Radio Electronics, Computer Science, Control
Not a member yet
1174 research outputs found
Sort by
ІННОВАЦІЙНИЙ МЕТОД НАБЛИЖЕНОГО РОЗВ’ЯЗАННЯ ЗАДАЧІ ЦІЛОЧИСЛОВОГО ПРОГРАМУВАННЯ
No full textContext. There are certain methods for finding the optimal solution to integer programming problems. However, these methods cannot solve large-scale problems in real time. Therefore, approximate solutions to these problems that work quickly have been given. It should be noted that the solutions given by these methods often differ significantly from the optimal solution. Therefore, the problem of taking any known approximate solution as the initial solution and improving it further arises.Objective. Initially, a certain approximate solution is found. Then, based on proven theorems, the coordinates of this solution that do not coincide with the optimal solution are determined. After that, new solutions are found by sequentially changing these coordinates. The one that gives the largest value to the functional among these solutions is accepted as the final solution.Method. The method we propose in this work is implemented as follows:First, a certain approximate solution to the problem is established, then the numbers of the coordinates of this solution that do not coincide with the optimal solution are determined. After that, new solutions are established by sequentially assigning values to these coordinates one by one in their intervals. The best of the solutions found in this process is accepted as the final innovative solution.Results. A problem was solved in order to visually illustrate the quality and effectiveness of the proposed method.Conclusions. The method we propose in this article cannot give worse results than any approximate solution method, is simple from an algorithmic point of view, is novel, can be easily programmed, and is important for solving real practical problems.Актуальність. Існують певні методи знаходження оптимального розв’язку задач цілочисельного програмування.Однак ці методи не можуть вирішувати масштабні задачі в режимі реального часу. Тому було запропонованонаближені розв’язки цих задач, які працюють швидко. Слід зазначити, що розв’язки, отримані цими методами, частосуттєво відрізняються від оптимального розв’язку. Тому виникає проблема прийняття будь-якого відомого наближеного розв’язку як початкового розв’язку та його подальшого вдосконалення.Мета роботи Спочатку знаходиться певний наближений розв’язок. Потім, на основі доведених теорем, визначаються координати цього розв’язку, які не збігаються з оптимальним. Після цього, послідовно змінюючи ці координати, знаходять нові розв’язки. За остаточний розв’язок приймається той, який дає найбільше значення функціоналу серед цих розв’язків.Метод. Метод, який ми пропонуємо в цій роботі, реалізується наступним чином:Спочатку встановлюється певний наближений розв’язок задачі, потім визначаються номери координат цьогорозв’язку, які не збігаються з оптимальним розв’язком. Після цього встановлюються нові розв’язки шляхом послідовного присвоєння значень цим координатам по одному в їхніх інтервалах. Найкраще з розв’язків, знайдених у цьому процесі, приймається як остаточне інноваційне рішення.Результати. Було вирішено задачу з метою візуальної ілюстрації якості та ефективності запропонованого методу.Висновки. Метод, який ми пропонуємо в цій статті, не може дати гірших результатів, ніж будь-який метод наближеного рішення, простий з алгоритмічної точки зору, є новим, його можна легко програмувати та важливий для вирішення реальних практичних завдань.Актуальність. Існують певні методи знаходження оптимального розв’язку задач цілочисельного програмування.Однак ці методи не можуть вирішувати масштабні задачі в режимі реального часу. Тому було запропоновано наближені розв’язки цих задач, які працюють швидко. Слід зазначити, що розв’язки, отримані цими методами, часто суттєво відрізняються від оптимального розв’язку. Тому виникає проблема прийняття будь-якого відомого наближеного розв’язку як початкового розв’язку та його подальшого вдосконалення.Мета роботи Спочатку знаходиться певний наближений розв’язок. Потім, на основі доведених теорем, визначаються координати цього розв’язку, які не збігаються з оптимальним. Після цього, послідовно змінюючи ці координати, знаходять нові розв’язки. За остаточний розв’язок приймається той, який дає найбільше значення функціоналу серед цих розв’язків.Метод. Метод, який ми пропонуємо в цій роботі, реалізується наступним чином:Спочатку встановлюється певний наближений розв’язок задачі, потім визначаються номери координат цього розв’язку, які не збігаються з оптимальним розв’язком. Після цього встановлюються нові розв’язки шляхом послідовного присвоєння значень цим координатам по одному в їхніх інтервалах. Найкраще з розв’язків, знайдених у цьому процесі, приймається як остаточне інноваційне рішення.Результати. Було вирішено задачу з метою візуальної ілюстрації якості та ефективності запропонованого методу.Висновки. Метод, який ми пропонуємо в цій статті, не може дати гірших результатів, ніж будь-який метод наближеного рішення, простий з алгоритмічної точки зору, є новим, його можна легко програмувати та важливий для вирішення реальних практичних завдань
ВИКОРИСТАННЯ ПАРАМЕТРІВ ЗАКОНУ РОЗПОДІЛУ ПОХИБОК ВИМІРІВ ПУЛЬСОКСИМЕТРУ ДЛЯ ВИБОРУ НАЛАШТУВАНЬ ДАТЧИКА
No full textContext is due to the need to develop a methodology for optimising the parameters of pulse oximeter sensor settings based on the practical determination of the accuracy of heart rate and blood oxygen saturation measurements, which, unlike existing ones, do not require analysis of the amplitude of the LED current.A pulse oximeter is one of the sensors that monitor the patient’s vital signs, heart rate and blood oxygen saturation in particular. These indicators are determined based on the analysis of the values of the variable and constant components of the current of the red and infrared LEDs of the pulse oximeter sensor. Therefore, the accuracy of determining vital signs depends on the correct choice of the brightness and duration of the LEDs’ radiation. It is possible to select the current and duration of the LEDs’ radiation, as well as the ADC parameters of the sensor using software. In this case, the final conclusion regarding the correctness of the selected sensor settings is made based on the practical determination of the accuracy of heart rate and blood oxygen saturation measurements.The object is to develop a methodology for assessing the correctness of the pulse oximeter sensor