Radio Electronics, Computer Science, Control
Not a member yet
1174 research outputs found
Sort by
МАТЕМАТИЧНІ ОСНОВИ МЕТОДІВ ОПТИМАЛЬНОГО МУЛЬТИПЛЕКСНОГО РОЗБИТТЯ КОНТИНУАЛЬНИХ МНОЖИН
No full textContext. The research object is the process of placing service centers (e.g., social protection services, emergency supply storage) and allocating demand for services continuously distributed across a given area. Mathematical models and optimization methods for location-allocation problems are presented, considering the overlap of service zones to address cases when the nearest center cannot provide the required service. The relevance of the study stems from the need to solve problems related to territorial distribution of logistics system facilities, early planning of preventive measures in potential areas of technological disasters, organizing evacuation processes, or providing primary humanitarian assistance to populations in emergencies.Objective. The rational organization of a network of service centers to ensure the provision of guaranteed service in the shortest possible time by assigning clients to multiple nearest centers and developing the corresponding mathematical and software support.Method. The concept of a characteristic vector-function of a k-th order partition of a continuous set is introduced. Theoretical justification is provided for using the LP-relaxation procedure to solve the problem, formulated in terms of such characteristic functions. The mathematical framework is developed using elements of functional analysis, duality theory, and nonsmooth optimization.Results. A mathematical model of optimal territorial zoning with center placement, subject to capacity constraints, is presented and studied as a continuous problem of optimal multiplex partitioning of sets. Unlike existing models, this approach describes distribution processes in logistics systems by minimizing the distance to several nearest centers while considering their capacities. Several propositions and theorems regarding the properties of the functional and the set of admissible solutions are proven. Necessary and sufficient optimality conditions are derived, forming the basis for methods of optimal multiplex partitioning of sets.Conclusions. Theoretical findings and computational experiment results presented in the study confirm the validity of the developed mathematical framework, which can be readily applied to special cases of the problem. The proven propositions and theorems underpin computational methods for optimal territorial zoning with center placement. These methods are recommended for logistics systems to organize the distribution of material flows while assessing the capacity of centers and the fleet of transportation vehicles involved.Актуальність. Об'єктом дослідження є процес розміщення сервісних центрів (служб соціального захисту, складів аварійного постачання та ін.) і розподілу між ними попиту на послугу у регіоні. Представлено математичні моделі іобґрунтовано методи розв’язання оптимізаційних задач розміщення-розподілу, в яких передбачено перекриття сервісних зон на той випадок, коли найближчий центр не зможе надати послугу. Актуальність дослідження обумовлена необхідністю вирішення завдань, пов’язаних, приміром, з територіальним розподілом об’єктів логістичних систем і завчасним плануванням запобіжних заходів в районах потенційних техногенних аварій, організації евакуаційних процесів або надання первинної гуманітарної допомоги населенню у разі надзвичайних ситуацій.Мета – забезпечення надання гарантованого сервісу у короткий термін шляхом прикріплення клієнта до декількохнайближчих центрів, розроблення відповідного математичного та програмного забезпечення.Метод. Введено поняття характеристичної вектор-функції розбиття k-го порядку множини, теоретично аргументовановикористання процедури ЛП-релаксації задачі, записаної у термінах таких характеристичних функцій. Математичне забезпечення розроблено з використанням елементів функціонального аналізу, теорії двоїстості, негладкої оптимізації.Результати. Представлено і досліджено математичну модель оптимального територіального зонування з розміщеннямцентрів, при наявності обмежень на їхні потужності у вигляді неперервної задачі оптимального мультиплексного розбиття множин (ОМРМ), яка описує розподільчі процеси в логістичних системах за критеріями мінімізації відстані до декількох найближчих центрів з урахуванням їх можливостей. Доведено ряд тверджень та теорем стосовно властивостей функціоналу і множини допустимих розв’язків задачі. Отримано необхідні та достатні умови оптимальності, на яких базуються розроблені методи і алгоритми оптимального мультиплексного розбиття множин.Висновки. Теоретичні положення і результати обчислювальних експериментів, наведені у роботі, свідчать прокоректність розробленого математичного апарата і легко переносяться на окремі випадки розглянутої задачі. Доведенітвердження та теореми лежать в основі обчислювальних методів оптимального зонування територій із розміщеннямцентрів, які варто використовувати при організації розподілу матеріальних потоків для оцінювання місткості центрів і парку задіяних транспортних засобів.Актуальність. Об'єктом дослідження є процес розміщення сервісних центрів (служб соціального захисту, складів аварійного постачання та ін.) і розподілу між ними попиту на послугу у регіоні. Представлено математичні моделі іобґрунтовано методи розв’язання оптимізаційних задач розміщення-розподілу, в яких передбачено перекриття сервісних зон на той випадок, коли найближчий центр не зможе надати послугу. Актуальність дослідження обумовлена необхідністю вирішення завдань, пов’язаних, приміром, з територіальним розподілом об’єктів логістичних систем і завчасним плануванням запобіжних заходів в районах потенційних техногенних аварій, організації евакуаційних процесів або надання первинної гуманітарної допомоги населенню у разі надзвичайних ситуацій.Мета – забезпечення надання гарантованого сервісу у короткий термін шляхом прикріплення клієнта до декількох найближчих центрів, розроблення відповідного математичного та програмного забезпечення.Метод. Введено поняття характеристичної вектор-функції розбиття k-го порядку множини, теоретично аргументовановикористання процедури ЛП-релаксації задачі, записаної у термінах таких характеристичних функцій. Математичне забезпечення розроблено з використанням елементів функціонального аналізу, теорії двоїстості, негладкої оптимізації.Результати. Представлено і досліджено математичну модель оптимального територіального зонування з розміщеннямцентрів, при наявності обмежень на їхні потужності у вигляді неперервної задачі оптимального мультиплексного розбиття множин (ОМРМ), яка описує розподільчі процеси в логістичних системах за критеріями мінімізації відстані до декількох найближчих центрів з урахуванням їх можливостей. Доведено ряд тверджень та теорем стосовно властивостей функціоналу і множини допустимих розв’язків задачі. Отримано необхідні та достатні умови оптимальності, на яких базуються розроблені методи і алгоритми оптимального мультиплексного розбиття множин.Висновки. Теоретичні положення і результати обчислювальних експериментів, наведені у роботі, свідчать прокоректність розробленого математичного апарата і легко переносяться на окремі випадки розглянутої задачі. Доведенітвердження та теореми лежать в основі обчислювальних методів оптимального зонування територій із розміщеннямцентрів, які варто використовувати при організації розподілу матеріальних потоків для оцінювання місткості центрів і парку задіяних транспортних засобів
ФРЕЙМВОРК ДЛЯ ПЕРЕДБАЧЕННЯ СИТУАЦІЙ ТА ПЛАНУВАННЯ В ІНТЕЛЕКТУАЛЬНИХ СЕРЕДОВИЩАХ
No full textContext. Situation anticipation, prediction and planning play an important role in intelligent environments, allowing to learn and predict the behavior of its users, anticipate maintenance and resource provision needs. The object of study is the process of modeling the situation anticipation and planning in the situation-aware systems.Objective. The goal of the work is to develop and analyze the ontology-based framework for modeling and predicting the situation changes for intelligent agents, allowing for proactive agent behavior.Method. This article proposes a framework for anticipation and planning based on GFO ontology. Each task or problem is considered a situoid, having a number of intermediate situations. Each task or problem is considered a situoid, having several intermediate situations. The framework is focused on the analysis of changes between situations, coming from anticipated actions or events.Contextually organized knowledge base of experiential knowledge is used to retrieve information about possible developments scenarios and is used for planning and evaluation. The framework allows to build and compare trajectories of configuration changes for specific objects, situations or situoids. The planning and anticipation process works in conditions of incomplete information and unpredicted external events, because the projections are constantly updated using feedback from sensor data and reconciliating this information with predicted model.Results. The framework for reasoning and planning situations based on GFO ontology, allowing to model spatial, temporal and structural data dependencies.Conclusions. The situation anticipation framework allows to represent, model and reason about situation dynamics in the intelligent environment, such as intelligent residential community. Prospects for further research include the elaboration of contextual knowledge storing and processing, reconciliation and learning procedures based on real-world feedback and the application of proposed framework in the real-world system, such as intelligent security systemsАктуальність. Передбачення, прогнозування та планування ситуації відіграють важливу роль у інтелектуальних середовищах, дозволяючи вивчати та прогнозувати поведінку своїх користувачів, передбачати потреби в обслуговуванні та забезпеченні ресурсами. Об’єктом дослідження є процес моделювання ситуації, передбачення і планування в ситуаційно-обізнаних системах.Мета роботи. Метою роботи є розробка та аналіз онтологічного фреймворку для моделювання та прогнозування динаміки змін ситуації для інтелектуальних агентів, що дозволяє реалізувати проактивну поведінку агентів.