Radio Electronics, Computer Science, Control
Not a member yet
1174 research outputs found
Sort by
АНАЛІЗ РАЦІОНАЛЬНОГО ПОРЯДКУ АПРОКСИМАЦІЙНОГО ПОЛІНОМА ДЛЯ ВІДНОВЛЕННЯ ІНФОРМАЦІЇ ЗА ЇЇ ДИСКРЕТНИМИ ВІДЛІКАМИ
No full textThe rational polynomial approximation order of sampling signal reconstruction was analyzed using Bode plots.С использованием частотных характеристик проведено исследование рационального порядка аппроксимационногополинома для восстановления сигнала за его отсчетами.З використанням частотних характеристик виконано дослідження раціонального порядку апроксимаційного полінома для відтворення сигналу за його дискретними відліками
ПРОГНОЗУВАННЯ ТИМЧАСОВИХ НАСЛІДКІВ НА ОСНОВІ КАСКАДНОЇ ОРТОГОНАЛЬНОЇ НЕЙРОННОЇ МЕРЕЖІ
No full textIn the article new non-conventional architecture called Cascade Orthogonal Neural Network is considered. Learning algorithms which can operate in batch or real-time mode are given. Also application of this architecture for solving forecasting and approximation problems is proposed.В статье рассматривается новая нетрадиционная нейросетевая архитектура – каскадная ортогональная нейронная сеть, алгоритм ее обучения в пакетном режиме и в режиме реального времени, а также применение этой архитектуры для решения задач прогнозирования и аппроксимации.У статті розглянуто нову нетрадиційну нейромережеву архітектуру – каскадну ортогональну нейронну мережу, алгоритм її навчання у пакетному режимі і в режим і реального часу, а також застосування цієї архітектури для вирішення задач прогнозування й апроксимації
СТРУКТУРНИЙ СИНТЕЗ НЕЙРОМОДЕЛЕЙ НА ОСНОВІ ПОЛІМОДАЛЬНОГО ЕВОЛЮЦІЙНОГО ПОШУКУ
No full textThe problem of structural synthesis of neural network models is considered. The polymodal evolutionary search method with a chromosomes clustering is developed, allowing to develop various structures of neural networks with good computational capabilities. Experiments on model synthesis of health state dependence from the environmental population are lead.Исследована проблема структурного синтеза нейросетевых моделей. Разработан метод полимодального эволюционного поиска с кластеризацией хромосом, позволяющий получить различные структуры нейросетей, повышая вероятность нахождения модели, адекватной решаемой задачи. Проведены эксперименты по синтезу моделей зависимости состояния здоровья населения от загрязнения окружающей среды.Досліджено проблему структурного синтезу нейромережних моделей. Розроблено метод полімодального еволюційного пошуку з кластеризацією хромосом, що дозволяє одержати різні структури нейромереж, підвищуючи ймовірність знаходження моделі, адекватної розв’язуваній задачі. Проведено експерименти по синтезі моделей залежності стану здоров’я населення від забруднення навколишнього середовища
АНАЛІЗ СПЕКТРА ВІДГУКУ НЕЛІНІЙНОСТІ, ПРЕДСТАВЛЕНОЮ ФУНКЦІЄЮ ДИНАМІЧНОГО НАСИЩЕННЯ, ПРИ БАГАТОЧАСТОТНОМУ ВПЛИВІ
No full textThe method of analysis of spectrum of the set response of nonlinearity is offered, by the represented analytical transcendent function, at multifrequency influence on the basis of hypergeometrical function of Gausse. The got results allow to design the conduct of wide class of electronic devices and components in the modes of small and large signals with an arbitrary spectrum.Предложен метод анализа спектра установившегося отклика нелинейности, представленной аналитической трансцендентной функцией, при многочастотном воздействии на основе гипергеометрической функции Гаусса. Полученные результаты позволяют моделировать поведение широкого класса электронных устройств и компонентов в режимах малого и большого сигналов с произвольным спектром.Запропоновано метод аналізу усталеного відгуку нелінійності, що представлена аналітичною трансцендентною функцією, при багаточастотному впливі на основі гіпергеометричної функції Гауса. Отримані результати дозволяють моделювати поведінку широкого класу електронних пристроїв в режимах малого та великого сигналів з довільним спектром
РОЗПОДІЛ ЗАВДАНЬ У БАГАТОПРОЦЕСОРНІЙ СИСТЕМІ