settings based on the analysis of the stationarity of errors in heart rate and blood oxygen saturation measurements.Method. An experimental study of the accuracy of heart rate and blood oxygen saturation measurements by statistical analysis of measurement errors of the developed pulse oximeter model.Results. The practical application of the proposed methodology for determining the optimal parameters of the pulse oximetersensor settings was tested using the example of heart rate measurements.Conclusion. A methodology has been developed to assess the correctness of the choice of sensor setting parameters based on analysing the stationarity of errors in measuring heart rate and oxygen saturation in the patient’s blood. With the help of the developed methodology, the optimal settings parameters of the MAX30102 sensor of the pulse oximeter developed based on the ESP32 board were selected, which ensures the minimum error in measuring heart rate and blood oxygen saturationАктуальність обумовлена необхідністю розробки методики оптимізації параметрів налаштувань датчика пульсоксиметру на основі практичного визначення точності вимірів частоти серцевих скорочень і сатурації кисню в крові, яка на відміну від існуючих, не вимагає аналізу амплітуди струму світлодіодів.Пульсоксиметр, як один із сенсорів, що здійснюють моніторинг життєве важливих показників здоров’я пацієнта, вимірює частоту серцевих скорочень і сатурацію кисню в крові. Ці показники визначаються на основі аналізу значень змінної та сталої складової струму червоного та інфрачервоного світлодіодів датчика пульсоксиметру. Тому від правильного вибору яскравості і тривалості випромінення світлодіодів залежить точність визначення життєве важливих показників здоров’я. Існує можливість програмного вибору струму і тривалості випромінення світлодіодів, а також параметрів АЦП. При цьому, остаточний висновок щодо правильності обраних параметрів налаштувань датчика робиться на основі практичного визначення точності вимірів частоти серцевих скорочень і сатурації кисню в крові.Метою роботи є розробка методики оцінки правильності вибору параметрів налаштувань датчика пульсоксиметру, що базується на аналізі стаціонарності похибок вимірів частоти серцевих скорочень та сатурації кисню в крові.Метод. Експериментальне дослідження точності вимірів частоти серцевих скорочень і сатурації кисню в крові шляхом статистичного аналізу похибок вимірювань створеного макету пальсоксиметра.Результати. Проведена перевірка практичного застосування запропонованої методики для визначення оптимальних параметрів налаштувань датчика пульсоксиметру на прикладі вимірювань частоти серцевих скорочень.Висновки. Розроблена методика оцінки правильності вибору параметрів налаштувань датчика, що базується на аналізі стаціонарності похибок вимірів частоти серцевих скорочень та сатурації кисню в крові пацієнта. За допомогою розробленої методики обрані оптимальні параметри налаштувань макету пульсоксиметру на базі плати ESP32 та датчика MAX30102, які забезпечують мінімальну похибку виміру частоти серцевих скорочень та сатурації кисню в кровіАктуальність обумовлена необхідністю розробки методики оптимізації параметрів налаштувань датчика пульсоксиметру на основі практичного визначення точності вимірів частоти серцевих скорочень і сатурації кисню в крові, яка на відміну від існуючих, не вимагає аналізу амплітуди струму світлодіодів.Пульсоксиметр, як один із сенсорів, що здійснюють моніторинг життєве важливих показників здоров’я пацієнта, вимірює частоту серцевих скорочень і сатурацію кисню в крові. Ці показники визначаються на основі аналізу значень змінної та сталої складової струму червоного та інфрачервоного світлодіодів датчика пульсоксиметру. Тому від правильного вибору яскравості і тривалості випромінення світлодіодів залежить точність визначення життєве важливих показників здоров’я. Існує можливість програмного вибору струму і тривалості випромінення світлодіодів, а також параметрів АЦП. При цьому, остаточний висновок щодо правильності обраних параметрів налаштувань датчика робиться на основі практичного визначення точності вимірів частоти серцевих скорочень і сатурації кисню в крові.Метою роботи є розробка методики оцінки правильності вибору параметрів налаштувань датчика пульсоксиметру, що базується на аналізі стаціонарності похибок вимірів частоти серцевих скорочень та сатурації кисню в крові.Метод. Експериментальне дослідження точності вимірів частоти серцевих скорочень і сатурації кисню в крові шляхом статистичного аналізу похибок вимірювань створеного макету пальсоксиметра.Результати. Проведена перевірка практичного застосування запропонованої методики для визначення оптимальних параметрів налаштувань датчика пульсоксиметру на прикладі вимірювань частоти серцевих скорочень.Висновки. Розроблена методика оцінки правильності вибору параметрів налаштувань датчика, що базується на аналізі стаціонарності похибок вимірів частоти серцевих скорочень та сатурації кисню в крові пацієнта. За допомогою розробленої методики обрані оптимальні параметри налаштувань макету пульсоксиметру на базі плати ESP32 та датчика MAX30102, які забезпечують мінімальну похибку виміру частоти серцевих скорочень та сатурації кисню в кров
АНАЛІТИЧНИЙ ОПИС ФІНАЛЬНИХ ІМОВІРНОСТЕЙ СТАНІВ У НЕПОВНО ДОСТУПНІЙ СИСТЕМІ ОБСЛУГОВУВАННЯ З ВІДМОВИМИ І З ВХІДНИМ ПОТОКОМ ГРУП ВИМОГ
No full textContext. The basis for the creation and management of real queuing systems (QS) is the ability to predict their effectiveness. For the general case of such systems with refusals, with limited approachability of service devices and with a random composition of group requirements in the input flow, the prediction of their performance remains an unsolved problem.Objective. The research has the aim to find an analytical representation for final probabilities in the above-mentioned case of Markov QS, which allows us to predict the efficiency of its operation depending on the values of the parameters in its structure and control.Method. For the above-mentioned types of QS, the state probabilities can be described by a system of Kolmogorov’s differential equations, which for the stationary case is transformed into a homogeneous system of linearly dependent algebraic equations. For real QS in communication systems, the number of equations can be estimated by the degree set and amount to several thousand, which gives rise to the problem of their recording and numerical solution for a specific set of operating conditions parameters values. The predictive value of such a solution does