PROBLEMS IN PROGRAMMING
Not a member yet
761 research outputs found
Sort by
Модель згорткової нейронної мережі та програмний засіб для класифікації наявності медичної маски на обличчі людини
No full textA model of a convolutional neural network, a database for training a neural network, and a software tool for classifying the presence of a medical mask on a person’s face, which allows recognizing the presence of a medical mask from the transmitted image, have been developed. The structure of the neural network model was optimized to improve classification results. In addition, the development of the user interface was carried out. The developed application was tested on a set of random images. The resulting model demonstrated high accuracy and robustness in solving the task of classifying the presence of a medical mask on a person’s face, which allows automating measures to protect people from the spread of diseases. The implemented application meets the requirements for speed and quality of classification. Further improvement of the classification quality of CNN can be done by collecting a larger dataset and researching other CNN architectures.Problems in programming 2023; 2: 59-66У даній статті розглядається розробка згорткової нейронної мережі, базованої на архітектурі YOLOv4, з метою визначення наявності медичної маски на обличчі людини. Зібрано та анотовано значний набір даних, що включає різні типи масок та осіб без масок, а також застосовано аугментацію даних для покращення універсальності моделі. На основі аналізу даних проведено оптимізацію та адаптацію моделі за допомогою техніки тонкої настройки.Результати навчання та тестування отриманої моделі свідчать про її високу точність класифікації зображень. Розроблений застосунок, що використовує цю модель, має зручний графічний інтерфейс та забезпечує швидкість класифікації зображень у 20-25 кадрів за секунду.У висновках статті підкреслено, що успішність розробленої моделі у вирішенні поставленої задачі дозволяє автоматизувати заходи захисту населення від поширення інфекцій. Відзначено, що подальше покращення якості класифікації згорткової нейронної мережі можна досягнути шляхом збору більшого датасету та дослідження альтернативних архітектур нейронних мереж.Problems in programming 2023; 2: 59-6
Від темпоральних даних до динамічних каузальних моделей
Get PDFWe present a brief review of dynamic causal model inference from data. A vector autoregressive models is of our prime interest. The architecture, representation and schemes of measurement of temporal data and time series data are outlined. We argue that require- ment to data characteristics should come from the nature of dynamic process at hand and goals of model inference. To describe and evaluate temporal data one may use terms of longitude, measurement frequency etc. Data measurement frequency is crucial factor in order to an inferred model be adequate. Data longitude and observation session duration may be expressed via several temporal horizons, such as closest horizon, 2-step horizon, influence attainability horizon, oscillatory horizon, and evolutionary horizon. To justify a dynamic causal model inference from data, analyst needs to assume the dynamic process is stationary or at least obeys structural regularity. The main specificity of task of dynamic causal model inference is known temporal order of variables and certain structural regularity. If maximal lag of influence is unknown, inference of dynamic causal model faces additional problems. We examine the Granger’s causality concept and outline its deficiency in real circumstances. It is argued that Granger causality is incorrect as practical tool of causal discovery. In contrast, certain rules of edge orientation (included in known constraint-based algorithms of model inference) can reveal unconfounded causal relationship.Prombles in programming 2022; 3-4: 183-195Доповідь присвячена огляду проблем виведення динамічних каузальних моделей з емпіричних даних, з акцентом на моделі векторних авторегресійних процесів. Типізовано і охарактеризовано схеми збору, архітектуру і форми репрезентації темпоральних даних та часових рядів даних. Показано, що вимоги до архітектури темпоральних даних диктуються характером динамічного процесу і потребами виведення адекватної моделі. Виділено основні типи динамічних процесів, зокрема, рекурентні процеси, «запрограмовані» процеси, потоки стохастичних подій, лічильні процеси тощо. Для характеристики довжини темпоральних даних запропоновано кілька часових горизонтів, визначених на основі структури моделі, лагу каузальних зв’язків процесу, довжини шляхів впливу, довжини зворотних зв’язків тощо. Частота вимірювання даних критично важлива для адекватності виве- деної моделі і визначається тривалістю елементарних впливів між компонентами векторного процесу і швидкістю дії зворотних зв’язків. Відображено роль припущень у виведенні динамічної моделі з даних, зокрема, припущень стаціонарності та регулярності структури. Виділено особливості виведення динамічних каузальних моделей (у порівнянні із статичними моделями), окреслено тактику врахування темпорального порядку змінних. Проаналізовано проблеми, пов’язані з невідомим лагом післядії та існуванням прихованих автокорельованих часових рядів. Представлено концепцію каузальності за Грейнджером і вказано на її недосконалість в реальних умовах неповноти інформації. Проведено порівняльний аналіз критерію каузальності за Грейнджером та правил орієнтації ребер в апараті каузальних мереж з точки зору їх спроможності виявляти каузальні відношення.Prombles in programming 2022; 3-4: 183-19