Метод. У цій статті запропонована основа для передбачення та планування на основі онтології GFO. Кожна задача або задача розглядається як ситуоїд, що має ряд проміжних ситуацій. Фреймворк орієнтований на аналіз змін між ситуаціями, спричинених передбаченими діями або подіями. Контекстуально організована база знань використовується для отримання інформації про можливі сценарії розвитку подій і використовується для планування та оцінки. Фреймворк дозволяє будувати і порівнювати траєкторії зміни конфігурацій для конкретних об’єктів, ситуацій або сітуоїдів. Процес планування і передбачення працює в умовах неповної інформації і непередбачуваних зовнішніх подій, тому що прогнози постійно оновлюються за допомогою зворотного зв’язку від даних сенсорів і звірки цієї інформації з прогнозованою моделлю.Результати. Фреймворк для міркування та планування ситуацій на основі онтології GFO, що дозволяє моделювати просторові, часові та структурні залежності даних.Висновки. Фреймворк передбачення ситуації дозволяє подавати, моделювати та обґрунтовувати динамікуситуації в інтелектуальному середовищі, наприклад, у розумному житловому будинку. Перспективи подальших досліджень включають розробку процедур зберігання та опрацювання контекстних знань, узгодження та навчання на основі зворотного зв’язку в реальних умовах та застосування запропонованого фреймворку реальних системах, таких як інтелектуальні системи безпеки.Актуальність. Передбачення, прогнозування та планування ситуації відіграють важливу роль у інтелектуальних середовищах, дозволяючи вивчати та прогнозувати поведінку своїх користувачів, передбачати потреби в обслуговуванні та забезпеченні ресурсами. Об’єктом дослідження є процес моделювання ситуації, передбачення і планування в ситуаційно-обізнаних системах.Мета роботи. Метою роботи є розробка та аналіз онтологічного фреймворку для моделювання та прогнозування динаміки змін ситуації для інтелектуальних агентів, що дозволяє реалізувати проактивну поведінку агентів.Метод. У цій статті запропонована основа для передбачення та планування на основі онтології GFO. Кожна задача або задача розглядається як ситуоїд, що має ряд проміжних ситуацій. Фреймворк орієнтований на аналіз змін між ситуаціями, спричинених передбаченими діями або подіями. Контекстуально організована база знань використовується для отримання інформації про можливі сценарії розвитку подій і використовується для планування та оцінки. Фреймворк дозволяє будувати і порівнювати траєкторії зміни конфігурацій для конкретних об’єктів, ситуацій або сітуоїдів. Процес планування і передбачення працює в умовах неповної інформації і непередбачуваних зовнішніх подій, тому що прогнози постійно оновлюються за допомогою зворотного зв’язку від даних сенсорів і звірки цієї інформації з прогнозованою моделлю.Результати. Фреймворк для міркування та планування ситуацій на основі онтології GFO, що дозволяє моделювати просторові, часові та структурні залежності даних.Висновки. Фреймворк передбачення ситуації дозволяє подавати, моделювати та обґрунтовувати динамікуситуації в інтелектуальному середовищі, наприклад, у розумному житловому будинку. Перспективи подальших досліджень включають розробку процедур зберігання та опрацювання контекстних знань, узгодження та навчання на основі зворотного зв’язку в реальних умовах та застосування запропонованого фреймворку реальних системах, таких як інтелектуальні системи безпеки
ВИЯВЛЕННЯ НЕСПРАВНОСТІ ПІДШИПНИКА ЗА ДОПОМОГОЮ ЗГОРТКОВОЇ НЕЙРОННОЇ МЕРЕЖІ АВТОКОДУВАЛЬНИКА
No full textContext. Bearings are an important part for the functioning of various means of transportation. They have the property of wear and failure, which requires high-quality and timely detection of faults. Failures are not always easy to detect, so the use of traditional detection methods may not be effective enough. The use of machine learning methods well-suited to the task can effectively solve the problem of detecting bearing faults. The object of study is the process of non-destructive diagnosis of bearings. The subject of study is methods of selecting hyperparameters and other optimization for building a diagnostic model based on a neural network according to observations.Objective. The goal of the work is to create a model based on a neural network for detecting bearing faults based on the ZSL.Method. A proposed filter smooths the data, preserving key characteristics such as peaks and slopes, and eliminates noise without significantly distorting the signal. A normalization method vibration data is proposed, which consists of centering the data and distributing the amplitude within optimal limits, contributing to the correct processing of this data by the model architecture. A model based on a neural network is proposed to detect bearing faults by data processing and subsequent binary classification of their vibrations. The proposed model works by compressing the vibration data into a latent representation and its subsequent recovery, calculating the error between the recovered and original data, and determining the difference between the errors of healthy and faulty bearing vibration data. The Zero-Shot Learning machine learning method involves training, validating the model only on healthy vibration data, and testing the model only on faulty vibration data. Due to the proposed machine learning method, the model based on a neural network is able to detect faulty bearings present in the investigated fault class and theoretically new fault classes, that is, the model can detect different classes of data that it did not see during training. The architecture of the model is built on the convolutional and max-pooling layers of the encoder, and the reverse convolutional layers for the decoder. The best hyperparameters of the model are selected using a special method.Results. Using the Pytorch library, a model capable of binary classification of healthy and faulty bearings was obtained through training, validation, and testing in the Kaggle software environment.Conclusions. Testing of the constructed model architecture confirmed the model's ability to classify healthy and fault bearings binaryly, allowing it to be recommended for use in practice to detect bearing faults. Prospects for further research may include testing the model through integration into predictive maintenance systems for timely fault detectionАктуальність. Підшипники є важливою частиною для функціонування різних засобів пересування. Вони мають властивість зношуватися і виходити з ладу, що вимагає якісного і своєчасного виявлення несправностей. Збої не завжди легко виявити, тому використання традиційних методів виявлення може бути недостатньо ефективним. Використання методів машинного навчання, які добре підходять для завдання, може ефективно вирішити проблему виявлення несправностей підшипників. Об’єктом дослідження є процес неруйнівної діагностики підшипників. Предметом дослідження є методи підбору гіперпараметрів та іншої оптимізації для побудови діагностичної моделі на основі нейронної мережі за даними спостережень.Мета роботи – створення моделі на основі нейронної мережі для виявлення несправностей підшипників на основі ZSL.Метод. Запропонований фільтр згладжує дані, зберігаючи ключові характеристики, такі як піки та нахили, і усуває шум без істотного спотворення сигналу. Запропоновано метод нормалізації вібраційних даних, який полягає в центруванні даних і розподілі амплітуди в оптимальних межах, що сприяє коректній обробці цих даних архітектурою моделі. Запропоновано модель на основі нейронної мережі для виявлення несправностей підшипників шляхом обробки даних і подальшої двійкової класифікації їх коливань. Запропонована модель працює шляхом стиснення даних про вібрацію в приховане представлення та їх подальшого відновлення, обчислення похибки між відновленими та вихідними даними та визначення різниці між похибками даних про вібрацію справного та несправного підшипників. Метод машинного навчання Zero-Shot Learning передбачає навчання, перевірку моделі лише на справних даних про вібрацію та тестування моделі лише на несправних даних про вібрацію. Завдяки запропонованому методу машинного навчання модель на основі нейронної мережі здатна виявляти несправні підшипники, наявні в досліджуваному класі несправностей і теоретично нові класи несправностей, тобто модель може виявляти різні класи даних, які вона не бачила під час навчання. Архітектура моделі побудована на згорткових рівнях і рівнях максимального об’єднання кодера, а також на зворотних згорткових рівнях для декодера. Спеціальним методом вибираються найкращі гіперпараметри моделі.Результати. Використовуючи бібліотеку PyTorch, було отримано модель, здатну до бінарної класифікації справних і несправних підшипників, шляхом навчання, валідації та тестування в програмному середовищі Kaggle.Висновки. Тестування побудованої архітектури моделі підтвердило здатність моделі класифікувати справні та несправні підшипники двійково, що дозволяє рекомендувати її для використання на практиці для виявлення несправностей підшипників. Перспективи подальших досліджень можуть включати тестування моделі шляхом інтеграції в системи прогнозного обслуговування для своєчасного виявлення несправностей.Актуальність. Підшипники є важливою частиною для функціонування різних засобів пересування. Вони мають властивість зношуватися і виходити з ладу, що вимагає якісного і своєчасного виявлення несправностей. Збої не завжди легко виявити, тому використання традиційних методів виявлення може бути недостатньо ефективним. Використання методів машинного навчання, які добре підходять для завдання, може ефективно вирішити проблему виявлення несправностей підшипників. Об’єктом дослідження є процес неруйнівної діагностики підшипників. Предметом дослідження є методи підбору гіперпараметрів та іншої оптимізації для побудови діагностичної моделі на основі нейронної мережі за даними спостережень.Мета роботи – створення моделі на основі нейронної мережі для виявлення несправностей підшипників на основі ZSL.