No full textThe mathematical model of tasks optimum distribution for the parallel computing system is developed in view its computing nodes load. Results the model experimental researches which show a significant increase of productivity in comparison with uniform distribution of the parallel task on nodes of a cluster are submitted.Разработана математическая модель оптимального распределения заданий для параллельной вычислительной системы с учетом загруженности ее вычислительных узлов. Представлены результаты экспериментальных исследований модели, которые демонстрируют значительный прирост производительности по сравнению с равномерным распределением параллельного задания по узлам кластера.Розроблена математична модель оптимального розподілу завдань для паралельної обчислювальної системи з урахуванням завантаженості її обчислювальних вузлів. Представлені результати експериментальних досліджень моделі, які демонструють значний приріст продуктивност і в порівнянні з рівномірним розподілом паралельного завдання по вузлах кластера
КЛАСИФІКАЦІЯ ОСНОВНИХ ПОКАЗНИКІВ ДЛЯ ОЦІНКИ НАДІЙНОСТІ ТА ДІАГНОСТУЄМОСТІ КОМП'ЮТЕРНИХ СИСТЕМ
No full textIn given article is considered the classification of the basic kinds of parameters for a rating of reliability and diagnozability of computer systems. Such parameters were considered: of non-failure operation, of maintainability, of durability, of operational readiness, complex parameters diagnozability. Was given the classification of failures.В данной статье рассматривается классификация основных видов показателей для оценки надежности и диагностируемости компьютерных систем. Рассмотрены показатели безотказной работы, ремонтопригодности, долговечности, эксплуатационной готовности, комплексные показатели диагностируемости. Приведена классификация отказов.У статті розглядається класифікація основних видів показників для оцінки надійності та здатності до діагностування комп’ютерних систем. Розглянуті показники безвідмовної роботи, ремонтоздатності, довговічност і, експлутаційної готовності, комплексні показники здатності до діагностування. Наведена класифікація відмов
АНСАМБЛЕВИЙ МЕТОД ЗАСНОВАНИЙ НА УСЕРЕДНЕННІ ФОРМ ОБ’ЄКТІВ, ВИКОРИСТОВУЮЧИ ПІРАМІДНИЙ МЕТОД
No full textContext. Image segmentation plays a key role in computer vision. The quality of segmentation is affected by many factors: noise, artifacts, complex shapes of objects. Classical methods cannot always guarantee good success, depending on the quality of the image and the existing noise, they cannot always achieve the desired result. The proposed method uses an ensemble of neural networks, which makes it possible to increase the accuracy and stability of segmentation.
Objective. The goal of the work is to develop a new method of combining predictions of neural network ensembles, which can improve segmentation accuracy by combining images of different image sizes.
Method. A method is proposed that averages the shapes of objects depicted on prediction masks. A pyramid of images is used to improve segmentation quality, each level of the pyramid corresponds to an increased size of the original image. This approach allows obtaining image characteristics at different levels. For a test image, a prediction is obtained from each neural network in the ensemble, after which a pyramid is built for the image. All pyramid levels are combined into the final image using SAAMC. All obtained final images for each neural network are also combined at the end using SAAMC. The use of an ensemble of neural networks combined with the pyramid method allows for reducing the impact of noise and artifacts on the segmentation results.
Results. The use of this method was compared with the usual use of individual neural networks and the ensemble averaging method. The obtained results show that the proposed method outperforms its competitors. Application of the proposed method improved the accuracy and quality of segmentation.
Conclusions. The conducted research confirmed the sense of using an ensemble of neural networks and creating a new method of combining predictions. The use of an ensemble of neural networks makes it possible to compensate for the errors and shortcomings of individual neural networks. Using the proposed method can significantly reduce the impact of noise and artifacts on segmentation. Further study and modification of this method will make it possible to further improve the quality of segmentation.Актуальність. Сегментація зображень відіграє ключову роль в комп’ютерному зорі. На якість сегментації впливає багато факторів: шум, артефакти, складні форми об’єктів. Класичні методи не завжди можуть гарантувати гарний успіх, в залежності від якості зображення та наявного шуму, вони не завжди можуть досягти бажаного результату. Запропонований метод використовує ансамбль нейронних мереж, що дає змогу підвищити точність та стабільність сегментації.
