить до перенавчання. Перевага РНН та ДКП пояснюється їхніми послідовними архітектурами, які ефективніше навчаються короткостроковим часовим патернам та стійкіші до неоптимальної ініціалізації ваг. Тому вибір відповідної комбінації ініціалізації ваг та функції активації відіграє ключову роль у підвищенні продуктивності моделі. Ці результати надають емпіричні докази важливості вибору конфігурації в глибокому навчанні для прогнозування часових рядів. Результати можуть бути застосовані при розробці систем прогнозування та рекомендацій щодо фінансових активів на основі глибокого навчання, особливо для активів з тривалою історією та волатильними ринковими умовам
Розробка методу узгодження даних при реплікації у мультихмарних системах
No full textThis study’s object is the consistency of replication data in geo-distributed multicloud systems. The task under consideration is to devise a method for interval ordering of incoming requests by forming a sequence of general order numbers, according to which the order of writing data to geo-distributed replicas is executed.
A feature of the proposed method is the a priori determination of equally long non-intersecting intervals of adjustment of incoming packet numbers, during which the incoming packet numbers are ordered. Grouping users into conditional clusters according to geographical location around brokers makes it possible to determine the priorities of sorting incoming packets. Brokers should be located near the leading replica of each cloud service provider and accept write requests from users from the nearest conditional cluster. In addition, the ordering of incoming packets occurs in the order of their arrival at each broker during the specified intervals. These mechanisms make it possible to synchronize data write operations in one step of global communication between geo-distributed replicas of separate cloud service providers.
To estimate the latency of forming the total ordered sequence of incoming packet numbers, a simulation model has been built, whose feature is the ability to reproduce a different number and geographical location of replicas. The stability of a latency in coordinating incoming write requests in geo-distributed multicloud system with an increase in the intensity of the incoming flow by even 70 times has been shown experimentally.
The results make it possible not only to reduce the latency of writing data to replicas of existing multicloud systems but also to choose the best geographical location of cloud service provider resources when designing new onesОб’єктом дослідження є узгодження даних реплікації у георозподілених мультихмарних системах. Вирішувалась проблема розробки методу інтервального впорядкування вхідних запитів шляхом формування послідовності номерів загального порядку, за якими виконується порядок запису даних у георозподілені репліки. Особливістю запропонованого методу є апріорне визначення рівно тривалих непересічних інтервалів коригування номерів вхідних пакетів, протягом яких номери вхідних пакетів впорядковуються. Групування користувачів в умовні кластери за географічним розміщенням навкруги брокерів дозволяє визначити пріоритети сортування вхідних пакетів. Брокери мають розташовуватися поблизу ведучої репліки кожного провайдера хмарних послуг та приймати запити на запис від користувачів найближчого умовного кластеру. Додатково впорядкування вхідних пакетів відбувається за черговістю їх надходження до кожного брокеру протягом визначених інтервалів коригування. Ці механізми дозволяють виконати синхронізацію операцій запису даних за один крок глобального зв’язку між георозподіленими репліками різних провайдерів хмарних послуг. Для оцінки затримок при формуванні загальної послідовності номерів вхідних пакетів розроблено імітаційну модель, особливістю якої є можливість відтворення різної кількості та географічного розміщення реплік. Експериментально показана стійкість затримки узгодження вхідних запитів на запис у мультихмарних системах при підвищенні інтенсивності вхідного потоку у навіть 70 разів. Отримані результати дозволяють не тільки знизити затримку запису даних у репліки вже існуючих мультихмарних систем, але й обрати найкраще географічне розташування ресурсів постачальників хмарних послуг під час проектування нови
Розробка підходу до підвищення якості зображень для діагностики діабетичної ретинопатії
No full textThe object of the study is the accuracy of diabetic retinopathy diagnosis based on retinal images. This study investigates convolutional neural network (CNN) models for the automatic detection of diabetic retinopathy (DR) from retinal images. The main problem lies in the insufficient effectiveness of basic CNN models in recognizing DR stages on fundus images. The core problem addressed is the suboptimal performance of baseline CNNs in identifying DR stages from medical imagery. To solve this, two CNN architectures were thoroughly evaluated: a baseline model and an enhanced model integrating advanced preprocessing techniques such as image resizing (256 × 256 and 512 × 512), the image normalization, and data augmentation methods. The enhanced model outperformed the original, achieving a validation accuracy of 91% compared to 88% for the baseline, and demonstrating reduced loss during both training and validation. This improvement is attributed to the optimized input image quality and increased variability in the training set, which enhanced the model’s ability to generalize and avoid overfitting. A distinctive feature of the results lies in the synergy between preprocessing and CNN architecture, which enabled significantly improved classification performance even under hardware constraints. These limitations suggest that further gains are possible with extended computational resources and access to larger datasets. The practical applicability of the findings is evident in the potential deployment of such models in clinical screening systems to support early and accurate DR diagnosis. The models were trained on a proprietary dataset of expert-labeled, high-resolution retinal images, similar in format to EyePACS and APTOS, though not publicly available due to ethical considerationsОб’єктом дослідження є точність діагностики діабетичної ретинопатії за зображеннями сітківки. У цьому дослідженні розглядаються моделі згорткових нейронних мереж (CNN) для автоматичного виявлення діабетичної ретинопатії (ДР) за зображеннями сітківки. Основна проблема полягає в недостатній ефективності базових моделей CNN при розпізнаванні стадій ДР на медичних зображеннях очного дна. З метою її вирішення було оцінено дві архітектури CNN: базову модель та вдосконалену модель, яка включала сучасні методи попередньої обробки даних, зокрема зміну розміру (256 × 256 і 512 × 512), нормалізацію, а також застосування технік аугментації, таких як повороти, зсуви, дзеркальне відображення та зміна яскравості для підвищення варіативності навчального набору. Вдосконалена модель показала вищу точність (91% проти 88% у базової) та менші втрати як на етапі навчання, так і валідації. Покращення результатів пояснюється підвищеною якістю вхідних даних та більшим різноманіттям тренувального набору, що сприяло кращому узагальненню та зниженню переобучення. Відмінною рисою отриманих результатів є синергія між попередньою обробкою та архітектурою мережі, яка забезпечила значне покращення точності класифікації навіть в умовах обмежених обчислювальних ресурсів. Це свідчить про перспективність подальших досліджень з використанням більших наборів даних і розширених ресурсів. Практична значущість результатів полягає в можливості застосування таких моделей у клінічних системах для раннього та точного виявлення ДР. Моделі були натреновані на приватному наборі високоякісних зображень очного дна з експертною розміткою, подібному за структурою до EyePACS та APTOS, але не доступному публічно з етичних міркуван