Метод. Запропонований фільтр згладжує дані, зберігаючи ключові характеристики, такі як піки та нахили, і усуває шум без істотного спотворення сигналу. Запропоновано метод нормалізації вібраційних даних, який полягає в центруванні даних і розподілі амплітуди в оптимальних межах, що сприяє коректній обробці цих даних архітектурою моделі. Запропоновано модель на основі нейронної мережі для виявлення несправностей підшипників шляхом обробки даних і подальшої двійкової класифікації їх коливань. Запропонована модель працює шляхом стиснення даних про вібрацію в приховане представлення та їх подальшого відновлення, обчислення похибки між відновленими та вихідними даними та визначення різниці між похибками даних про вібрацію справного та несправного підшипників. Метод машинного навчання Zero-Shot Learning передбачає навчання, перевірку моделі лише на справних даних про вібрацію та тестування моделі лише на несправних даних про вібрацію. Завдяки запропонованому методу машинного навчання модель на основі нейронної мережі здатна виявляти несправні підшипники, наявні в досліджуваному класі несправностей і теоретично нові класи несправностей, тобто модель може виявляти різні класи даних, які вона не бачила під час навчання. Архітектура моделі побудована на згорткових рівнях і рівнях максимального об’єднання кодера, а також на зворотних згорткових рівнях для декодера. Спеціальним методом вибираються найкращі гіперпараметри моделі.Результати. Використовуючи бібліотеку PyTorch, було отримано модель, здатну до бінарної класифікації справних і несправних підшипників, шляхом навчання, валідації та тестування в програмному середовищі Kaggle.Висновки. Тестування побудованої архітектури моделі підтвердило здатність моделі класифікувати справні та несправні підшипники двійково, що дозволяє рекомендувати її для використання на практиці для виявлення несправностей підшипників. Перспективи подальших досліджень можуть включати тестування моделі шляхом інтеграції в системи прогнозного обслуговування для своєчасного виявлення несправностей
МЕТОД ПОБУДОВИ МОДЕЛЕЙ ПОЛІСУБ’ЄКТНОГО МУЛЬТИФАКТОРНОГО СЕРЕДОВИЩА ПІДТРИМКИ ПРОГРАМНИХ КОМПЛЕКСІВ
No full textContext. The task of development the models of a polysubject multifactor environment for software’s complex support is considered in this research, that ensures possibilities of taking into account the influence of various impact factors onto the supported software complexes themselves, onto their complex support’s processes, as well as onto the subjects (interacting with them) who provide and implement this complex support. The object of study are the processes of complex support of software products, the processes of automation of this complex support, the processes of influence of impact factors onto the object and subjects of the complex support of software products, as well as the processes of perception’s subjectivization of the supported object by relevant subjects of interaction with it. The subject of study are methods and means of artificial neural networks, in particular a multilayer perceptron, as well as a computer design and modeling. Objective is the development of the method for building models of a polysubject multifactor environment(s) of the complex support of software product(s).Method. The developed method for building models of a polysubject multifactor environment of software complexes’ support is proposed, which makes it possible (in an automated mode) to obtain appropriate models, based on which, later on – to investigate the strengths and weaknesses of a specific researched complex support’s environment(s) of a particular investigated software product(s), in order to ensure further improvement and automation of this complex support based on the study and analysis of impact factors, which form the subjective vision and perception of this complex support by those subjects who directly provide and perform it, that is, in fact, on whom this support itself depends, as well as its corresponding qualitative and quantitative characteristics and indicators.Results. The results of functioning of the developed method are corresponding models of investigated polysubject multifactor environments of the complex support of software products, which take into account the presence and the level of influence of relevant existing and present factors performing impact onto the subjects of interaction with supported software complexes, which (subjects) directly provide and perform the complex support for the studied software products, and also form relevant researched support environments. In addition, as an example of a practical application and approbation, the developed method was used, in particular, to solve the applied practical task of determining the dominant and the deficient factors of influence of a polysubject multifactor environment of the studied software complex’s support, with presenting and analyzing the obtained results of resolving the given task.Conclusions. The developed method resolves the problem of building models of a polysubject multifactor environment of the complex support of software products, and ensures taking into account the action of various impact factors performing influence onto the supported software complex itself, onto the processes of its support, as well as onto the subjects of interaction with it, which (subjects) provide and perform this complex support. In particular, the developed method provides possibilities for modeling and investigating a polysubject multifactor environments of the “in focus” software product’s complex support, which reflect the global (or the local, it depends on the specific tasks) impact of various existing factors making influence onto the object of support itself (the supported software complex, or the processes of its complex support), as well as onto the subjects which directly carry out and implement this complex support in all its possible and/or declared manifestations. The practical approbation of the developed method has been carried out by solving specific applied practical tasks, one of which is presented, as an example, in this paper, – which is the task of determining the dominant and the deficient factors of influence of a polysubject multifactor environment of the studied software complex’s support, and this approbation, actually, confirms its effectiveness in solving a stack of applied practical problems related to researching the impact of factors performing influence onto the complex support of software products, using the advantages of artificial intelligence technologies, machine learning, artificial neural networks, and multilayer perceptron in particularАктуальність. Розглянуто задачу побудови моделей полісуб’єктного мультифакторного середовища підтримки програмних комплексів, що забезпечує врахування дії різноманітних факторів впливу на сам підтримуваний програмний комплекс, на процеси його підтримки, а також на суб’єктів взаємодії з ним, що забезпечують та реалізують цю підтримку. Об’єктом дослідження є процеси комплексної підтримки програмних продуктів, процеси автоматизації цієї підтримки, процеси впливу факторів на об’єкт та суб’єкти комплексної підтримки програмних продуктів, а також процеси суб’єктивізації сприйняття об’єкта підтримки відповідними суб’єктами взаємодії з ним. Предметом дослідження є методи та засоби штучних нейронних мереж, зокрема багатошарового перцептрона, а також комп’ютерного проектування та моделювання. Метою роботи є розроблення методу побудови моделей полісуб’єктного мультифакторного середовища комплексної підтримки програмних продуктів.Метод. Запропоновано розроблення моделей полісуб’єктного мультифакторного середовища підтримки програмних комплексів, що дає змогу, в автоматизованому режимі, отримати відповідні моделі, на основі яких, в подальшому – досліджувати сильні та слабкі сторони конкретного досліджуваного середовища комплексної підтримки того чи іншого програмного продукту, з метою забезпечення подальшого покращення та автоматизації його підтримки на основі вивчення та аналізу факторів впливу, що формують суб’єктивне бачення цієї підтримки тими суб’єктами, які її, власне, безпосередньо здійснюють, тобто, фактично, від яких залежить сама ця підтримка, а також відповідні її якісні та кількісні характеристики і показники.Результати. Результатами роботи розробленого методу є відповідні моделі досліджуваних полісуб’єктних мультифакторних середовищ комплексної підтримки програмних продуктів, що враховують наявність та рівень впливу відповідних наявних факторів впливу на суб’єктів взаємодії з підтримуваними програмними комплексами, які (суб’єкти) безпосередньо забезпечують і реалізують цю комплексну підтримку досліджуваних програмних продуктів, та формують релевантні досліджувані середовища підтримки. Крім того, в якості прикладу практичного застосування та апробації, розроблений метод використано, зокрема, для розв’язання прикладної практичної задачі визначення домінуючого та дефіцитного факторів впливу полісуб’єктного мультифакторного середовища підтримки досліджуваного програмного комплексу, а також наведено та проаналізовано отримані результати розв’язання поставленої задачі.Висновки. Розроблений метод вирішує поставлену задачу побудови моделей полісуб’єктного мультифакторного середовища підтримки програмних комплексів, та забезпечує врахування дії різноманітних (попередньо узгоджених та задекларованих) факторів впливу на сам підтримуваний програмний комплекс, на процеси його підтримки, а також на суб’єктів взаємодії з ним, що забезпечують та реалізують цю комплексну підтримку. Зокрема, розроблений метод дає змогу моделювати та досліджувати полісуб’єктні мультифакторні середовища комплексної підтримки програмних продуктів, що відображають глобальний (або локальний) вплив різноманітних наявних факторів як на сам об’єкт підтримки (підтримуваний програмний комплекс, чи процеси його комплексної підтримки), так і на суб’єктів, що безпосередньо здійснюють та реалізують дану комплексну підтримку в усіх її можливих та/або задекларованих проявах. Практична апробація розробленого методу здійснена на прикладі вирішення конкретних прикладних практичних задач, однією з яких є представлена в роботі задача визначення домінуючого та дефіцитного факторів впливу полісуб’єктного мультифакторного середовища підтримки досліджуваного програмного комплексу, та підтверджує його ефективність при розв’язанні стеку прикладних практичних задач дослідження впливу факторів на комплексну підтримку програмних продуктів, з використанням переваг технологій штучного інтелекту, машинного навчання, штучних нейронних мереж, та багатошарового перцептрона зокремаАктуальність. Розглянуто задачу побудови моделей полісуб’єктного мультифакторного середовища підтримки програмних комплексів, що забезпечує врахування дії різноманітних факторів впливу на сам підтримуваний програмний комплекс, на процеси його підтримки, а також на суб’єктів взаємодії з ним, що забезпечують та реалізують цю підтримку. Об’єктом дослідження є процеси комплексної підтримки програмних продуктів, процеси автоматизації цієї підтримки, процеси впливу факторів на об’єкт та суб’єкти комплексної підтримки програмних продуктів, а також процеси суб’єктивізації сприйняття об’єкта підтримки відповідними суб’єктами взаємодії з ним. Предметом дослідження є методи та засоби штучних нейронних мереж, зокрема багатошарового перцептрона, а також комп’ютерного проектування та моделювання. Метою роботи є розроблення методу побудови моделей полісуб’єктного мультифакторного середовища комплексної підтримки програмних продуктів.