Мета роботи – розробити новий метод комбінування передбачень ансамблю нейронних мереж, який зможе покращити точність сегментації за рахунок комбінування зображень різного розміру зображень.
Метод. Запропоновано метод який виконує усереднення форм об’єктів зображених на масках-передбаченнях. Для досягнення покращення якості сегментації використовується піраміда зображень, кожен рівень піраміди відповідає збільшеному розміру початкового зображення. Такий підхід дозволяє отримувати характеристики зображення на різних рівнях. Для тестового зображення отримується передбачення від кожної нейронної мережі в ансамблі, після чого для зображення будується піраміда. Всі рівні піраміди комбінуються в фінальне зображення за допомогою метода усереднення форм об’єктів. Всі отримані фінальні зображення для кожної нейронної мережі в кінці також комбінуються за допомогою метода усереднення форм об’єктів. Використання ансамблю нейронних мереж та пірамідного методу дають змогу зменшити вплив шумів та артефактів на результат сегментації.
Результати. Використання даного методу було порівняно зі звичайним використанням окремих нейронних мереж та ансамблевим методом усереднення. Отримані результати показують, що запропонований метод перевершує своїх конкурентів. Застосування запропонованого методу покращило точність та якість сегментації.
Висновки. Проведене дослідження підтвердило сенс використання ансамблю нейронних мереж та створення нового методу комбінування передбачень. Використання ансамблю нейронних мереж дає можливість компенсувати помилки та недоліки окремих нейронних мереж. Використання запропонованого методу може знизити вплив шумів та артефактів на сегментацію. Подальше вивчення та модифікація цього методу дадуть змогу покращити ще більше якість сегментації.Актуальність. Сегментація зображень відіграє ключову роль в комп’ютерному зорі. На якість сегментації впливає багато факторів: шум, артефакти, складні форми об’єктів. Класичні методи не завжди можуть гарантувати гарний успіх, в залежності від якості зображення та наявного шуму, вони не завжди можуть досягти бажаного результату. Запропонований метод використовує ансамбль нейронних мереж, що дає змогу підвищити точність та стабільність сегментації.
Мета роботи – розробити новий метод комбінування передбачень ансамблю нейронних мереж, який зможе покращити точність сегментації за рахунок комбінування зображень різного розміру зображень.
Метод. Запропоновано метод який виконує усереднення форм об’єктів зображених на масках-передбаченнях. Для досягнення покращення якості сегментації використовується піраміда зображень, кожен рівень піраміди відповідає збільшеному розміру початкового зображення. Такий підхід дозволяє отримувати характеристики зображення на різних рівнях. Для тестового зображення отримується передбачення від кожної нейронної мережі в ансамблі, після чого для зображення будується піраміда. Всі рівні піраміди комбінуються в фінальне зображення за допомогою метода усереднення форм об’єктів. Всі отримані фінальні зображення для кожної нейронної мережі в кінці також комбінуються за допомогою метода усереднення форм об’єктів. Використання ансамблю нейронних мереж та пірамідного методу дають змогу зменшити вплив шумів та артефактів на результат сегментації.
Результати. Використання даного методу було порівняно зі звичайним використанням окремих нейронних мереж та ансамблевим методом усереднення. Отримані результати показують, що запропонований метод перевершує своїх конкурентів. Застосування запропонованого методу покращило точність та якість сегментації.