Інсерційна семантика квантових взаємодій
Get PDFThe rapid development of the chemical industry and science and new challenges in the field of health care put forward increased demands for the development of the theory of organic and inorganic chemistry, biochemistry and biophysics, the search and implementation of new modelling and analysis methods, and the improvement of technological processes.One of the safe and fast methods of researching the properties and behavior of new materials and tools is the modelling of relevant experiments, in particular, computer molecular modelling based on mathematical models.Modelling the interactions between micro and macromolecules at the quantum level allows us to manipulate the substances’ electronic, magnetic, optical and other characteristics and consider the possibilities of creating new chemical bonds, molecular structures, phase transitions, quantum states, and so on.Accordingly, the main idea of our research is to apply the technology of algebraic modelling and quantum-chemical apparatus for the simulation and verification of experiments in physics, chemistry, and biology areas.The use of formal algebraic methods allows proving properties and finding relevant scenarios for the effective analysis of the behavior of various objects in real-time, considering not individual scenarios but sets of possible behaviors.At this research stage, we have developed a methodology for formalization complex organic and inorganic substances, chemical processes and reactions based on the formalization of the interaction of atoms and molecules at the level of quantum interactions.Prombles in programming 2023; 4: 65-75У статті розглядається застосування методу інсерційного моделювання, а саме – теорії агентів та середовищ на основі алгебри поведінок, до моделювання експериментів, спрямованих на вивчення фізичних, хімічних та біологічних процесів.Даний підхід використовує багаторівневу модель взаємодій, в основі якої лежать знання про квантові взаємодії в середовищі атомів та молекул. Усі інші види взаємодій (міжмолекулярні взаємодії, хімічні реакції, взаємодії біологічних об'єктів тощо) розглядаються та моделюються як наслідки формалізованих законів квантової взаємодії. Застосування алгебраїчного підходу дозволяє розглядати як експерименти що стосуються вивчення властивостей певного процесу та визначення його кінцевого результату в термінах середовища експерименту, так і можливість оберненого моделювання, коли задано «кінцевий результат» (властивості певної фізичної сутності – речовини або процесу) та необхідно знайти початкові параметри і відповідні дії, що приводять до нього.У статті наведено приклади формального представлення основних агентів, що розглядаються у моделях, їхні взаємодії, а також дослідження властивостей речовини на прикладі виявлення речовини з магнітоелектричними властивостями.Prombles in programming 2023; 4: 65-7
Декомпозиційне видобування та пошук концептуальних знань
No full textAn ability to extract hidden and implicit knowledge, their integration into a knowledge base, and then retrieval of required knowledge items are important features of knowledge processing for many modern knowledge-based systems. However, the complexity of these tasks depends on the size of knowledge sources, which were used for extraction, the size of a knowledge base, which is used for the integration of extracted knowledge, as well as the size of a search space, which is used for the retrieval of required knowledge items. Therefore, in this paper, we analyzed the internal semantic dependencies of homogeneous classes of objects and how they affect the decomposition of such classes. Since all subclasses of a homogeneous class of objects form a complete lattice, we applied the methods of formal concept analysis for the knowledge extraction and retrieval within the corresponding concept lattice. We found that such an approach does not consider internal semantic dependencies within a homogeneous class of objects, consequently, it can cause inference and retrieval of formal concepts, which are semantically inconsistent within a modeled domain. We adapted the algorithm for the decomposition of homogeneous classes of objects, within such knowledge representation model as object-oriented dynamic networks, to perform dynamic knowledge extraction and retrieval, adding additional filtration parameters. As the result, the algorithm extracts knowledge via constructing only semantically consistent subclasses of homogeneous classes of objects and then filters them according to the attribute and dependency queries, retrieving knowledge. In addition, we introduced the decomposition consistency coefficient, which allows estimation of how much the algorithm can reduce the search space for knowledge extraction and improves the performance. To demonstrate some possible