Метод. Запропоновано розроблення моделей полісуб’єктного мультифакторного середовища підтримки програмних комплексів, що дає змогу, в автоматизованому режимі, отримати відповідні моделі, на основі яких, в подальшому – досліджувати сильні та слабкі сторони конкретного досліджуваного середовища комплексної підтримки того чи іншого програмного продукту, з метою забезпечення подальшого покращення та автоматизації його підтримки на основі вивчення та аналізу факторів впливу, що формують суб’єктивне бачення цієї підтримки тими суб’єктами, які її, власне, безпосередньо здійснюють, тобто, фактично, від яких залежить сама ця підтримка, а також відповідні її якісні та кількісні характеристики і показники.Результати. Результатами роботи розробленого методу є відповідні моделі досліджуваних полісуб’єктних мультифакторних середовищ комплексної підтримки програмних продуктів, що враховують наявність та рівень впливу відповідних наявних факторів впливу на суб’єктів взаємодії з підтримуваними програмними комплексами, які (суб’єкти) безпосередньо забезпечують і реалізують цю комплексну підтримку досліджуваних програмних продуктів, та формують релевантні досліджувані середовища підтримки. Крім того, в якості прикладу практичного застосування та апробації, розроблений метод використано, зокрема, для розв’язання прикладної практичної задачі визначення домінуючого та дефіцитного факторів впливу полісуб’єктного мультифакторного середовища підтримки досліджуваного програмного комплексу, а також наведено та проаналізовано отримані результати розв’язання поставленої задачі.Висновки. Розроблений метод вирішує поставлену задачу побудови моделей полісуб’єктного мультифакторного середовища підтримки програмних комплексів, та забезпечує врахування дії різноманітних (попередньо узгоджених та задекларованих) факторів впливу на сам підтримуваний програмний комплекс, на процеси його підтримки, а також на суб’єктів взаємодії з ним, що забезпечують та реалізують цю комплексну підтримку. Зокрема, розроблений метод дає змогу моделювати та досліджувати полісуб’єктні мультифакторні середовища комплексної підтримки програмних продуктів, що відображають глобальний (або локальний) вплив різноманітних наявних факторів як на сам об’єкт підтримки (підтримуваний програмний комплекс, чи процеси його комплексної підтримки), так і на суб’єктів, що безпосередньо здійснюють та реалізують дану комплексну підтримку в усіх її можливих та/або задекларованих проявах. Практична апробація розробленого методу здійснена на прикладі вирішення конкретних прикладних практичних задач, однією з яких є представлена в роботі задача визначення домінуючого та дефіцитного факторів впливу полісуб’єктного мультифакторного середовища підтримки досліджуваного програмного комплексу, та підтверджує його ефективність при розв’язанні стеку прикладних практичних задач дослідження впливу факторів на комплексну підтримку програмних продуктів, з використанням переваг технологій штучного інтелекту, машинного навчання, штучних нейронних мереж, та багатошарового перцептрона зокрем
КЛАСИФІКАЦІЯ ГІСТОЛОГІЧНИХ ЗОБРАЖЕНЬ НА ОСНОВІ ЗГОРТКОВИХ НЕЙРОННИХ МЕРЕЖ
No full textContext. Automated classification of histological images is of great importance for speeding up and improving the accuracy ofdiagnostics in medicine. Taking into account the complexity and high variability of histological structures, the use of deep learning and convolutional neural networks, in particular, is a promising direction in solving this problem.The object of study is the process of classifying histological images using convolutional neural networks to determine and optimize the architecture with the highest accuracy rate.Objective. The aim of this work is to develop an effective approach to histological image classification using convolutional neural networks that provides high accuracy through step-by-step optimization of the architecture and application of data expansion methods using affine transformations and synthesis based on diffusion models.Method. The study includes four main stages. The first stage involves a comparative analysis of 12 well-known convolutional neural network architectures on a basic histological dataset. The second and third stages involve comparative analysis on extended data, including affine transformations and synthetic images generated by the diffusion model, respectively. The final, fourth stage involves a neuroevolutionary search for the optimal architectural cell. Once it is found, it is integrated into the model architecture, where for each layer a choice is made between certain blocks and the found cell. This approach allows to automatically form the optimal sequence of blocks in the model, which ensures the highest classification accuracy.Results. The proposed approach improved the accuracy of histological image classification compared to the initial architectures. The addition of synthetic images to the training set provided an increase in model performance. The search for the optimal cell and its integration into the model with further optimization demonstrated an additional improvement in classification quality, increasing the accuracy to 94.9, 96.1, and 99.8% on each dataset, respectively.Conclusions. The proposed approach allows achieving high accuracy of histological image classification through a step-by-step process that includes the use of classical convolutional neural network architectures, generation of synthetic data, and search for optimal architectural and hyperparametric configurations. A software module for classifying histological images has been developed that can be used in an automatic diagnostic system.Актуальність. Велике значення для прискорення та підвищення точності діагностики в медицині має автоматизованакласифікація гістологічних зображень. Беручи до уваги складність і високу варіативність гістологічних структур, застосування глибокого навчання і згорткових нейронних мереж зокрема, є перспективним напрямком у вирішенні цієї задачі. Об’єктом дослідження є процес класифікації гістологічних зображень з допомогою згорткових нейронних мереж для визначення та оптимізації архітектури із найвищим показником точності.Мета роботи. Метою роботи є розробка ефективного підходу до класифікації гістологічних зображень із використаннямзгорткових нейронних мереж, який забезпечує високу точність за рахунок поетапної оптимізації архітектури та застосування методів розширення даних з допомогою афінних перетворень та синтезу на основі дифузійних моделей.Метод. Дослідження включає чотири основні етапи. На першому проведено порівняльний аналіз 12 відомих архітектурзгорткових нейронних мереж на базовому гістологічному датасеті. Другий та третій етапи передбачають порівняльний аналіз на розширених даних, що включають афінні перетворення та синтетичні зображення, згенеровані дифузійною моделлю відповідно. На фінальному, четвертому етапі виконується нейроеволюційний пошук оптимальної архітектурної комірки. Після її знаходження вона інтегрується у розроблену архітектуру моделі, де для кожного шару здійснюється вибір між певними блоками та знайденою коміркою. Такий підхід дозволяє автоматично сформувати оптимальну послідовність блоків у моделі, що забезпечує найвищу точність класифікації.Результати. Запропонований підхід дозволив покращити точність класифікації гістологічних зображень порівняно з початковими архітектурами. Додавання синтетичних зображень до навчального набору забезпечило приріст продуктивності моделей. Пошук оптимальної комірки та її інтеграція в модель з подальшою оптимізацією продемонстрував додаткове покращення якості класифікації, збільшивши точність до 94,9, 96,1 та 99,8% на кожному датасеті відповідно.Висновки. Запропонований підхід дозволяє досягнути високої точності класифікації гістологічних зображень завдякипоетапному процесу, що включає використання класичних архітектур згорткових нейронних мереж, генерацію синтетичних даних та пошук оптимальних архітектурних і гіперпараметричних конфігурацій. Розроблено програмний модуль класифікації гістологічних зображень, який може бути використаний у системі автоматичного діагностування.Актуальність. Велике значення для прискорення та підвищення точності діагностики в медицині має автоматизована класифікація гістологічних зображень. Беручи до уваги складність і високу варіативність гістологічних структур, застосування глибокого навчання і згорткових нейронних мереж зокрема, є перспективним напрямком у вирішенні цієї задачі. Об’єктом дослідження є процес класифікації гістологічних зображень з допомогою згорткових нейронних мереж для визначення та оптимізації архітектури із найвищим показником точності.Мета роботи. Метою роботи є розробка ефективного підходу до класифікації гістологічних зображень із використанням згорткових нейронних мереж, який забезпечує високу точність за рахунок поетапної оптимізації архітектури та застосування методів розширення даних з допомогою афінних перетворень та синтезу на основі дифузійних моделей.Метод. Дослідження включає чотири основні етапи. На першому проведено порівняльний аналіз 12 відомих архітектур згорткових нейронних мереж на базовому гістологічному датасеті. Другий та третій етапи передбачають порівняльний аналіз на розширених даних, що включають афінні перетворення та синтетичні зображення, згенеровані дифузійною моделлю відповідно. На фінальному, четвертому етапі виконується нейроеволюційний пошук оптимальної архітектурної комірки. Після її знаходження вона інтегрується у розроблену архітектуру моделі, де для кожного шару здійснюється вибір між певними блоками та знайденою коміркою. Такий підхід дозволяє автоматично сформувати оптимальну послідовність блоків у моделі, що забезпечує найвищу точність класифікації.Результати. Запропонований підхід дозволив покращити точність класифікації гістологічних зображень порівняно з початковими архітектурами. Додавання синтетичних зображень до навчального набору забезпечило приріст продуктивності моделей. Пошук оптимальної комірки та її інтеграція в модель з подальшою оптимізацією продемонстрував додаткове покращення якості класифікації, збільшивши точність до 94,9, 96,1 та 99,8% на кожному датасеті відповідно.Висновки. Запропонований підхід дозволяє досягнути високої точності класифікації гістологічних зображень завдяки поетапному процесу, що включає використання класичних архітектур згорткових нейронних мереж, генерацію синтетичних даних та пошук оптимальних архітектурних і гіперпараметричних конфігурацій. Розроблено програмний модуль класифікації гістологічних зображень, який може бути використаний у системі автоматичного діагностування