Висновки. Проведене дослідження підтвердило сенс використання ансамблю нейронних мереж та створення нового методу комбінування передбачень. Використання ансамблю нейронних мереж дає можливість компенсувати помилки та недоліки окремих нейронних мереж. Використання запропонованого методу може знизити вплив шумів та артефактів на сегментацію. Подальше вивчення та модифікація цього методу дадуть змогу покращити ще більше якість сегментації
ТЕХНОЛОГІЯ ПОРОДЖЕННЯ ПРОДОВЖЕННЯ ПІСЕНЬ НА ОСНОВІ СТРАТЕГІЙ ГЕНЕРАЦІЇ ТЕСТУ, TEXTMINING І МОВНОЇ МОДЕЛІ Т5
Get PDFContext. Pre-trained large language models are currently the driving force behind the development of not only NLP, but also deep learning systems in general. Model transformers are able to solve virtually all problems that currently exist, provided that certain requirements and training practices are met. In turn, words, sentences and texts are the basic and most important way of communication between intellectually developed beings. Of course, speech and texts are used to convey certain emotions, events, etc. One of the main ways of using language to describe experienced emotions is songs with lyrics. However, often due to the need to preserve rhyme and rhyming, the dimensions of verse lines, song structure, etc., artists have to use repetition of lines in the lyrics. In addition, the process of writing texts can be long.
Objective of the study is to develop information technology for generating the continuation of song texts based on the T5 machine learning model with (SA, specific author) and without (NSA, non-specific author) consideration of the author's style.
Method. Choosing a decoding strategy is important for the generation process. However, instead of favoring a particular strategy, the system will support multiple strategies. In particular, the following 8 strategies: Contrastive search, Top-p sampling, Top-k sampling, Multinomial sampling, Beam search, Diverse beam search, Greedy search, and Beam-search multinomial sampling.
Results. A machine learning model was developed to generate the continuation of song lyrics using large language models, in particular the T5 model, to accelerate, complement and increase the flexibility of the songwriting process.
Conclusions. The created model shows excellent results of generating the continuation of song texts on test data. Analysis of the raw data showed that the NSA model has less degrading results, while the SA model needs to balance the amount of text for each author. Several text metrics such as BLEU, RougeL and RougeN are calculated to quantitatively compare the results of the models and generation strategies. The value of the BLEU metric is the most variable, and its value varies significantly depending on the strategy. At the same time, Rouge metrics have less variability, a smaller range of values. For comparison, 8 different decoding methods for text generation, supported by the transformers library, were used. From all the results of the text comparison, it is clear that the metrically best method of song text generation is beam search and its variations, in particular beam sampling. Contrastive search usually outperformed the conventional greedy approach. The top-p and top-k methods are not clearly superior to each other, and in different situations gave different results.Актуальність. Наперед навчені великі мовні моделі, на сьогодні – це локомотив розвитку не лише NLP, а й систем глибинного навчання загалом. Моделі трансформери здатні розв’язувати фактично усі задачі, що наразі існують, за умови виконання певних вимог та практик їх навчання. В свою чергу, слова, речення та тексти є базовим і найважливішим способом комунікації між інтелектуально розвиненими істотами. Звичайно, мовлення і тексти використовуються для донесення певних емоції, подій тощо. Один з основних напрямків використання мови для опису пережитих емоцій – це пісні з текстами. Проте, часто через необхідність збереження рими та римування, розмірності віршових рядків, структури пісні тощо, артистам приходиться використовувати повторення рядків у текстах. Крім того, процес написання текстів може бути тривалим.
Метою дослідження є розробка інформаційної технології генерації продовження текстів пісень на основі моделі машинного навчання T5 з (SA, specific author) та без (NSA, non-specific author) врахування стилю автора.
Метод. Для процесу генерації важливим є питання вибору стратегії декодування. Проте, заміть того, щоб надати перевагу конкретній стратегії, у системи буде підтримка множини стратегій. Зокрема такі 8 стратегій: Contrastive search, Top-p sampling, Top-k sampling, Multinomial sampling, Beam search, Diverse beam search, Greedy search, та Beam-search multinomial sampling.
Результати. Розроблено модель машинного навчання для генерації продовження текстів пісень з допомогою великих мовних моделей, зокрема моделі T5, для прискорення, доповнення та підвищення гнучкості процесу написання текстів до пісень.