application scenarios for the improved algorithm, we provided an appropriate example of knowledge extraction and retrieval via decomposition of a particular homogeneous class of objects.Prombles in programming 2022; 3-4: 139-153Можливості видобувати приховані та неявні знання, інтегрувати їх у базу знань, а потім здійснювати пошук необхідних еле- ментів знань є важливими особливостями обробки знань для багатьох сучасних систем на основі знань. Однак складність цих задач залежить від розміру джерел знань, які використовувалися для видобування, обсягу бази знань, яка використо- вується для інтеграції видобутих знань, а також розміру простору пошуку, який використовується для пошуку необхідних елементів знань. Тому у даній статті ми проаналізували внутрішні семантичні залежності однорідних класів об’єктів і те, як вони впливають на декомпозицію таких класів. Оскільки всі підкласи однорідного класу об’єктів утворюють повну ре- шітку, ми застосували методи аналізу формальних концептів для вилучення та пошуку знань у відповідній концептуальній ґратці. Ми виявили, що такий підхід не враховує внутрішні семантичні залежності в однорідному класі об’єктів, а отже, це може спричинити виведення і пошук формальних понять, які є семантично некоректними у межах галузі знань, що моделюється. Ми адаптували алгоритм декомпозиції однорідних класів об’єктів для такої моделі представлення знань, як об’єктно-орієнтовані динамічні мережі, додавши додаткові параметри фільтрації для динамічного видобування та пошуку знань. У результаті алгоритм видобуває знання шляхом побудови лише семантично коректних підкласів однорідних класів об’єктів, а потім фільтрує їх відповідно до запитів щодо атрибутів та залежностей, виконуючи пошук знань. Крім того, ми ввели коефіцієнт узгодженості декомпозиції, який дозволяє оцінити, наскільки алгоритм може зменшити простір пошуку для видобування знань і покращити продуктивність. Для демонстрації деяких можливих сценаріїв застосування вдоскона- леного алгоритму ми навели відповідний приклад видобування та пошуку знань за допомогою декомпозиції конкретного однорідного класу об’єктів.Prombles in programming 2022; 3-4: 139-15
Програмний пакет для оцінки похибки калібрування стереокамери в системі комп’ютерного зору
Get PDFThe approach for accuracy assessment of the object model a for the problem of stable grasping in the combined system of the proposal of grasping and the reconstruction of the three-dimensional model of the object was considered. Such a combined system allows stable capture of objects of any shape without restrictions on the types of shapes in the training data set. Novel approaches to surface reconstruction of the object are based on restoring the depth of points from a pair of images from two cameras. The quality of the 3D reconstruction is affected by several factors: the movement of the camera and environmental objects, spatial quantization of the image coordinates, correspondence of key points, camera calibration parameters, unaccounted camera distortions, as well as numerical and statistical properties of the selected reconstruction method. Camera parameter errors can be minimized by improving the calibration procedure, so the impact of errors on the quality of the 3D model was investigated. The deviation of the model from the plane is chosen as a metric for quality assessment. For its calculation, the point cloud is processed by plane identification and segmentation, for which an algorithm based on the RANSAC method is considered. The software package for accuracy estimation was developed. An experiment was conducted to obtain the dependence of the accuracy of the reconstructed planes on the errors of the camera parameters. The impact of calibration errors on 3D reconstruction was evaluated by comparing metrics for individual planes at different levels of artificial error and evaluating the impact of the error on these metrics. Modeling the error of the camera calibration parameters with a given noise level shows that the calibration parameters deteriorate as the noise level increases. In particular, it was established that an increase in error contributes to an increase in the error of estimation of calibration parameters. In addition, orientation parameters (rotation and translation) are more complex and therefore more sensitive to measurement noise than other parameters.Prombles in programming 2022; 3-4: 469-477струкції тривимірної моделі об’єкта. Така комбінована система дозволяє здійснювати стійкий захват об’єктів будь-якої форми без обмежень на типи форм у тренувальному наборі даних. Класичні підходи реконструкції поверхні об’єкту базуються на віднов- ленні глибини точок по парі зображень з двох камер. На якість тривимірної реконструкції впливає декілька факторів: рух камери та об’єктів середовища, просторове квантування координат зображення, відповідність ключових точок, параметри калібрування камери, невраховані спотворення камери, а також числові та статистичні властивості обраного методу реконструкції. Похибки параметрів камери можуть бути мінімізовані шляхом покращення процедури калібрування, тому було досліджено вплив похибок на якість тривимірної моделі. Метрикою для оцінки точності обрано відхилення моделі від площини. Для її розрахунку здійсню- ється обробка хмари точок шляхом ідентифікації площин та сегментації, для яких розглянуто алгоритм, що базується на методі RANSAC. Розроблено програмний пакет для здійснення оцінки точності реконструйованої моделі. Проведено експеримент для отримання залежності точності реконструйованих площин від похибок параметрів камер. Оцінку впливу похибок калібрування на тривимірну реконструкцію було здійснено шляхом порівняння метрик для окремих площин при різному рівні внесеної штучно похибки та оцінки впливу величини похибки на ці метрики.Prombles in programming 2022; 3-4: 469-477