МОДЕЛЮВАННЯ ІМПЛІЦИТНИХ КРИВИХ І ПОВЕРХОНЬ ПСЕВДОГАУСОВОЮ ІНТЕРПОЛЯЦІЄЮ
No full textContext. With the contemporary development of topological optimization, and parametric and AI-guided design, the problem of implicit surface representation became prominent in additive manufacturing. Although more and more software packages use implicit modeling for design, there is no common standard way of writing, storing, or passing a set of implicit surfaces or curves over the network. The object of the study is one of the possible ways of such representation, specifically: modeling implicit curves and surfaces using pseudo-Gaussian interpolation.Objective. The goal of the work is the development of a modeling method that improved the accuracy of the implicit object representation wothout significant increase in memory used or processing time spent.Method. One of the conventional ways to model an implicit surface would be to represent its signed distance function (SDF) with its values defined on a regular grid. Then a continuous SDF could be obtained from the grid values by means of interpolation.What we propose instead is to store not SDF values but the coefficients of a pseudo-Gaussian interpolating function in the grid, which would enable picking the exact interpolation points before the SDF model is written. In this way we achieve better accuracy in the regions we’re interested the most in with no additional memory overhead.Results. The developed method was implemented in software for curves in 2D and validated against several primitive implicit curves of different nanture: circles, sqaures, rectangles with different parameters of the model. The method has shown improved accuaracy in general, but there were several classes of corner cases found for which it deserves further development.Conclusions. Pseudo-Gaussian interpolation defined as a sum of radial basis functions on a regular grid with points of interpolation defined in the proximity of the grid points generally allows to model an implicit surface more accurately than a voxel model interpolation does. The memory intake or computational toll isn’t much different in these two approaches. However, the interpolating points selection strategy and the choice of the best modeling parameters for each particular modeling problem remain an open quesition.Актуальність. Із сучасним розвитком методів топологічної оптимізації, параметричного проектування і проектуванняна основі штучного інтелекту, проблема запису імпліцитних поверхонь у задачах 3D-друку стала надважливою. Хоча всебільше програмних продуктів використовують імпліцитні моделі у проектуванні, єдиного стандарту для запису, а значить і для збереження та передачі таких моделей засобами комп’ютерних мереж, не існує. Об’єктом цього дослідження є один з можливих способів такого запису, а саме – моделювання імпліцитних кривих і поверхонь із використанням псевдогаусової інтерполяції.Мета роботи. Ціль роботи полягає у створенні способа моделювання імпліцитних кривих і поверхонь, із покращенноюточністю без значних витрат пам’яті чи часу обчислення.Метод. Одним із загальноприйнятих способів запису функції знакової відстані (ФЗВ) є запис її значень на регулярнійсітці. Такий спосіб ще називається 3D-зображення, 3D-бітмап, або воксельна модель. Неперервна ФЗВ може бути отримана із записаних значень за допомогою інтерполяції. Натомість пропонується записувати не значення ФЗВ, а значення коефіцієнтів псевдогаусової інтерполяційної функції, що дозволяє обирати точки інтерполяції до запису коефіцієнтів моделі. Таким чином можна досягти більш точного моделювання у найважливіших регіонах (див. рисунок 1) без використання додаткової пам’яті.Результати. Запропонований спосіб був імплементований у вигляді комп’ютерної програми для моделювання пласкихімпліцитних кривих і провалідований на декількох примитивних моделях різного походження: колах, квадратах, прямокутниках, – із різними параметрами моделі. Вцілому, порявняно із інтерпольованими значеннями ФЗВ у точках решітки, метод показує кращу точність, але разом із тим має декілька граничних станів, у яких він потребує подальшого вивчення.Висновки. Псевдогаусова інтерполяція, визначена як сума радіальних базисних функцій на регулярній сітці із точкамиінтерполяції визначеними у ненульовому околі точок сітки в загальному випадку дозволяє моделювати імпліцитні криві іповерхні точніше ніж інтерполяція воксельної моделі. Разом з тим, оптимальна стратегія визначення точок інтерполяції іінших параметрів моделі для прикладного застосування лишається відкритою проблемою.Актуальність. Із сучасним розвитком методів топологічної оптимізації, параметричного проектування і проектування на основі штучного інтелекту, проблема запису імпліцитних поверхонь у задачах 3D-друку стала надважливою. Хоча всебільше програмних продуктів використовують імпліцитні моделі у проектуванні, єдиного стандарту для запису, а значить і для збереження та передачі таких моделей засобами комп’ютерних мереж, не існує. Об’єктом цього дослідження є один з можливих способів такого запису, а саме – моделювання імпліцитних кривих і поверхонь із використанням псевдогаусової інтерполяції.Мета роботи. Ціль роботи полягає у створенні способа моделювання імпліцитних кривих і поверхонь, із покращенною точністю без значних витрат пам’яті чи часу обчислення.Метод. Одним із загальноприйнятих способів запису функції знакової відстані (ФЗВ) є запис її значень на регулярній сітці. Такий спосіб ще називається 3D-зображення, 3D-бітмап, або воксельна модель. Неперервна ФЗВ може бути отримана із записаних значень за допомогою інтерполяції. Натомість пропонується записувати не значення ФЗВ, а значення коефіцієнтів псевдогаусової інтерполяційної функції, що дозволяє обирати точки інтерполяції до запису коефіцієнтів моделі. Таким чином можна досягти більш точного моделювання у найважливіших регіонах (див. рисунок 1) без використання додаткової пам’яті.Результати. Запропонований спосіб був імплементований у вигляді комп’ютерної програми для моделювання пласкихімпліцитних кривих і провалідований на декількох примитивних моделях різного походження: колах, квадратах, прямокутниках, – із різними параметрами моделі. Вцілому, порявняно із інтерпольованими значеннями ФЗВ у точках решітки, метод показує кращу точність, але разом із тим має декілька граничних станів, у яких він потребує подальшого вивчення.Висновки. Псевдогаусова інтерполяція, визначена як сума радіальних базисних функцій на регулярній сітці із точкамиінтерполяції визначеними у ненульовому околі точок сітки в загальному випадку дозволяє моделювати імпліцитні криві іповерхні точніше ніж інтерполяція воксельної моделі. Разом з тим, оптимальна стратегія визначення точок інтерполяції і інших параметрів моделі для прикладного застосування лишається відкритою проблемою
ВИЯВЛЕННЯ ГЛИБОКИХ ФЕЙКІВ В АУДІО ЗА ДОПОМОГОЮ YOLOV8 ТА МЕЛ-СПЕКТРОГРАМ
No full textContext. The problem of detecting deepfake audio has become increasingly critical with the rapid advancement of voice synthesis technologies and their potential for misuse. Traditional audio processing methods face significant challenges in distinguishing sophisticated deepfakes, particularly when tested across different types of audio manipulations and datasets. The object of study isdeveloping a deepfake audio detection model that leverages mel-spectrograms as input to computer vision techniques, focusing on improving cross-dataset generalization capabilities.Objective. The goal of the work is to improve the generalization capabilities of deepfake audio detection models by employingmel-spectrograms and leveraging computer vision techniques. This is achieved by adapting YOLOv8, a state-of-the-art object detection model, for audio analysis and investigating the effectiveness of different mel-spectrogram representations across diverse datasets.Method. A novel approach is proposed using YOLOv8 for deepfake audio detection through the analysis of two types of melspectrograms:traditional and concatenated representations formed from SincConv filters. The method transforms audio signals into visual representations that can be processed by computer vision algorithms, enabling the detection of subtle patterns indicative ofsynthetic speech. The proposed approach includes several key components: BCE loss optimization for binary classification, SGD with momentum (0.937) for efficient training, and comprehensive data augmentation techniques including random flips, translations, and HSV color augmentations. The SincConv filters cover a frequency range from 0 Hz to 8000 Hz, with a step size of approximately533.33 Hz per filter, providing detailed frequency analysis capabilities. The effectiveness is evaluated using the EER metric across multiple datasets: ASVspoof 2021 LA (25,380 genuine and 121,461 spoofed utterances) for training, and ASVspoof 2021 DF,Fake-or-Real (111,000 real and 87,000 synthetic utterances), In-the-Wild (17.2 hours fake, 20.7 hours real), and WaveFake (117,985fake files) datasets for testing cross-dataset generalization.Results. The experiments demonstrate varying effectiveness of different mel-spectrogram representations across datasets. Concatenatedmel-spectrograms showed superior performance on diverse, real-world datasets (In-the-Wild: 34.55% EER, Fake-or-Real:35.3% EER), while simple mel-spectrograms performed better on more homogeneous datasets (ASVspoof DF: 28.99% EER, Wave-Fake: 34.55% EER). Feature map visualizations reveal that the model’s attention patterns differ significantly between input types, with concatenated spectrograms showing more distributed focus across relevant regions for complex datasets. The training process, conducted over 50 epochs with a learning rate of 0.01 and warm-up strategy, demonstrated stable convergence and consistent performanceacross multiple runs.Conclusions. The experimental results confirm the viability of using YOLOv8 for deepfake audio detection and demonstrate thatthe effectiveness of mel-spectrogram representations depends significantly on dataset characteristics. The findings suggest that inputrepresentation should be selected based on the specific properties of the target audio data, with concatenated spectrograms beingmore suitable for diverse, real-world scenarios and simple spectrograms for more controlled, homogeneous datasets. The study providesa foundation for future research in adaptive representation selection and model optimization for deepfake audio detection.