not exceed the probability of guessing the numerical values of the QS operating conditions parameters set and for parameters with a continuous value, for example, for random time intervals between requests, is zero.The method used is based on the analytical transition to the description of QS states groups with the same number of occupied devices. At the same time, the desire to obtain the final probabilities of states in a form close to the Erlang formulas remains. The influence of the above-mentioned QS properties can be localized in individual recurrent functions that multiplicatively distort Erlang formulas.Results. For the above-mentioned types of QS, analytical calculation formulas for estimating the QS states final probabilities have been found for the first time, which makes it possible to predict the values of all known indicators of system efficiency. In this case, the deformation functions of the states groups’ probability distribution in QS have a recurrent form, which is convenient both for finding their analytical expressions and for performing numerical calculations.When the parameters of the QS operating conditions degenerate, the resulting description automatically turns into a description of one of known QS with failures, up to the Erlang QS.Conclusions. The analytical calculation expressions found for the final probabilities of the above-mentioned QS turned out to be applicable to all types of Markov QS with failures, which was confirmed by the results of a numerical experiment. As a result, it became possible to practically apply the obtained analytical description of the considered QS for operational assessments of developed and existing QS effectiveness in the possible range of their operating conditions.Актуальність. Основою створення та управління реальними системами масового обслуговування є можливістьпрогнозу їхньої ефективності. Для загального випадку таких систем з відмовами, з неповною доступністю приладівобслуговування та з випадковим складом груп вимог у вхідному потоці прогноз ефективності їх роботи залишається невирішеною проблемою.Метод. Для вищевказаних типів СМО ймовірності станів можна описати системою диференціальних рівняньКолмогорова, яка для стаціонарного випадку перетворюється в однорідну систему лінійно залежних алгебраїчних рівнянь.Для реальних СМО в системах зв’язку кількість рівнянь може бути оцінена множиною-ступенем і досягати кількох тисяч,що породжує проблему їх запису та чисельного розв’язання для конкретного набору значень параметрів умов роботи.Прогностична цінність такого рішення не перевищує ймовірність вгадування числових значень параметрів умов роботиСМО, а для параметрів з безперервними значеннями, наприклад, для випадкових інтервалів часу між вимогами, дорівнює нулю.Використаний метод заснований на аналітичному переході до опису груп станів СМО з однаковою кількістю зайнятихпристроїв. При цьому прагнення отримати кінцеві ймовірності станів у формі, наближеній до формул Ерланга, залишається.Вплив згаданих вище властивостей СМО можна локалізувати в окремих рекурентних функціях, які мультиплікативноспотворюють формули Ерланга.Результати. Для вищезазначених типів СМО вперше знайдено аналітичні розрахункові формули для оцінки фінальнихймовірностей станів СМО, що дає змогу прогнозувати значення всіх відомих показників ефективності системи. У цьомувипадку функції деформації розподілу ймовірностей груп станів у СМО мають рекурентний вигляд, що зручно як длязнаходження їх аналітичних виразів, так і для чисельних розрахунків.Коли параметри умов роботи СМО вироджуються, результуючий опис автоматично перетворюється на опис однієї звідомих СМО з відмовами, аж до СМО Ерланга.Висновки. Знайдені аналітичні розрахункові вирази для фінальних ймовірностей вищезгаданої СМО виявилисязастосовними до всіх типів Марківської СМО з відмовами, що підтверджено результатами чисельного експерименту. Урезультаті стало можливим практично застосовувати отриманий аналітичний опис розглянутої СМО для оперативнихоцінок ефективності розробленої та існуючої СМО в можливому діапазоні умов їх функціонування.Актуальність. Основою створення та управління реальними системами масового обслуговування є можливість прогнозу їхньої ефективності. Для загального випадку таких систем з відмовами, з неповною доступністю приладівобслуговування та з випадковим складом груп вимог у вхідному потоці прогноз ефективності їх роботи залишається невирішеною проблемою.Метод. Для вищевказаних типів СМО ймовірності станів можна описати системою диференціальних рівняньКолмогорова, яка для стаціонарного випадку перетворюється в однорідну систему лінійно залежних алгебраїчних рівнянь.Для реальних СМО в системах зв’язку кількість рівнянь може бути оцінена множиною-ступенем і досягати кількох тисяч,що породжує проблему їх запису та чисельного розв’язання для конкретного набору значень параметрів умов роботи.Прогностична цінність такого рішення не перевищує ймовірність вгадування числових значень параметрів умов роботиСМО, а для параметрів з безперервними значеннями, наприклад, для випадкових інтервалів часу між вимогами, дорівнює нулю.Використаний метод заснований на аналітичному переході до опису груп станів СМО з однаковою кількістю зайнятих пристроїв. При цьому прагнення отримати кінцеві ймовірності станів у формі, наближеній до формул Ерланга, залишається.Вплив згаданих вище властивостей СМО можна локалізувати в окремих рекурентних функціях, які мультиплікативноспотворюють формули Ерланга.Результати. Для вищезазначених типів СМО вперше знайдено аналітичні розрахункові формули для оцінки фінальнихймовірностей станів СМО, що дає змогу прогнозувати значення всіх відомих показників ефективності системи. У цьомувипадку функції деформації розподілу ймовірностей груп станів у СМО мають рекурентний вигляд, що зручно як длязнаходження їх аналітичних виразів, так і для чисельних розрахунків.Коли параметри умов роботи СМО вироджуються, результуючий опис автоматично перетворюється на опис однієї звідомих СМО з відмовами, аж до СМО Ерланга.Висновки. Знайдені аналітичні розрахункові вирази для фінальних ймовірностей вищезгаданої СМО виявилисязастосовними до всіх типів Марківської СМО з відмовами, що підтверджено результатами чисельного експерименту. Урезультаті стало можливим практично застосовувати отриманий аналітичний опис розглянутої СМО для оперативнихоцінок ефективності розробленої та існуючої СМО в можливому діапазоні умов їх функціонування
ЗАСТОСУВАННЯ БІНАРНОГО ДЕРЕВА ПОШУКУ З ФІКСОВАНОЮ ВИСОТОЮ ДЛЯ ПРИСКОРЕННЯ ОБРОБКИ ОДНОВИМІРНИХ МАСИВІВ