Використання онтологічних знань для багатокритеріального співставлення складних інформаційних об`єктів
Get PDFIn this work we consider comparison of complex information objects (CIO) as a component of intelligent decision-making. The specifics of proposed approach is that we compare not all theoretically possible CIOs but only their subset that is relevant for cur- rent situation and contains existing and available objects. Thus, we find an acceptable solution from the set of available ones that can be not optimal (according to certain criteria). We propose formal ontology-based model of CIO that considered as an element of intellectual information system. This model (in contrast to the domain ontology) defines unique names for positions of classes and class individuals to indicate the SIO structure. The methods of CIO comparison based on the use of knowledge from the relevant do- main ontology are considered. Various approaches to determining of semantic proximity and semantic similarity are considered as metrics for quantitative evaluation to select parameters of information objects that can be used for calculation of these evaluations. We propose an algorithm for semantic comparison of CIOs which are based on the same ontology and have a similar structure. This algorithm allows generation of comparison criteria and determining hierarchy of this criteria for the current situation.We propose to evaluate the semantic-level similarity of the elements of individual CIOs to certain reference CIO defined by the user (as a description of the optimal solution or generated CIO properties). As a result, a subset of CIOs that satisfy the user requirements is cre- ated, but we have to select only one CIO among them, which will be used in the future to fulfill the user task. Therefore, we need in a set of criteria for CIO comparison and methods to determine the importance of each of these criteria at the current moment in time. For this purpose, we propose to use the method of hierarchical analysis based on a pairwise comparison of the importance of individual criteria.Prombles in programming 2022; 3-4: 249-259Співставлення складних інформаційних об’єктів (СІО) розглядається в роботі як складова інтелектуального прийняття рішень. Особливістю запропонованого підходу є те, що співставляються не всі теоретично можливі СІО, а лише та їх підмножина, яка може бути обрана в поточній ситуації. Таким чином, проблема полягає не у пошуку оптимального (за певними критеріями) рі- шення, а у виборі прийнятного рішення з набору наявних.Запропоновано формальну модель СІО як елемента інтелектуальних інформаційних систем, що базується на онтологічному по- данні знань. Ця модель (на відміну від онтології ПрО) виокремлює позиції класів та елементів класів для позначення структурних елементів СІО, яким надаються унікальні імена. Розглянуто методи співставлення СІО, що базуються на використанні знань онтології відповідної предметної області. В якості метрик для кількісного оцінювання розглянуті різні методи визначення семан- тичної близькості та семантичної подібності, щоб визначити ті параметри інформаційних об’єктів, за якими обчислюються ці оцінки. Запропоновано алгоритм семантичного співставлення СІО, які базуються на одній онтології та мають подібну структуру, що дозволяє генерувати множину критеріїв співставлення та визначати їх ієрархію для поточної ситуації.Це дозволяє оцінювати подібність на змістовному рівні елементів окремих СІО до певного еталону, який задається користувачем (як опис оптимального рішення або того СІО, що потрібно знайти або згенерувати). В результаті цього створюється підмножина СІО, які задовольняють вимоги користувача, але серед них потрібно обрати лише один СІО, який надалі буде застосовуватися для виконання задачі користувача. Тому виникає потреба у знаходженні множини критеріїв, за якими можна порівнювати такі СІО, та у методах визначення важливості кожного з цих критеріїв у поточний момент часу. Пропонується використовувати для цього метод ієрархічного аналізу, що базується на попарному порівнянні важливості окремих критеріїв.Prombles in programming 2022; 3-4: 249-25
Поняття якості та оцінювання якості великих даних в семантичному середовищі