Актуальність. Проблема виявлення глибоких фейків у аудіо стає дедалі більш критичною в умовах швидкого розвиткутехнологій синтезу голосу та можливості їх використання з злочинною метою. Традиційні методи обробки аудіо стикаютьсяз суттєвими викликами у виявлені складних аудіо фейків, особливо під час тестування на різних типах маніпуляцій з аудіота наборах даних. Об’єктом дослідження є розробка моделі виявлення глибоких фейків у аудіо, яка використовує мел-спектрограми як вхідні дані для комп’ютерних методів зору, зосереджуючи увагу на покращенні можливостей узагальненняміж наборами даних.Мета роботи – покращення узагальнюючих можливостей моделей виявлення глибоких аудіо фейків шляхом викорис-тання мел-спектрограм та комп’ютерних методів зору. Це досягається шляхом адаптації YOLOv8, сучасної моделікомп’ютерного зору, для аналізу аудіо та дослідження ефективності різних представлень мел-спектрограм на різноманітнихнаборах даних.Метод. Запропоновано новий підхід, що використовує YOLOv8 для виявлення глибоких аудіо фейків через аналіз двохтипів мел-спектрограм: традиційних та конкатенованих, сформованих з фільтрів SincConv. Метод трансформує аудіосигна-ли в візуальні представлення, які можуть оброблятися алгоритмами комп’ютерного зору, що дозволяє виявляти тонкі шаб-лони, які свідчать про синтетичну мову. Запропонований підхід включає кілька ключових компонентів: оптимізацію функціївтрат бінарної крос ентропії для задачі бінарної класифікації, стохастичний градієнтний спуск з моментом (0,937) для ефек-тивного навчання та комплексні методи аугментації даних. Фільтри SincConv охоплюють частотний діапазон від 0 Гц до8000 Гц з кроком приблизно 533,33 Гц на фільтр, забезпечуючи детальні можливості частотного аналізу. Ефективність оці-нюється за допомогою метрики EER на кількох наборах даних: ASVspoof 2021 LA (25 380 справжніх та 121 461 підробле-них висловлювань) для навчання, та ASVspoof 2021 DF, Fake-or-Real (111 000 реальних та 87 000 синтетичних висловлю-вань), In-the-Wild (17,2 години фейкових, 20,7 години реальних), та WaveFake (117 985 фейкових файлів) для тестуванняузагальнення між наборами даних.Результати. Експерименти демонструють різну ефективність моделей в залежності від різних представлень вхідних да-них. Конкатеновані мел-спектрограми продемонстрували кращу продуктивність на різноманітних реальних наборах даних(In-the-Wild: 34,55% EER, Fake-or-Real: 35,3% EER), тоді як прості мел-спектрограми працювали краще на більш одноріднихнаборах даних (ASVspoof DF: 28,99% EER, WaveFake: 34,55% EER). Візуалізації карт ознак показують, що шаблони увагимоделі значно різняться в залежності від типів вхідних даних, наприклад, конкатеновані мел-спектрограми демонструютьбільш розподілений фокус на відповідних областях для складних наборів даних.Висновки. Експериментальні результати підтверджують доцільність використання YOLOv8 для виявлення глибокихаудіо фейків та демонструють, що ефективність представлень мел-спектрограм значно залежить від характеристик наборуданих. Отримані результати свідчать, що представлення вхідних даних слід обирати на основі специфічних властивостейцільових аудіоданих, причому конкатеновані мел-спектрограми є більш підходящими для різноманітних реальних сценаріїв,а прості мел-спектрограми – для більш контрольованих однорідних наборів даних. Дослідження закладає основу для пода-льших досліджень у галузі адаптивного вибору представлення даних та оптимізації моделей для виявлення глибоких аудіофейків.Актуальність. Проблема виявлення глибоких фейків у аудіо стає дедалі більш критичною в умовах швидкого розвитку технологій синтезу голосу та можливості їх використання з злочинною метою. Традиційні методи обробки аудіо стикаються з суттєвими викликами у виявлені складних аудіо фейків, особливо під час тестування на різних типах маніпуляцій з аудіота наборах даних. Об’єктом дослідження є розробка моделі виявлення глибоких фейків у аудіо, яка використовує мел-спектрограми як вхідні дані для комп’ютерних методів зору, зосереджуючи увагу на покращенні можливостей узагальнення між наборами даних.Мета роботи – покращення узагальнюючих можливостей моделей виявлення глибоких аудіо фейків шляхом використання мел-спектрограм та комп’ютерних методів зору. Це досягається шляхом адаптації YOLOv8, сучасної моделікомп’ютерного зору, для аналізу аудіо та дослідження ефективності різних представлень мел-спектрограм на різноманітних наборах даних.Метод. Запропоновано новий підхід, що використовує YOLOv8 для виявлення глибоких аудіо фейків через аналіз двох типів мел-спектрограм: традиційних та конкатенованих, сформованих з фільтрів SincConv. Метод трансформує аудіосигнали в візуальні представлення, які можуть оброблятися алгоритмами комп’ютерного зору, що дозволяє виявляти тонкі шаблони, які свідчать про синтетичну мову. Запропонований підхід включає кілька ключових компонентів: оптимізацію функціївтрат бінарної крос ентропії для задачі бінарної класифікації, стохастичний градієнтний спуск з моментом (0,937) для ефективного навчання та комплексні методи аугментації даних. Фільтри SincConv охоплюють частотний діапазон від 0 Гц до8000 Гц з кроком приблизно 533,33 Гц на фільтр, забезпечуючи детальні можливості частотного аналізу. Ефективність оцінюється за допомогою метрики EER на кількох наборах даних: ASVspoof 2021 LA (25 380 справжніх та 121 461 підроблених висловлювань) для навчання, та ASVspoof 2021 DF, Fake-or-Real (111 000 реальних та 87 000 синтетичних висловлювань), In-the-Wild (17,2 години фейкових, 20,7 години реальних), та WaveFake (117 985 фейкових файлів) для тестування узагальнення між наборами даних.Результати. Експерименти демонструють різну ефективність моделей в залежності від різних представлень вхідних даних. Конкатеновані мел-спектрограми продемонстрували кращу продуктивність на різноманітних реальних наборах даних(In-the-Wild: 34,55% EER, Fake-or-Real: 35,3% EER), тоді як прості мел-спектрограми працювали краще на більш однорідних наборах даних (ASVspoof DF: 28,99% EER, WaveFake: 34,55% EER). Візуалізації карт ознак показують, що шаблони увагимоделі значно різняться в залежності від типів вхідних даних, наприклад, конкатеновані мел-спектрограми демонструють більш розподілений фокус на відповідних областях для складних наборів даних.Висновки. Експериментальні результати підтверджують доцільність використання YOLOv8 для виявлення глибоких аудіо фейків та демонструють, що ефективність представлень мел-спектрограм значно залежить від характеристик набору даних. Отримані результати свідчать, що представлення вхідних даних слід обирати на основі специфічних властивостей цільових аудіоданих, причому конкатеновані мел-спектрограми є більш підходящими для різноманітних реальних сценаріїв,а прості мел-спектрограми – для більш контрольованих однорідних наборів даних. Дослідження закладає основу для подальших досліджень у галузі адаптивного вибору представлення даних та оптимізації моделей для виявлення глибоких аудіо фейків
МЕТОД ВИЗНАЧЕННЯ НЕЧІТКОЇ ДИСКРЕТНОЇ ВІДСТАНІ ФРЕШЕ
No full textContext. The article addresses the problem of image similarity assessment based on the Fréchet distance metric and its modifications. In this context, images are approximated by polygonal curves. The problem arises from the need to quantitatively evaluate image similarity for tasks such as image generation, clustering, and recognition. Quantitative assessment of the proximity of biomedical images supports decision-making in automated diagnostic systems. The object of the study is the process of image similarity evaluation. The subject of the study is the Fréchet distance metric and its modifications.Objective. To develop a method for determining the fuzzy discrete Fréchet distance, to evaluate the computational complexity of the proposed method, to implement the algorithm for determining the fuzzy discrete Fréchet distance in software, and to conduct computational experiments to evaluate the fuzzy discrete Fréchet distance between polygons.Method. The article presents a method for determining the fuzzy discrete Fréchet distance based on the fuzzy Fréchet metric between polygonal curves. The fuzzy Fréchet metric is grounded in the classical Fréchet distance defined on the space of parameterized curves. The required approximation for practical applications is achieved through the discretization of the fuzzy Fréchet metric. The developed method estimates the fuzzy discrete Fréchet distance between polygonal curves by adapting the algorithm for computing the classical discrete Fréchet distance.Results. The computer experiments were conducted on a set of predefined regions approximated by polygonal curves. Based on the proposed method, an algorithm was developed to evaluate the discrete fuzzy Fréchet distance. The developed algorithm exhibits low computational complexity, equal to the product of the discretized segments of the polygonal curves: O(Cm·n). This enables the estimation of the discrete Fréchet distance with a specified similarity threshold. The software implementation of the method is intended to be integrated into an automatic medical diagnostic system.Conclusions. The results obtained in the study allow recommending the developed method for evaluating image similarity based on the fuzzy discrete Fréchet distance for broad application in computer vision systems, including image generation, clustering, and recognition.