Get PDFTopicality. Nowadays, binary search trees are widely used to speed up searching, sorting, and selecting array elements. But the computational complexity of searching using a binary tree is proportional to its height, which depends on the sequence of processing the elements of the array. In order to reduce the height of a tree, its balancing is periodically carried out, which is a long process,, thus, the development of alternative methods of controlling the height of a binary tree is currently an actual scientific task.Objective. Development of algorithms for the formation and use of a binary tree with a fixed height to accelerate the search for an element in an array and to determine arbitrary i-th order statistics, in particular, the median of the array.Method. In this study, it is proposed to set the fixed height of the binary search tree by one greater than the minimum possible height of the binary tree to accommodate all the elements of the array because increasing the fixed height leads to excessive RAM consumption, and decreasing it slows down tree modifications. The formation of such trees is similar to the balancing of trees but, unlike it, the recursive movement of nodes in them is performed only when the corresponding subtree is completely filled. For a binary search tree with a fixed height, RAM is allocated once when it is created, immediately under all possible nodes of a binary tree with a given height. This allows to avoid allocating and freeing memory for each node of the tree and store the values of the nodes in a one-dimensional array without using pointers.The results. Our experiments showed that in order to speed up the search of elements and to determine the i-th order statistics of frequently changing unordered arrays, it is advisable to additionally form a binary search tree with a fixed height. To initialize this tree, it is advisable to use a sorted copy of the keys of the array elements, and not to insert them one by one. For example, the use of a binary tree with a fixed height accelerates the search of medians of such arrays by more than 7 times compared to the method of two binary pyramids and additionally accelerates the redistribution of compressed data between modified DEFLATE-blocks in the process of progressive hierarchical lossless compression of images of the ACT set by an average of 2.92%.Conclusions. To determine medians or i-th order statistics of individual unrelated arrays and subarrays, instead of known sorting methods, it is advisable to use Hoare partitioning with exchange over long distances as it rearranges only individual elements and does not order the entire array completely. In order to determine the medians of the sequence of nested subarrays, ordered by the growth of their length, it is worth using the method of two binary pyramids because they are oriented to rapid addition of new elements. To find medians or i-th order statistics after changes or removal of elements of an unordered array, it is advisable to use a binary search tree for the keys of array elements with a fixed height as such fixing prevents uncontrolled growth of the number of comparison operations and makes it possible to process the tree without using instructions.Актуальність. На сьогодні для прискорення пошуку, сортування та відбору елементів масивів широко використовуються бінарні дерева пошуку. Але обчислювальна складність пошуку з використанням бінарного дерева пропорційна його висоті, яка, в свою чергу, залежить від послідовності опрацювання елементів масиву. Для зменшення висоти дерева періодично виконують його балансування, яке є тривалим процесом, тому розробка альтернативних способів контролю за висотою бінарного дерева є на сьогодні актуальним науковим завданням.Мета. Розробка принципів та відповідних алгоритмів формування та використання бінарного дерева з фіксованою висотою для прискорення пошуку елемента в масиві та визначення довільної i-ї порядкової статистики, зокрема, медіани масиву.Метод. В дослідженні запропоновано встановлювати фіксовану висоту бінарного дерева пошуку на одиницю більшоювід мінімально можливої висоти бінарного дерева для розміщення всіх елементів масиву, адже збільшення фіксованої висоти призводить до зайвих витрат оперативної пам’яті, а зменшення – сповільнює модифікації дерева. Формування таких дерев подібне до балансування дерев, але, на відміну від нього, рекурсивне переміщення вузлів у них виконується лише тоді, коли відповідне піддерево заповнене повністю. Для бінарного дерева пошуку з фіксованою висотою оперативна пам’ять виділяється один раз при його створенні – відразу під всі можливі вузли бінарного дерева заданої висоти. Це дає змогу уникнути операцій виділення та звільнення пам’яті під кожен вузол дерева та зберігати значення вузлів в одновимірному масиві без використання вказівок.Результати. Наші експерименти показали, що для прискорення пошуку елементів та визначення i-тих порядкових статистик часто змінюваних невпорядкованих масивів доцільно додатково формувати бінарне дерево пошуку з фіксованою висотою. Для ініціалізації цього дерева доцільно використати відсортовану копію ключів елементів масиву, а не вставляти їх почергово. Використання бінарного дерева з фіксованою висотою прискорює, наприклад, пошук медіан таких масивів більш ніж в 7 разів відносно методу двох бінарних пірамід та додатково прискорює перерозподіл стиснутих даних між модифікованими DEFLATE-блоками в процесі прогресуючого ієрархічного стиснення без втрат зображень набору ACT в середньому на 2,92%.Висновки. Для визначення медіан чи i-тих порядкових статистик окремих непов’язаних масивів та підмасивів замістьвідомих методів сортування доцільно використовувати розбиття Hoare з обміном на великих відстанях, оскільки воно переставляє лише окремі елементи, а не впорядковує весь масив повністю. З метою визначення медіан послідовності вкладених підмасивів, впорядкованих за зростанням їх довжини, варто застосовувати метод двох бінарних пірамід, адже вони орієнтовані на швидке доповнення новими елементами. Для знаходження медіан чи i-тих порядкових статистик після змін чи вилучень елементів невпорядкованого масиву доцільно використати бінарне дерево пошуку ключів елементів масиву з фіксованою висотою, оскільки таке фіксування запобігає неконтрольованому зростанню кількостей операцій порівняння та дає змогу обробляти дерево без використання вказівок.