Висновки. Створена модель показує відмінні результати генерації продовження текстів пісень на тестових даних. Аналіз вихідних даних показав, що модель NSA має менш деградаційні результати, а для моделі SA необхідно збалансовувати кількість тексту для кожного автора. Обраховано кілька текстових метрик як BLEU, RougeL та RougeN для кількісного порівняння результатів моделей та стратегій генерування. Значення метрики BLEU є найрізноманітнішим, і його значення значно змінюється, залежно від стратегії. При цьому Rouge метрики мають меншу варіативність, менший розмах значень. Для порівняння використано 8 різних методик декодування для генерації тексту, що підтримуються бібліотеку transformers. З усіх результатів порівняння текстів видно, що метрично найкращим методом генерації текстів пісень є beam пошук та його варіації, зокрема променевий семплінг. Contrastive search зазвичай перевершував звичайний жадібний підхід. Методи top-p та top-k не мають однозначної переваги один на одним, і в різних ситуаціях давали різні результати.Актуальність. Наперед навчені великі мовні моделі, на сьогодні – це локомотив розвитку не лише NLP, а й систем глибинного навчання загалом. Моделі трансформери здатні розв’язувати фактично усі задачі, що наразі існують, за умови виконання певних вимог та практик їх навчання. В свою чергу, слова, речення та тексти є базовим і найважливішим способом комунікації між інтелектуально розвиненими істотами. Звичайно, мовлення і тексти використовуються для донесення певних емоції, подій тощо. Один з основних напрямків використання мови для опису пережитих емоцій – це пісні з текстами. Проте, часто через необхідність збереження рими та римування, розмірності віршових рядків, структури пісні тощо, артистам приходиться використовувати повторення рядків у текстах. Крім того, процес написання текстів може бути тривалим.
Метою дослідження є розробка інформаційної технології генерації продовження текстів пісень на основі моделі машинного навчання T5 з (SA, specific author) та без (NSA, non-specific author) врахування стилю автора.
Метод. Для процесу генерації важливим є питання вибору стратегії декодування. Проте, заміть того, щоб надати перевагу конкретній стратегії, у системи буде підтримка множини стратегій. Зокрема такі 8 стратегій: Contrastive search, Top-p sampling, Top-k sampling, Multinomial sampling, Beam search, Diverse beam search, Greedy search, та Beam-search multinomial sampling.
Результати. Розроблено модель машинного навчання для генерації продовження текстів пісень з допомогою великих мовних моделей, зокрема моделі T5, для прискорення, доповнення та підвищення гнучкості процесу написання текстів до пісень.
Висновки. Створена модель показує відмінні результати генерації продовження текстів пісень на тестових даних. Аналіз вихідних даних показав, що модель NSA має менш деградаційні результати, а для моделі SA необхідно збалансовувати кількість тексту для кожного автора. Обраховано кілька текстових метрик як BLEU, RougeL та RougeN для кількісного порівняння результатів моделей та стратегій генерування. Значення метрики BLEU є найрізноманітнішим, і його значення значно змінюється, залежно від стратегії. При цьому Rouge метрики мають меншу варіативність, менший розмах значень. Для порівняння використано 8 різних методик декодування для генерації тексту, що підтримуються бібліотеку transformers. З усіх результатів порівняння текстів видно, що метрично найкращим методом генерації текстів пісень є beam пошук та його варіації, зокрема променевий семплінг. Contrastive search зазвичай перевершував звичайний жадібний підхід. Методи top-p та top-k не мають однозначної переваги один на одним, і в різних ситуаціях давали різні результати
ВИЯВЛЕННЯ СЕЙСМІЧНОГО СИГНАЛУ ТРИКОМПОНЕНТНОЮ СЕЙСМІЧНОЮ СТАНЦІЄЮ ТА ВИЗНАЧЕННЯ ОСЕРЕДКУ СЕЙСМІЧНОЇ ПОДІЇ
No full textContext. The work is devoted on the development of theoretical foundations aimed at automating process of determining location at the seismic event center.
Objective. The purpose of the work is to develop a method for determining the center of a seismic event based on the use of the features of the angular characteristics of the constituent volume waves of a seismic signal obtained with the help of a threecomponent seismic station. The proposed method will reduce the time it takes to provide users with preliminary information about the fact of a seismic event and its parameters.