Актуальність. У статті розглянуто проблему оцінки подібності зображень на основі метрики Фреше та її модифікацій.При цьому зображення апроксимовані полігональними кривими. Проблема обумовлена необхідністю кількісно оцінювати подібність зображень для задач генерування, кластеризації та розпізнавання зображень. Кількісна оцінка близькості біомедичних зображень допомагає підтримувати прийняття рішення в системах автоматичного діагностування. Об’єктом дослідження є процес оцінки подібності зображень. Предметом дослідження є метрика Фреше та її модифікації.Мета роботи – розробити метод визначення нечіткої дискретної відстані Фреше, оцінити обчислювальну складність розробленого методу, програмно реалізувати алгоритм методу визначення нечіткої дискретної відстані Фреше та провести комп’ютерні експерименти з визначення нечіткої дискретної відстані Фреше між полігонами.Метод. У статті розроблено метод визначення дискретної нечіткої відстані Фреше, що базується на нечіткій метриціФреше між полігональними кривими. В основі нечіткої метрики Фреше лежить метрика Фреше на просторі параметризованих кривих. Потрібна для застосувань апроксимація задається процедурою дискретизації нечіткої метрики Фреше. Розроблений метод оцінює дискретну нечітку відстань Фреше між полігональними кривими на основі алгоритму обчислення дискретної відстані Фреше.Результати. Комп’ютерні експерименти проводились на наборі заданих областей, апроксимованих полігональнимикривими. На основі запропонованого методу розроблено алгоритм оцінки дискретної нечіткої відстані Фреше. Розроблений алгоритм має низьку обчислювальну складність, яка рівна добутку дискретизованих відрізків полігональних кривих: O(Cm · n). Це дало змогу оцінювати дискретну відстань Фреше із заданим порогом подібності. Програмна реалізація методу буде інтегрована в систему автоматичного медичного діагностування.Висновки. Отримані результати дослідження дозволяють рекомендувати розроблений метод оцінки близькості зображень на основі нечіткої дискретної відстані Фреше в системах комп’ютерного зору для широкого застосування: генерування, кластеризації та розпізнавання зображень.Актуальність. У статті розглянуто проблему оцінки подібності зображень на основі метрики Фреше та її модифікацій. При цьому зображення апроксимовані полігональними кривими. Проблема обумовлена необхідністю кількісно оцінювати подібність зображень для задач генерування, кластеризації та розпізнавання зображень. Кількісна оцінка близькості біомедичних зображень допомагає підтримувати прийняття рішення в системах автоматичного діагностування. Об’єктом дослідження є процес оцінки подібності зображень. Предметом дослідження є метрика Фреше та її модифікації.Мета роботи – розробити метод визначення нечіткої дискретної відстані Фреше, оцінити обчислювальну складність розробленого методу, програмно реалізувати алгоритм методу визначення нечіткої дискретної відстані Фреше та провести комп’ютерні експерименти з визначення нечіткої дискретної відстані Фреше між полігонами.Метод. У статті розроблено метод визначення дискретної нечіткої відстані Фреше, що базується на нечіткій метриці Фреше між полігональними кривими. В основі нечіткої метрики Фреше лежить метрика Фреше на просторі параметризованих кривих. Потрібна для застосувань апроксимація задається процедурою дискретизації нечіткої метрики Фреше. Розроблений метод оцінює дискретну нечітку відстань Фреше між полігональними кривими на основі алгоритму обчислення дискретної відстані Фреше.Результати. Комп’ютерні експерименти проводились на наборі заданих областей, апроксимованих полігональними кривими. На основі запропонованого методу розроблено алгоритм оцінки дискретної нечіткої відстані Фреше. Розроблений алгоритм має низьку обчислювальну складність, яка рівна добутку дискретизованих відрізків полігональних кривих: O(Cm · n). Це дало змогу оцінювати дискретну відстань Фреше із заданим порогом подібності. Програмна реалізація методу буде інтегрована в систему автоматичного медичного діагностування.Висновки. Отримані результати дослідження дозволяють рекомендувати розроблений метод оцінки близькості зображень на основі нечіткої дискретної відстані Фреше в системах комп’ютерного зору для широкого застосування: генерування, кластеризації та розпізнавання зображень
ФОТОГРАММЕТРИЧНА ПІДСИСТЕМА ЗАХОПЛЕННЯ РУХУ ДЛЯ АНАЛІЗУ ЗМІН ПОЛОЖЕННЯ ТІЛА ВІДНОСНО ФРОНТАЛЬНОЇ ТА САГІТАЛЬНОЇ ПЛОЩИН
No full textContext. The increase in other orthopedic injuries, particularly among military personnel, requires new innovative solutions to assess posture changes and monitor rehabilitation effectiveness. Existing systems have limitations in terms of portability, cost, and flexibility of use, which necessitates the development of hybrid systems that combine computer vision and sensory analysis methods.Objective. To assess the effectiveness of combining non-contact computer vision and accelerometric sensors for detecting changes in human posture under different lighting, background, and movement speeds.Method. The study implemented a photogrammetric subsystem that includes MediaPipe Holistic for markerless tracking of key body points and WitMotion WT9011DCL-BT50 accelerometers for analyzing inertial motion parameters. The system model was built in IDEF0 notation. The accuracy was assessed by comparing the obtained values of the blade inclination angle and the asymmetry coefficient with the specified norms.Results. The combined use of visual and sensory data made it possible to reduce the error to 5.05% under normal conditions and ensure the stability of the results under conditions of changes in the external environment. Image modification (contrast, noise filtering) increased the accuracy of computer vision. Threshold values of the asymmetry coefficient corresponding to normal, mild and severe postural disorders were determined.Conclusions. The proposed system demonstrates high potential effectiveness in telemedical rehabilitation support for patients with musculoskeletal disorders. Its practical significance lies in the creation of an affordable, portable, and accurate diagnostic and monitoring tool suitable for further integration into personalized medicine systems with built-in artificial intelligence modules.Актуальність. Зростання кількості ортопедичних травм, зокрема серед військовослужбовців, потребує нових інноваційних рішень для оцінки змін постави та моніторингу ефективності реабілітації. Існуючі системи мають обмеження щодо портативності, вартості та гнучкості у використанні, що зумовлює потребу в розробці гібридних систем, які поєднують методи комп’ютерного зору та сенсорного аналізу.Мета роботи – oцінити ефективність поєднання безконтактного комп’ютерного зору та акселерометричних сенсорів длявиявлення змін постави людини в умовах різного освітлення, фону та швидкості руху.Метод. У дослідженні реалізовано фотограмметричну підсистему, що включає MediaPipe Holistic для безмаркерноговідстеження ключових точок тіла та акселерометри WitMotion WT9011DCL-BT50 для аналізу інерційних параметрів руху.Модель системи побудовано у нотації IDEF0. Оцінку точності виконано шляхом порівняння отриманих значень кута нахилу лопаток та коефіцієнта асиметрії із заданими нормами.Результати. Комбіноване використання візуальних і сенсорних даних дало змогу зменшити похибку до 5,05% при нормальних умовах та забезпечити стабільність результатів за умов змін зовнішнього середовища. Модифікація зображень (контраст, фільтрація шуму) підвищила точність комп’ютерного зору. Визначено порогові значення коефіцієнта асиметрії, що відповідають нормі, легким та важким порушенням постави.Висновки. Запропонована система демонструє високу потенційну ефективність у телемедичному супроводі реабілітаціїпацієнтів із порушеннями опорно-рухового апарату. Її практична значущість полягає у створенні доступного, портативного та точного засобу діагностики та контролю, придатного до подальшої інтеграції у системи персоналізованої медицини з вбудованими модулями штучного інтелекту.Актуальність. Зростання кількості ортопедичних травм, зокрема серед військовослужбовців, потребує нових інноваційних рішень для оцінки змін постави та моніторингу ефективності реабілітації. Існуючі системи мають обмеження щодо портативності, вартості та гнучкості у використанні, що зумовлює потребу в розробці гібридних систем, які поєднують методи комп’ютерного зору та сенсорного аналізу.Мета роботи – oцінити ефективність поєднання безконтактного комп’ютерного зору та акселерометричних сенсорів длявиявлення змін постави людини в умовах різного освітлення, фону та швидкості руху.Метод. У дослідженні реалізовано фотограмметричну підсистему, що включає MediaPipe Holistic для безмаркерного відстеження ключових точок тіла та акселерометри WitMotion WT9011DCL-BT50 для аналізу інерційних параметрів руху.Модель системи побудовано у нотації IDEF0. Оцінку точності виконано шляхом порівняння отриманих значень кута нахилу лопаток та коефіцієнта асиметрії із заданими нормами.Результати. Комбіноване використання візуальних і сенсорних даних дало змогу зменшити похибку до 5,05% при нормальних умовах та забезпечити стабільність результатів за умов змін зовнішнього середовища. Модифікація зображень (контраст, фільтрація шуму) підвищила точність комп’ютерного зору. Визначено порогові значення коефіцієнта асиметрії, що відповідають нормі, легким та важким порушенням постави.Висновки. Запропонована система демонструє високу потенційну ефективність у телемедичному супроводі реабілітації пацієнтів із порушеннями опорно-рухового апарату. Її практична значущість полягає у створенні доступного, портативного та точного засобу діагностики та контролю, придатного до подальшої інтеграції у системи персоналізованої медицини з вбудованими модулями штучного інтелекту