Актуальність. На сьогодні для прискорення пошуку, сортування та відбору елементів масивів широко використовуються бінарні дерева пошуку. Але обчислювальна складність пошуку з використанням бінарного дерева пропорційна його висоті, яка, в свою чергу, залежить від послідовності опрацювання елементів масиву. Для зменшення висоти дерева періодично виконують його балансування, яке є тривалим процесом, тому розробка альтернативних способів контролю за висотою бінарного дерева є на сьогодні актуальним науковим завданням.Мета. Розробка принципів та відповідних алгоритмів формування та використання бінарного дерева з фіксованою висотою для прискорення пошуку елемента в масиві та визначення довільної i-ї порядкової статистики, зокрема, медіани масиву.Метод. В дослідженні запропоновано встановлювати фіксовану висоту бінарного дерева пошуку на одиницю більшою від мінімально можливої висоти бінарного дерева для розміщення всіх елементів масиву, адже збільшення фіксованої висоти призводить до зайвих витрат оперативної пам’яті, а зменшення – сповільнює модифікації дерева. Формування таких дерев подібне до балансування дерев, але, на відміну від нього, рекурсивне переміщення вузлів у них виконується лише тоді, коли відповідне піддерево заповнене повністю. Для бінарного дерева пошуку з фіксованою висотою оперативна пам’ять виділяється один раз при його створенні – відразу під всі можливі вузли бінарного дерева заданої висоти. Це дає змогу уникнути операцій виділення та звільнення пам’яті під кожен вузол дерева та зберігати значення вузлів в одновимірному масиві без використання вказівок.Результати. Наші експерименти показали, що для прискорення пошуку елементів та визначення i-тих порядкових статистик часто змінюваних невпорядкованих масивів доцільно додатково формувати бінарне дерево пошуку з фіксованою висотою. Для ініціалізації цього дерева доцільно використати відсортовану копію ключів елементів масиву, а не вставляти їх почергово. Використання бінарного дерева з фіксованою висотою прискорює, наприклад, пошук медіан таких масивів більш ніж в 7 разів відносно методу двох бінарних пірамід та додатково прискорює перерозподіл стиснутих даних між модифікованими DEFLATE-блоками в процесі прогресуючого ієрархічного стиснення без втрат зображень набору ACT в середньому на 2,92%.Висновки. Для визначення медіан чи i-тих порядкових статистик окремих непов’язаних масивів та підмасивів замість відомих методів сортування доцільно використовувати розбиття Hoare з обміном на великих відстанях, оскільки воно переставляє лише окремі елементи, а не впорядковує весь масив повністю. З метою визначення медіан послідовності вкладених підмасивів, впорядкованих за зростанням їх довжини, варто застосовувати метод двох бінарних пірамід, адже вони орієнтовані на швидке доповнення новими елементами. Для знаходження медіан чи i-тих порядкових статистик після змін чи вилучень елементів невпорядкованого масиву доцільно використати бінарне дерево пошуку ключів елементів масиву з фіксованою висотою, оскільки таке фіксування запобігає неконтрольованому зростанню кількостей операцій порівняння та дає змогу обробляти дерево без використання вказівок
ГІБРИДНІ ТЕХНОЛОГІЇ МАШИННОГО НАВЧАННЯ ДЛЯ ПРОГНОЗУВАННЯ КОМПЛЕКСНОЇ ДІЯЛЬНОСТІ ПРОМИСЛОВОГО ПЕРСОНАЛУ ЗА ДАНИМИ СМАРТ-ГОДИННИКІВ
No full textContext. In today’s industrial development, significant attention is paid to systems for recognizing and predicting human activity in real time. Such technologies are key to the transition from the concept of Industry 4.0 to Industry 5.0, as they allow for improved interaction between man and machine, as well as to ensure a higher level of safety, adaptability and efficiency of production processes. These approaches are particularly relevant in the field of internal logistics, where cooperation with autonomous vehicles requires a high level of coordination and adaptability.Objective. To create a technological solution for the prompt detection and prediction of complex human activity in the internal logistics environment by using sensor data from smart watches. The main goal is to improve cooperation between employees and automated systems, increase occupational safety and efficiency of logistics processes.Method. A decentralized data collection system using smart watches has been developed. A mobile application in Kotlin was created to capture sensor readings during a series of logistics actions performed by five workers. To process incomplete or distorted data, anomaly detection algorithms were applied, including STD, logarithmic transformation of STD, DBSCAN, and IQR, as well as smoothing methods such as moving average, weighted moving average, exponential smoothing, local regression, and Savitsky-Goley filter. The processed data were used to train models, with the employment of such advanced techniques as transfer learning, continuous wavelet transform, and classifier stacking.Results. The pre-trained deep model with the DenseNet121 architecture was chosen as the base classifier, which showed an F1- metric of 91.01% in recognizing simple actions. Five neural network architectures (single- and multi-layer) with two data distribution strategies were tested to analyze complex activity. The highest accuracy – F1-metric 87.44% – was demonstrated by the convolutional neural network when using a joint approach to data distribution.Conclusions. The results of the study indicate the possibility of applying the proposed technology for real-time recognition of complex human activities in intra-logistics systems based on data from smart-watch sensors, which will improve human-machine interaction and increase the efficiency of industrial logistics processesАктуальність. У сучасному промисловому виробництві значна увага приділяється системам розпізнавання та прогнозування людської активності в реальному часі. Такі технології є ключовими для переходу від Індустрії 4.0 до Індустрії 5.0, оскільки вони забезпечують покращену взаємодію між людиною і машиною, а також вищий рівень безпеки, адаптивності та ефективності виробничих процесів. Ці підходи особливо актуальні в галузі внутрішньої логістики, де співпраця з автоматизованими транспортними засобами вимагає високого рівня координації та гнучкості.Мета. Створити технологічне рішення для оперативного виявлення та прогнозування складної поведінки людини у системах внутрішньої логістики шляхом використання сенсорних даних зі розумних годинників. Основна ціль – підвищити рівень взаємодії між працівниками та автоматизованими системами, збільшити безпеку праці й ефективність логістичних процесів.