No full textBig data refers to large volumes, complex data sets with various autonomous sources, characterized by continuous growth. Data storage and data collection capabilities are now rapidly expanding in all fields of science and technology due to the rapid development of networks. Evaluating the quality of data is a difficult task in the context of big data, because the speed of semantic data reasoning directly depends on its quality. The appropriate strategies are necessary to evaluate and assess data quality according to the huge amount of data and its rapid generation. Managing a large volume of heterogeneous and distributed data requires defining and continuously updating metadata describing various aspects of data semantics and its quality, such as conformance to metadata schema, provenance, reliability, accuracy and other properties. The article examines the problem of evaluating the quality of big data in the semantic environment. The definition of big data and its semantics is given below and there is a short excursion on a theory of quality assessment. The model and its components which allow to form and specify metrics for quality have already been developed. This model includes such components as: quality characteristics; quality metric; quality system; quality policy. A quality model for big data that defines the main components and requirements for data evaluation has already been proposed. In particular, such evaluation components as: accessibility, relevance, popularity, compliance with the standard, consistency, etc. are highlighted. The problem of inference complexity is demonstrated in the article. Approaches to improving fast semantic inference through materialization and division of the knowledge base into two components, which are expressed by different dialects of descriptive logic, are also considered below. The materialization of big data makes it possible to significantly speed up the processing of requests for information extraction. It is demonstrated how the quality of metadata affects materialization. The proposed model of the knowledge base allows increasing the qualitative indicators of the reasoning speed.Prombles in programming 2022; 3-4: 260-270Великі дані стосуються великих обсягів, складних наборів даних із різними автономними джерелами, що характеризуються постійним зростанням. Зі швидким розвитком мереж, зберігання даних і можливостей збору даних, великі дані швидко розши- рюються в усіх сферах науки та техніки. У контексті великих даних оцінка якості даних є складною задачею. Для семантичних даних якість і швидкість виводу безпосередньо залежить від якості даних. Враховуючи величезний обсяг даних і їх швидке генерування, це вимагає відповідних стратегій для оцінки якості даних. Управління великим обсягом різнорідних і розподілених даних вимагає визначення та постійного оновлення метаданих, що описують різні аспекти семантики та якості даних, такі як від- повідність схемі метаданих, походження, надійність, точність та інші властивості. В статі розглянута проблематика оцінювання якості великих даних у семантичному середовищі. Наведено визначення великих даних та їх семантики, зроблено невеликий екскурс в теорію оцінювання якості. Розроблена модель та її компоненти, що дозволяє сформувати та конкретизувати метрики для якості. В дану модель входять такі компоненти як: характеристика якості, метрика якості, система якості, політка якості. Запро- понована модель якості для великих даних, яка визначає основні компоненти та вимоги до оцінювання даних. Зокрема, виділено такі компоненти оцінювання як: доступність, релеватність, популярність, відповідність стандарту, узгодженість тощо. Продемонстрована проблема складності виводу. Розглянуто підходи до покращення швидкого семантичного виводу через матеріалізацію та поділ бази знань на два компоненти, які виражаються різними діалектами дескриптивної логіки. Оскільки матеріалізація великих даних дозволяє значно пришвидшити обробку запитів на екстракцію інформації. Продемонстровано як якість метаданих вливає на матеріалізацію. Запропонована модель бази знань, яка дозволяє підвищити якісні показники швидкості виводу.Prombles in programming 2022; 3-4: 260-27
Інженерія програмного забезпечення та програмне забезпечення великих даних
No full textSoftware engineering is a mature industry of human activity focused on the creation, deployment, marketing and maintenance of software. The fundamental concepts of engineering are life cycle model; three main components of life cycle phases - products, processes and resources; engineering and methodologies for creating, deployment and maintaining software. Software is the foun- dation of technological advances that lead to new high performance products. As the functionality of products grows, so does the need to efficiently and correctly create and maintain the complex software that enables this growth. Therefore, in addition to solving its own problems, software engineering serves the solution of the problems of creating and maintaining software in other domains, which are called application domains. Information technology is a well-known application domain. The basis of this domain is data. Information systems are being implemented in an organization to improve its effectiveness and efficiency. The functionality of information systems has grown dramatically when big data began to be used. This growth has led to the emergence of a wide variety of software-intensive big data information systems. At the same time, the role and importance of software engineering for solving the problems of this application domain has only