МЕТОД ФОРМУВАННЯ МУЛЬТИФАКТОРНИХ ПОРТРЕТІВ СУБ’ЄКТІВ ПІДТРИМКИ ПРОГРАМНИХ КОМПЛЕКСІВ, З ВИКОРИСТАННЯМ БАГАТОШАРОВОГО ПЕРЦЕПТРОНА
No full textContext. The problem of identification and determination of personalized comprehensive indicators of presence each of the impact factors in the processes of personal subjectivization of the researched supported object’s perception by the relevant subjects interacting with it and making influence on its support, is being considered in this research. The process of forming multifactor portraits of subjects supporting software complexes, using a multilayer perceptron, is an object of study. While methods and means of forming such multifactor portraits of subjects supporting software complexes is the subject of study respectively.Objective. The goal of the work is the creation of a method of forming multifactor portraits of subjects supporting software complexes, using a multilayer perceptron.Method. A method of forming multifactor portraits of subjects supporting software complexes is proposed, using artificial neural networks of the multilayer perceptron type, which provides possibility to form appropriate personalized multifactor portraits of subjects which, directly or indirectly, interact with the object of support (which can represent both the supported software complex itself as well as the processes associated with its complex support activities).Results. The results of functioning of the developed method are the corresponding models of multifactor portraits of subjects supporting software complexes, which later are used to solve a cluster of scientific and applied problems of software complexes’support automation, in particular, the problem of identification and determination of personalized comprehensive indicators of presence each of the impact factors (from appropriate pre-agreed and declared set of impact factors) in the processes of personal subjectivization of the researched supported object’s perception by the relevant subjects interacting (directly, or indirectly) with it and making influence on its support. As an example, of practical application and approbation of the developed method, the results of resolving the applied practical task of automated search and selection of a maximal relevant candidate (from among the members of the support team of the supported software complex) for best solving of a stack of specialized client’s requests (related to the support of this software complex), are given.Conclusions. The developed method provides possibility to resolve the scientific and applied problem of identification and determination of personalized comprehensive indicators of presence each of the impact factors (from appropriate pre-agreed and declared set of impact factors) in the processes of personal subjectivization of the researched supported object’s perception by the relevant subjects interacting (directly, or indirectly) with it and making influence on its support. In addition, the developed method provides possibility for creating appropriate models of multifactor portraits of subjects supporting software complexes, which makes it possible to use them in solving problems, tasks, or issues related to the automation of search and selection of subjects supporting software complexes, which (subjects) meet the given criteria both in the context of subjectivization processes of personal perceptionof the support objects (e.g. supported software complexes themselves, or processes directly related to their support), as well as in the context of compatibility in interaction with client’s users of these supported software products (as those users, in fact, are also subjects of interaction with the same researched supported object).Актуальність. Розглянуто проблему ідентифікації та визначення персоніфікованих комплексних показників наявностікожного з факторів впливу в процесах особистісної суб’єктивізації сприйняття досліджуваного об’єкта підтримки відповід-ними суб’єктами, які з ним взаємодіють і впливають на його підтримку. Об’єктом дослідження є процес формування муль-тифакторних портретів суб’єктів підтримки програмних комплексів, з використанням багатошарового перцептрона. Пред-метом дослідження є методи та засоби формування мультифакторних портретів суб’єктів підтримки програмних комплек-сів.Мета роботи – розроблення методу формування мультифакторних портретів суб’єктів підтримки програмних комплек-сів, з використанням багатошарового перцептрона.Метод. Розроблено метод формування мультифакторних портретів суб’єктів підтримки програмних комплексів, з вико-ристанням штучних нейронних мереж типу багатошарового перцептрона, що дає змогу формувати відповідні персональнімультифакторні портрети суб’єктів, котрі, напряму або опосередковано, взаємодіють з об’єктом підтримки, в якості якогоможе виступати як сам підтримуваний програмний комплекс, так і процеси, пов’язані з його комплексною підтримкою.Результати. Результатами роботи розробленого методу є відповідні моделі мультифакторних портретів суб’єктів під-тримки програмних комплексів, які, в подальшому, використано для розв’язання кластеру науково-прикладних задач авто-матизації підтримки програмних комплексів, зокрема, задачу ідентифікації та визначення персоналізованих комплекснихпоказників присутності кожного із факторів впливу (наперед узгодженої та задекларованої множини факторів впливу) впроцесах персональної суб’єктивізації сприйняття досліджуваного об’єкта підтримки відповідними суб’єктами, котрі взає-модіють з першим (напряму або опосередковано), та впливають на його підтримку. В якості прикладу практичного застосу-вання розробленого методу, наведено результати розв’язання прикладної практичної задачі автоматизованого пошуку тапідбору кандидата (з числа членів команди підтримки програного комплексу) для розв’язання стеку спеціалізованих клієнт-ських запитів (щодо підтримки цього програмного комплексу).Висновки. Розроблений метод вирішує поставлену задачу ідентифікації та визначення персоналізованих комплекснихпоказників присутності кожного із факторів впливу (наперед узгодженої та задекларованої множини факторів впливу) впроцесах персональної суб’єктивізації сприйняття досліджуваного об’єкта підтримки відповідними суб’єктами, котрі взає-модіють з першим (напряму або опосередковано), та впливають на його підтримку. В доповнення, розроблений метод за-безпечує можливість побудови відповідних моделей мультифакторних портретів суб’єктів підтримки програмних комплек-сів, що дає змогу використовувати їх при розв’язанні будь-яких задач, пов’язаних з автоматизацією пошуку та підборусуб’єктів підтримки програмних комплексів, що відповідають заданим критеріям як в контексті процесів суб’єктивізаціїперсонального сприйняття об’єктів підтримки (підтримуваних програмних комплексів, чи процесів їх підтримки), так і вконтексті сумісності у взаємодії з клієнтами та/або користувачами підтримуваних програмних продуктів (оскільки ці корис-тувачі, фактично, теж являються суб’єктами взаємодії з тим же досліджуваним об’єктом підтримки).Актуальність. Розглянуто проблему ідентифікації та визначення персоніфікованих комплексних показників наявності кожного з факторів впливу в процесах особистісної суб’єктивізації сприйняття досліджуваного об’єкта підтримки відповід-ними суб’єктами, які з ним взаємодіють і впливають на його підтримку. Об’єктом дослідження є процес формування муль-тифакторних портретів суб’єктів підтримки програмних комплексів, з використанням багатошарового перцептрона. Предметом дослідження є методи та засоби формування мультифакторних портретів суб’єктів підтримки програмних комплексів.Мета роботи – розроблення методу формування мультифакторних портретів суб’єктів підтримки програмних комплексів, з використанням багатошарового перцептрона.Метод. Розроблено метод формування мультифакторних портретів суб’єктів підтримки програмних комплексів, з використанням штучних нейронних мереж типу багатошарового перцептрона, що дає змогу формувати відповідні персональні мультифакторні портрети суб’єктів, котрі, напряму або опосередковано, взаємодіють з об’єктом підтримки, в якості якого може виступати як сам підтримуваний програмний комплекс, так і процеси, пов’язані з його комплексною підтримкою.Результати. Результатами роботи розробленого методу є відповідні моделі мультифакторних портретів суб’єктів підтримки програмних комплексів, які, в подальшому, використано для розв’язання кластеру науково-прикладних задач автоматизації підтримки програмних комплексів, зокрема, задачу ідентифікації та визначення персоналізованих комплексних показників присутності кожного із факторів впливу (наперед узгодженої та задекларованої множини факторів впливу) в процесах персональної суб’єктивізації сприйняття досліджуваного об’єкта підтримки відповідними суб’єктами, котрі взаємодіють з першим (напряму або опосередковано), та впливають на його підтримку. В якості прикладу практичного застосування розробленого методу, наведено результати розв’язання прикладної практичної задачі автоматизованого пошуку тапідбору кандидата (з числа членів команди підтримки програного комплексу) для розв’язання стеку спеціалізованих клієнтських запитів (щодо підтримки цього програмного комплексу).Висновки. Розроблений метод вирішує поставлену задачу ідентифікації та визначення персоналізованих комплекснихпоказників присутності кожного із факторів впливу (наперед узгодженої та задекларованої множини факторів впливу) в процесах персональної суб’єктивізації сприйняття досліджуваного об’єкта підтримки відповідними суб’єктами, котрі взає- модіють з першим (напряму або опосередковано), та впливають на його підтримку. В доповнення, розроблений метод забезпечує можливість побудови відповідних моделей мультифакторних портретів суб’єктів підтримки програмних комплексів, що дає змогу використовувати їх при розв’язанні будь-яких задач, пов’язаних з автоматизацією пошуку та підборусуб’єктів підтримки програмних комплексів, що відповідають заданим критеріям як в контексті процесів суб’єктивізаціїперсонального сприйняття об’єктів підтримки (підтримуваних програмних комплексів, чи процесів їх підтримки), так і в контексті сумісності у взаємодії з клієнтами та/або користувачами підтримуваних програмних продуктів (оскільки ці користувачі, фактично, теж являються суб’єктами взаємодії з тим же досліджуваним об’єктом підтримки)