Метод. Розроблено децентралізовану систему збору даних із використанням розумних годинників. У мобільному додатку, написаному мовою Kotlin, фіксувалися показники сенсорів під час виконання серії логістичних активностей п’ятьма працівниками. Для обробки неповних або спотворених даних застосовано алгоритми виявлення аномалій, зокрема STD, логарифмічне перетворення STD, DBSCAN та IQR, а також методи згладжування, такі як ковзне середнє, зважене ковзне середнє, експоненційне згладжування, локальна регресія й фільтр Савіцького-Голея. Оброблені дані використовувалися для навчання моделей із застосуванням таких сучасних підходів, як передавальне навчання, неперервне вейвлет-перетворення та стекінг класифікаторів.Результати. У ролі базового класифікатора обрано попередньо натреновану глибоку модель з архітектурою DenseNet121, яка показала F1-метрику 91,01 % при розпізнаванні простих дій. Для аналізу складних активностей випробувано п’ять архітектур нейронних мереж (однашарових і багатошарових) з двома стратегіями розподілу даних. Найвищу точність – F1-метрику 87,44 % – продемонструвала згорткова нейронна мережа при використанні об’єднаного підходу до розподілу даних.Висновки. Результати дослідження свідчать про можливість застосування запропонованої технології розпізнавання складної людської діяльності в режимі реального часу в інтралогістичних системах на основі даних з сенсорів смартгодинника яка покращить взаємодію людини та машини та підвищить ефективність промислових логістичних процесівАктуальність. У сучасному промисловому виробництві значна увага приділяється системам розпізнавання та прогнозування людської активності в реальному часі. Такі технології є ключовими для переходу від Індустрії 4.0 до Індустрії 5.0, оскільки вони забезпечують покращену взаємодію між людиною і машиною, а також вищий рівень безпеки, адаптивності та ефективності виробничих процесів. Ці підходи особливо актуальні в галузі внутрішньої логістики, де співпраця з автоматизованими транспортними засобами вимагає високого рівня координації та гнучкості.Мета. Створити технологічне рішення для оперативного виявлення та прогнозування складної поведінки людини у системах внутрішньої логістики шляхом використання сенсорних даних зі розумних годинників. Основна ціль – підвищити рівень взаємодії між працівниками та автоматизованими системами, збільшити безпеку праці й ефективність логістичних процесів.Метод. Розроблено децентралізовану систему збору даних із використанням розумних годинників. У мобільному додатку, написаному мовою Kotlin, фіксувалися показники сенсорів під час виконання серії логістичних активностей п’ятьма працівниками. Для обробки неповних або спотворених даних застосовано алгоритми виявлення аномалій, зокрема STD, логарифмічне перетворення STD, DBSCAN та IQR, а також методи згладжування, такі як ковзне середнє, зважене ковзне середнє, експоненційне згладжування, локальна регресія й фільтр Савіцького-Голея. Оброблені дані використовувалися для навчання моделей із застосуванням таких сучасних підходів, як передавальне навчання, неперервне вейвлет-перетворення та стекінг класифікаторів.Результати. У ролі базового класифікатора обрано попередньо натреновану глибоку модель з архітектурою DenseNet121, яка показала F1-метрику 91,01 % при розпізнаванні простих дій. Для аналізу складних активностей випробувано п’ять архітектур нейронних мереж (однашарових і багатошарових) з двома стратегіями розподілу даних. Найвищу точність – F1-метрику 87,44 % – продемонструвала згорткова нейронна мережа при використанні об’єднаного підходу до розподілу даних.Висновки. Результати дослідження свідчать про можливість застосування запропонованої технології розпізнавання складної людської діяльності в режимі реального часу в інтралогістичних системах на основі даних з сенсорів смартгодинника яка покращить взаємодію людини та машини та підвищить ефективність промислових логістичних процесі
ПРОСТІ, ШВИДКІ ТА МАСШТАБОВАНІ РЕКОМЕНДАЦІЙНІ СИСТЕМИ ЗАСНОВАНІ НА ФІЛЬТРАЦІЇ ЗНАНЬ ВІД ВЧИТЕЛЯ
No full textContext. Recommendation systems are important tools for modern businesses to generate more income via proposing relevant goods to clients and achieve more loyal attendees. With deep learning emergence and hardware capabilities evolution it became possible to grasp customer behavioral patterns in data-driven way. However, accuracy of prediction is dependent on complexity of system, and these factors lead to increased delay in model’s output. The object of the study is the task of issuing sequential recommendations, namely the next most relevant product, subject to restrictions on system response time.Objective. The goal of the research is the synthesis of a deep neural network that can retrieve relevant items for a large portion of users with minimal delay.Method. The proposed method of obtaining recommendation systems that leverages a mixture of Attention-based deep learning model architectures with application of knowledge graphs for prediction quality enhancement via explicit enrichment of recommendation candidate pool, demonstrates the benefits of decoder-only models and distillation learning framework. The latter approach was proven to demonstrate outstanding performance in solving recommendation retrieval task while responding fast for large user batch processing.Results. A model of a recommender system and a method for its training are proposed, combining the knowledge distillationparadigm and learning on knowledge graphs. The proposed method was implemented via two-tower deep neural network to solve recommendation retrieval problem. A system for predicting the most relevant proposals for the user has been built, which includes the proposed model and its training method, as well as ranking indicators MAP@k and NDCG@k to assess the quality of the models. A program has been developed that implements the proposed architecture of the recommendation system, with the help of which the problem of issuing the most relevant proposals has been studied. When conducting experiments on a large amount of real data from user visits to an online retail store, it was found that the proposed method for designing recommender systems guarantees high relevance of the recommendations issued, is fast and unpretentious to computing resources at the stage of receiving responses from the system.Conclusions. Series of conducted experiments confirmed that the proposed system effectively solves the problem in a short period of time, which is a strong argument in favor of its use in real conditions for large businesses that operate millions of visits per month and thousands of products. Prospects for further research within the given research topic include the use of other knowledge distillation methods, such as internal or self-distillation, the use of deep learning architectures other than the attention mechanism, and optimization of embedding vector storageАктуальність. Системи рекомендацій – важливі інструменти для сучасного бізнесу, які дають змогу отримувати більший дохід за рахунок пропозиції клієнтам відповідних товарів та залучення більш лояльних відвідувачів. З появою глибокого навчання та розвитком апаратних можливостей стало можливим уловлювати моделі поведінки клієнтів на основі даних.