Method. The method of automatic detection focal point is based on features of orthogonality in the angular characteristics volume waves registered sample of three-component seismic recordings from a certain direction. Implementation of the proposed approaches makes it possible to reduce the processing time of the seismic record with appropriate reliability compared to processing in manual mode.An example application of the proposed method (algorithm) for processing a seismic signal in the Vrancea zone on 27.10.2004 with magnitude M=5.7 is considered.
Results. The proposed approach to processing the measured data of a separate seismic three-component seismic station using a polarization analysis device allows detecting the arrival of a seismic signal, identifying the main components of a seismic signal, and estimating the location of the epicenter of a seismic event.Experimental research on the use of the proposed algorithm for determining the location of the epicenter of a seismic event showed that the time of establishing an emergency event within the borders of Ukraine was reduced five times (from 15 to 3 minutes), and the detection error was 37 km.
Conclusions. The formed basis and proposed approach to detecting a seismic signal, identifying its components and determining a seismic event focal point based on results of processing a three-component seismic record are effective. Proposed method (algorithm) should be used to automate process of seismic signal detection by a three-component seismic station and to determine the seismic event center.Актуальність. Робота присвячена розвитку теоретичних засад, спрямованих на автоматизацію процесу визначення місцезнаходження осередку сейсмічної події.
Мета роботи – розробка методу визначення осередку сейсмічної події на основі використання особливостей кутових характеристик складових об’ємних хвиль сейсмічного сигналу, отриманого за допомогою трикомпонентної сейсмічної станції. Запропонований метод призведе до зменшення часу надання попередньої інформації користувачам про факт сейсмічної події та її параметри.
Метод. В основу методу автоматичного визначення осередку сейсмічної події покладено особливості ортогональності кутових характеристик об’ємних хвиль зареєстрованої вибірки трикомпонентного сейсмічного запису з певного напрямку. Реалізація запропонованих підходів дозволяє з відповідною достовірністю зменшити час обробки сейсмічного запису у порівнянні з обробкою у ручному режимі. В роботі розглянутий приклад застосування запропонованого методу (алгоритму) для обробки сейсмічного сигналу у зоні Вранча 27.10.2004 р. з магнітудою М=5,7.
Результати. Запропонований підхід щодо обробки вимірюваних даних окремої сейсмічної трикомпонентної сейсмічної станції з використанням апарату поляризаційного аналізу, дозволяє здійснювати виявлення вступу сейсмічного сигналу, проводити ідентифікацію основних складових сейсмічного сигналу та проводити оцінку місцеположення осередку сейсмічної події. Експериментальні дослідження по використанню запропонованого алгоритму визначення місцезнаходження осередку сейсмічної події показав, що час встановлення надзвичайної події в межах України скорочено в п’ять разів (з 15 до 3 хвилин), а помилка визначення становить 37 км.
Висновки. Сформовані основи та запропонований підхід щодо виявлення сейсмічного сигналу, ідентифікацію його складових та визначення осередку сейсмічної події за результатами обробки трикомпонентного сейсмічного запису є ефективними. Запропонований метод (алгоритм) доцільно застосовувати при автоматизації процесу виявлення сейсмічного сигналу трикомпонентною сейсмічною станцією та визначення осередку сейсмічної події.Актуальність. Робота присвячена розвитку теоретичних засад, спрямованих на автоматизацію процесу визначення місцезнаходження осередку сейсмічної події.
Мета роботи – розробка методу визначення осередку сейсмічної події на основі використання особливостей кутових характеристик складових об’ємних хвиль сейсмічного сигналу, отриманого за допомогою трикомпонентної сейсмічної станції. Запропонований метод призведе до зменшення часу надання попередньої інформації користувачам про факт сейсмічної події та її параметри.
Метод. В основу методу автоматичного визначення осередку сейсмічної події покладено особливості ортогональності кутових характеристик об’ємних хвиль зареєстрованої вибірки трикомпонентного сейсмічного запису з певного напрямку. Реалізація запропонованих підходів дозволяє з відповідною достовірністю зменшити час обробки сейсмічного запису у порівнянні з обробкою у ручному режимі. В роботі розглянутий приклад застосування запропонованого методу (алгоритму) для обробки сейсмічного сигналу у зоні Вранча 27.10.2004 р. з магнітудою М=5,7.