intensified. Modern possibilities of software engineering are shown. The aspects of interaction between software engineering and big data systems are analyzed. The topics for the study of big data software ecosystems and big data system of systems are outlined.Prombles in programming 2022; 3-4: 69-72Розробка програмного забезпечення — це зріла галузь людської діяльності, зосереджена на створенні, розгортанні, маркетингу та підтримці програмного забезпечення. Фундаментальними концепціями інжинірингу є модель життєвого циклу; три основні компоненти фаз життєвого циклу - продукти, процеси та ресурси; розробка та методології створення, розгортання та підтримки програмного забезпечення. Програмне забезпечення є основою технологічного прогресу, який веде до нових високопродуктивних продуктів. Зі зростанням функціональності продуктів зростає потреба в ефективному та правильному створенні та підтримці складного програмного забезпечення, яке забезпечує це зростання. Тому, окрім вирішення власних завдань, програмна інженерія служить вирішенню проблем створення та підтримки програмного забезпечення в інших областях, які називаються областями додатків. Інформаційні технології є добре відомою областю застосування. Основою цього домену є дані. Інформаційні системи впроваджуються в організації для підвищення її ефективності та ефективності. Функціональність інформаційних систем різко зросла, коли почали використовувати великі дані. Це зростання призвело до появи широкого спектру програмно-інтенсивних інформаційних систем великих даних. У той же час роль і значення програмної інженерії для вирішення завдань цієї прикладної області тільки посилилися. Показано сучасні можливості програмної інженерії. Проаналізовано аспекти взаємодії програмної інженерії та систем великих даних. Окреслено теми для вивчення програмних екосистем великих даних та системи великих даних систем.Prombles in programming 2022; 3-4: 69-7
Рекурентні нейронні мережі для задачі уточнення чисельних метеорологічних прогнозів
Get PDFThis paper briefly describes examples of how deep learning can be applied to geoscientific problems, as well as the main difficulties that arise when scientists apply this technique to the problems of meteorological forecasting. This paper aims at comparing the two most popular types of recurrent neural network architectures, namely the long short-term memory network and the gated recurrent unit when they are used to improve 2m temperature forecast results obtained using numerical hydrodynamic methods of meteorological forecasting. An efficiency comparison of architectures of recurrent neural networks was performed using the root-mean-square error. It is shown that all models with gated recurrent units are more efficient than models with long short-term memory. Thus the best architecture of recurrent neural networks for solving the problem of improving numerical meteorological forecasts has been revealed.Prombles in programming 2023; 4: 90-97Зроблено короткий огляд застосування “глибокого навчання” до геонаукових задач. Порівняні два найпопулярніші види архітектур рекурентних нейронних мереж, а саме мережу довгої короткочасної пам’яті та вентильний рекурентний вузол. Показано, що усі моделі з вентильними рекурентними вузлами є більш ефективними за моделі довгої короткочасної пам’яті. На основі доступних даних спостережень здійснено чисельні експерименти з уточнення прогнозу за допомогою машинного навчання. Виявлено, що кращою архітектуру рекурентних нейронних мереж для розв’язання задачі уточнення чисельних метеорологічних прогнозів є вентильний рекурентний вузол.Prombles in programming 2023; 4: 90-9
Штучний інтелект у мобільних радарних обчисленнях на основі хмарних ресурсів
No full textThe introduction of Artificial Intelligence into mobile radar computing based on cloud resources has made it possible to combine radar resources at the stage of receiving, processing and presenting information. The radar system has become integral and flexible. The convergence of mobile applications in portable devices with cloud computing is a revolution in the organization of distributed computing. Attention is paid to the architecture of the client part as a neurocomputer distributed in space with deep learning capabilities. Providing analysis of radar data in Real Time for a mobile platform is very important and its implementation with packet data transmission at different stages accelerate the analysis process.Problems in programming 2023; 2: 49-58Впровадження Штучного інтелекту в мобільні радіолокаційні обчислення наоснові хмарних обчислень дозволило об’єднати радарні ресурси на етапах прийому, обробки і представлення інформації. Радіолокаційна система стала цілісною та гнучкою. Конвергенція мобільних додатків у портативних пристроях із хмарними обчисленнями — це революція в організації розподілених обчислень радарної інформації. Приділено увагу архітектурі клієнтської частини як розподіленого в просторі нейрокомп’ютера з можливостями глибокого навчання. Забезпечення аналізу радіолокаційних даних у режимі реального часу для мобільної платформи є дуже важливим, а реалізація пакетної передачі даних на різних етапах обробки прискорює процес аналізу.Problems in programming 2023; 2: 49-5