Однак точність прогнозу залежить від складності системи, і ці фактори призводять до збільшення затримки виведення наоснові моделі. Об’єктом дослідження є задача видачі послідовних рекомендацій, а саме – наступного найбільш релевантного товару в умовах наявності обмежень по часу відповіді системи.Ціль. Метою дослідження є синтез глибокої нейронної мережі, яка з мінімальною затримкою може отримуватирелевантні елементи для більшості користувачів.Метод. Пропонований метод отримання систем рекомендацій, який використовує поєднання архітектур моделей глибокого навчання на основі уваги із застосуванням графів знань для підвищення якості прогнозування за допомогою явного збагачення пулу кандидатів для рекомендацій, демонструє переваги моделей декодування та структури дистиляційного навчання. Було доведено, що підхід дистиляції знань є надзвичайно продуктивним під час вирішення завдань пошуку рекомендацій, одночасно швидко реагуючи на пакетну обробку великих обсягів даних користувачів.Результати. Запропоновано модель рекомендаційної системи та метод її навчання, що поєднує парадигму дистиляціїзнань та навчання на графах знань. Запропонований метод був реалізований через двобаштову глибоку нейронну мережу для вирішення проблеми пошуку рекомендацій. Побудовано систему прогнозування найбільш релевантних наступних пропозицій для користувача, яка включає пропоновану модель та метод її навчання, а також показники ранжування MAP@k та NDCG@k для оцінки якості роботи моделей. Розроблено програму, яка реалізує пропоновану архітектуру рекомендаційної системи, за допомогою якої досліджена проблема видачі найрелевантніших наступних пропозицій. Під час проведення експериментів на великій кількості реальних даних візитів користувачів до онлайн магазину роздрібної торгівлі було встановлено, що пропонований метод конструкції рекомендаційних систем гарантує високу релевантність виданих рекомендацій, є швидким та невибагливим до обчислювальних ресурсів на етапі отримання відповідей від системи.Висновки. Проведені експерименти підтвердили, що запропонована система ефективно вирішує поставлену задачу замалий проміжок часу, що є вагомим аргументом на користь її застосування в реальних умовах для великих бізнесів, що оперують мільйонами візитів на місяць та тисячами товарів. Перспективи подальших досліджень в рамках заданої теми дослідження включають в себе використання інших методів дистиляції знань, таких як внутрішня або само-дистиляція, використання відмінних від механізму уваги архітектур глибинного навчання, а також оптимізація сховища векторів вкладеньАктуальність. Системи рекомендацій – важливі інструменти для сучасного бізнесу, які дають змогу отримувати більший дохід за рахунок пропозиції клієнтам відповідних товарів та залучення більш лояльних відвідувачів. З появою глибокого навчання та розвитком апаратних можливостей стало можливим уловлювати моделі поведінки клієнтів на основі даних. Однак точність прогнозу залежить від складності системи, і ці фактори призводять до збільшення затримки виведення на основі моделі. Об’єктом дослідження є задача видачі послідовних рекомендацій, а саме – наступного найбільш релевантного товару в умовах наявності обмежень по часу відповіді системи.Ціль. Метою дослідження є синтез глибокої нейронної мережі, яка з мінімальною затримкою може отримувати релевантні елементи для більшості користувачів.Метод. Пропонований метод отримання систем рекомендацій, який використовує поєднання архітектур моделей глибокого навчання на основі уваги із застосуванням графів знань для підвищення якості прогнозування за допомогою явного збагачення пулу кандидатів для рекомендацій, демонструє переваги моделей декодування та структури дистиляційного навчання. Було доведено, що підхід дистиляції знань є надзвичайно продуктивним під час вирішення завдань пошуку рекомендацій, одночасно швидко реагуючи на пакетну обробку великих обсягів даних користувачів.Результати. Запропоновано модель рекомендаційної системи та метод її навчання, що поєднує парадигму дистиляції знань та навчання на графах знань. Запропонований метод був реалізований через двобаштову глибоку нейронну мережу для вирішення проблеми пошуку рекомендацій. Побудовано систему прогнозування найбільш релевантних наступних пропозицій для користувача, яка включає пропоновану модель та метод її навчання, а також показники ранжування MAP@k та NDCG@k для оцінки якості роботи моделей. Розроблено програму, яка реалізує пропоновану архітектуру рекомендаційної системи, за допомогою якої досліджена проблема видачі найрелевантніших наступних пропозицій. Під час проведення експериментів на великій кількості реальних даних візитів користувачів до онлайн магазину роздрібної торгівлі було встановлено, що пропонований метод конструкції рекомендаційних систем гарантує високу релевантність виданих рекомендацій, є швидким та невибагливим до обчислювальних ресурсів на етапі отримання відповідей від системи.Висновки. Проведені експерименти підтвердили, що запропонована система ефективно вирішує поставлену задачу за малий проміжок часу, що є вагомим аргументом на користь її застосування в реальних умовах для великих бізнесів, що оперують мільйонами візитів на місяць та тисячами товарів. Перспективи подальших досліджень в рамках заданої теми дослідження включають в себе використання інших методів дистиляції знань, таких як внутрішня або само-дистиляція, використання відмінних від механізму уваги архітектур глибинного навчання, а також оптимізація сховища векторів вкладен
ЛОГIКО-ОНТОЛОГIЧНА РЕКОНСТРУКЦIЯ ДИСКУРСИВНОÏ СТРУКТУРИ НАУКОВОГО ТЕКСТУ ТА ÏÏ РЕАЛIЗАЦIЯ В ШI-СИСТЕМI РЕЦЕНЗУВАННЯ