Результати. Запропонований підхід щодо обробки вимірюваних даних окремої сейсмічної трикомпонентної сейсмічної станції з використанням апарату поляризаційного аналізу, дозволяє здійснювати виявлення вступу сейсмічного сигналу, проводити ідентифікацію основних складових сейсмічного сигналу та проводити оцінку місцеположення осередку сейсмічної події. Експериментальні дослідження по використанню запропонованого алгоритму визначення місцезнаходження осередку сейсмічної події показав, що час встановлення надзвичайної події в межах України скорочено в п’ять разів (з 15 до 3 хвилин), а помилка визначення становить 37 км.
Висновки. Сформовані основи та запропонований підхід щодо виявлення сейсмічного сигналу, ідентифікацію його складових та визначення осередку сейсмічної події за результатами обробки трикомпонентного сейсмічного запису є ефективними. Запропонований метод (алгоритм) доцільно застосовувати при автоматизації процесу виявлення сейсмічного сигналу трикомпонентною сейсмічною станцією та визначення осередку сейсмічної події
РОЗРОБКА ПРИКЛАДНОЇ ОНТОЛОГІЇ ДЛЯ АНАЛІЗУ ЦИФРОВОГО КРИМІНАЛЬНОГО ЗЛОЧИНУ
No full textContext. A feature of the modern digital world is that crime is often committed thanks to the latest computer technologies, and the work of law enforcement agencies faces a number of complex challenges in the digital environment. The development of information technology and Internet communications creates new opportunities for criminals who use digital traces and evidence to commit crimes, which complicates the process of identifying and tracking them.
Objective. Development of an applied ontology for a system for analyzing a digital criminal offense, which will effectively analyze, process and interpret a large amount of digital data. It will help to cope with the complex task of processing digital data, and will also help automate the process of discovering new knowledge.
Methods. To build an ontological model as a means of reflecting knowledge about digital crime, information was collected on existing international and domestic classifications. The needs and requirements that must be satisfied by the developed ontology were also analyzed. The creation of an ontological model that reflects the basic concepts, relationships in the field of digital criminal offense was carried out in accordance with a recognized ontological analysis of a specialized subject area.
Results. An applied ontology contains the definition of entities, properties, classes, subclasses, etc., as well as the creation of semantic relationships between them. At the center of the semantics is the Digital Crime class, the problem area of which is complemented by the interrelated classes Intruder, Digital evidence, Types of Crime, and Criminal liability. Such characteristics as motive, type of crime, method of commission, classification signs of digital traces and types of crime, as well as other individual information were assigned to the attributes of the corresponding classes. An ontological model was implemented in OWL using the Protégé software tool. A feature of the implementation of the applied ontology was the creation of SWRL rules for automatically filling in additional links between a class instance. Manual and automatic verification of the ontology showed the integrity, consistency, a high degree of correctness and adequacy of the model. The bugs found were usually related to technical aspects and semantic inconsistencies, which were corrected during further development iterations.
Conclusions. The research confirmed the effectiveness of the developed applied ontology for the analysis of digital criminality, providing more accurate and faster results compared to traditional approaches.Актуальність. Особливістю сучасного цифрового світу є те, що злочинність вже нерідко вчиняється завдяки новітнім комп’ютерним технологіям, а робота правоохоронних органів стикається з низкою складних викликів у цифровому середовищі.. Розвиток інформаційних технологій та інтернет-комунікацій створює нові можливості для злочинців, які використовують цифрові сліди та докази для здійснення злочинів, що ускладнює процес їх виявлення та відслідковування.
Мета. Розробка прикладної онтології для системи аналізу цифрового кримінального злочину, яка дозволить ефективно аналізувати, обробляти та інтерпретувати велику кількість цифрових даних. Вона допоможе впоратися зі складним завданням обробки цифрових даних, а також сприятиме автоматизації процесу виявлення нових знань.
Метод. Для побудови онтологічної моделі як засобу відображення знань про цифровий злочин було зібрано інформацію про існуючі міжнародну та вітчизняну класифікації, а також проаналізовані потреби та вимоги, які мають бути задоволені розробленою онтологією. Створення онтологічної моделі, яка відображає основні поняття, взаємозв’язки у сфері цифрового кримінального злочину, було здійснено відповідно з визнаним онтологічним аналізом спеціалізованої предметної області.
Результати. Прикладна онтологія містить означення сутностей, властивостей, класів, підкласів тощо, а також створення семантичних відношень між ними. В центрі семантики знаходиться клас цифровий злочин (Digital Crime), проблемну область якого доповнюють взаємозв’язані класи злочинець (Intruder), цифровий слід (Digital evidence), тип злочину (Types of Crime) та кримінальна відповідальність (Criminal liability). Такі характеристики, як мотив, вид злочину, метод скоєння, класифікаційні ознаки цифрових слідів та типів злочину, а також інша індивідуальна інформація були віднесені до атрибутів відповідних класів. Реалізована онтологічна модель на мові OWL програмним засобом Protégé. Особливістю реалізації прикладної онтології було створення SWRL-правил для автоматичного заповнення додаткових зв’язків між екземплярами класу. Ручна та автоматична перевірка онтології показала цілісність, узгодженість, високу ступінь коректності та адекватності моделі. Виявлені помилки були, як правило, пов’язані з технічними аспектами та семантичними неузгодженостями, які були виправлені під час подальших ітерацій розробки.
Висновки. Дослідження підтвердило ефективність розробленої прикладної онтології для аналізу цифрового кримінального злочину, забезпечуючи більш точні та швидкі результати порівняно з традиційними підходами.Актуальність. Особливістю сучасного цифрового світу є те, що злочинність вже нерідко вчиняється завдяки новітнім комп’ютерним технологіям, а робота правоохоронних органів стикається з низкою складних викликів у цифровому середовищі.. Розвиток інформаційних технологій та інтернет-комунікацій створює нові можливості для злочинців, які використовують цифрові сліди та докази для здійснення злочинів, що ускладнює процес їх виявлення та відслідковування.
Мета. Розробка прикладної онтології для системи аналізу цифрового кримінального злочину, яка дозволить ефективно аналізувати, обробляти та інтерпретувати велику кількість цифрових даних. Вона допоможе впоратися зі складним завданням обробки цифрових даних, а також сприятиме автоматизації процесу виявлення нових знань.
Метод. Для побудови онтологічної моделі як засобу відображення знань про цифровий злочин було зібрано інформацію про існуючі міжнародну та вітчизняну класифікації, а також проаналізовані потреби та вимоги, які мають бути задоволені розробленою онтологією. Створення онтологічної моделі, яка відображає основні поняття, взаємозв’язки у сфері цифрового кримінального злочину, було здійснено відповідно з визнаним онтологічним аналізом спеціалізованої предметної області.
Результати. Прикладна онтологія містить означення сутностей, властивостей, класів, підкласів тощо, а також створення семантичних відношень між ними. В центрі семантики знаходиться клас цифровий злочин (Digital Crime), проблемну область якого доповнюють взаємозв’язані класи злочинець (Intruder), цифровий слід (Digital evidence), тип злочину (Types of Crime) та кримінальна відповідальність (Criminal liability). Такі характеристики, як мотив, вид злочину, метод скоєння, класифікаційні ознаки цифрових слідів та типів злочину, а також інша індивідуальна інформація були віднесені до атрибутів відповідних класів. Реалізована онтологічна модель на мові OWL програмним засобом Protégé. Особливістю реалізації прикладної онтології було створення SWRL-правил для автоматичного заповнення додаткових зв’язків між екземплярами класу. Ручна та автоматична перевірка онтології показала цілісність, узгодженість, високу ступінь коректності та адекватності моделі. Виявлені помилки були, як правило, пов’язані з технічними аспектами та семантичними неузгодженостями, які були виправлені під час подальших ітерацій розробки.
Висновки. Дослідження підтвердило ефективність розробленої прикладної онтології для аналізу цифрового кримінального злочину, забезпечуючи більш точні та швидкі результати порівняно з традиційними підходами