No full textContext. The growing number of scientific publications and the emergence of tools based on large language models (LLMs) highlight the need for automated verification of the structural quality of scientific texts. Most existing solutions focus on surfacelevel linguistic analysis and do not account for logical-discursive integrity – specifically, whether the text includes a hypothesis, method, results, conclusions, and whether these elements are connected by normative relationships.Objective. The aim of this study is to develop an ontology-driven approach for the formalized verification of scientific text structures by constructing an ontological knowledge graph and evaluating its compliance with a predefined normative model of scientific discourse.Method. A model is proposed based on two interrelated ontologies: “Scientific Publication” (defining node types and their roles) and “Reviewing” (defining logical-discursive requirements). The text is represented as a graph where nodes are formed through semantic markup using an LLM, and connections are verified according to a set of normative rules. A specialized GPT agent capable of dynamically applying ontological knowledge during analysis and review generation is employed for implementation.Results. The model enables automatic detection of discourse structure violations: the absence of key elements, logical discontinuities, substitution of scientific novelty with practical significance, and incorrect interpretation of results. The proposed metrics quantitatively capture the level of structural completeness and consistency. Provided examples of graphs and reviews demonstrate that the system can detect non-obvious, latent logical inconsistencies even in formally complete texts.Conclusions. The scientific novelty of the study lies in introducing the ontological graph as an interpretable model of scientific argumentation, used in tandem with a large language model. The practical significance lies in establishing a foundation for semiautomated reviewing, structural analysis of publications, and academic writing training. The methodology is scalable to other genres of scientific texts and can potentially be integrated into editorial platforms.Актуальність. Зростання кількості наукових публікацій і поява інструментів на основі великих мовних моделей (LLM)актуалізують потребу в автоматизованій верифікації структурної якості наукового тексту. Більшість існуючих рішень зосереджені на поверхневому лінгвістичному аналізі та не враховують логіко-дискурсивну цілісність: зокрема, чи присутні в тексті гіпотеза, метод, результати, висновки та чи пов’язані вони між собою нормативними зв’язками.Мета. Метою дослідження є розроблення онтологічно керованого підходу до формалізованої перевірки структури наукових текстів шляхом побудови онтологічного графа знань і оцінки його відповідності наперед визначеній нормативній моделі наукового дискурсу.Метод. Запропоновано модель, що ґрунтується на двох взаємопов’язаних онтологіях – «Наукова публікація» (визначаєтипи вузлів і їх ролі) та «Рецензування» (визначає логіко-дискурсивні вимоги). Текст подається у вигляді графа у якомувузли формуються на основі семантичної розмітки за допомогою LLM, а зв’язки перевіряються відповідно до множини нормативних правил. Для реалізації використано спеціалізованого GPT-агента, здатного динамічно застосовувати онтологічні знання під час аналізу та генерації рецензій.Результати. Модель дозволяє автоматично виявляти порушення дискурсивної структури: відсутність ключових елементів, логічну розірваність, підміну наукової новизни практичною значущістю, некоректну інтерпретацію результатів. Запропоновані метрики кількісно фіксують рівень структурної повноти та узгодженості. Наведені приклади графів і рецензій демонструють, що система здатна виявляти неочевидні, латентні порушення логіки викладу навіть у формально повних текстах.Висновки. Наукова новизна дослідження полягає у впровадженні онтологічного графа як інтерпретованої моделі наукової аргументації, що використовується у тандемі з великою мовною моделлю. Практичне значення полягає у створенні основи для напівавтоматизованого рецензування, структурного аналізу публікацій і навчання академічному письму. Методологія є масштабованою на інші жанри наукового тексту та потенційно інтегрованою у редакційні платформи.Актуальність. Зростання кількості наукових публікацій і поява інструментів на основі великих мовних моделей (LLM) актуалізують потребу в автоматизованій верифікації структурної якості наукового тексту. Більшість існуючих рішень зосереджені на поверхневому лінгвістичному аналізі та не враховують логіко-дискурсивну цілісність: зокрема, чи присутні в тексті гіпотеза, метод, результати, висновки та чи пов’язані вони між собою нормативними зв’язками.Мета. Метою дослідження є розроблення онтологічно керованого підходу до формалізованої перевірки структури наукових текстів шляхом побудови онтологічного графа знань і оцінки його відповідності наперед визначеній нормативній моделі наукового дискурсу.Метод. Запропоновано модель, що ґрунтується на двох взаємопов’язаних онтологіях – «Наукова публікація» (визначає типи вузлів і їх ролі) та «Рецензування» (визначає логіко-дискурсивні вимоги). Текст подається у вигляді графа у якому вузли формуються на основі семантичної розмітки за допомогою LLM, а зв’язки перевіряються відповідно до множини нормативних правил. Для реалізації використано спеціалізованого GPT-агента, здатного динамічно застосовувати онтологічні знання під час аналізу та генерації рецензій.Результати. Модель дозволяє автоматично виявляти порушення дискурсивної структури: відсутність ключових елементів, логічну розірваність, підміну наукової новизни практичною значущістю, некоректну інтерпретацію результатів. Запропоновані метрики кількісно фіксують рівень структурної повноти та узгодженості. Наведені приклади графів і рецензій демонструють, що система здатна виявляти неочевидні, латентні порушення логіки викладу навіть у формально повних текстах.Висновки. Наукова новизна дослідження полягає у впровадженні онтологічного графа як інтерпретованої моделі наукової аргументації, що використовується у тандемі з великою мовною моделлю. Практичне значення полягає у створенні основи для напівавтоматизованого рецензування, структурного аналізу публікацій і навчання академічному письму. Методологія є масштабованою на інші жанри наукового тексту та потенційно інтегрованою у редакційні платформи
МЕТАЕВРИСТИЧНІ МЕТОДИ ПАРАМЕТРИЧНОЇ ІДЕНТИФІКАЦІЇ АПРОКСИМАЦІЙНОЇ МОДЕЛІ НА ОСНОВІ ЙМОВІРНИСНИХ МОДЕЛЕЙ
No full textContext. To enhance the performance of numerical optimization techniques, hybrid approaches integrating probabilistic modeling algorithms with annealing simulation have been introduced. These include Bayesian optimization, Markov-based strategies, and extended compact genetic algorithms, each augmented by annealing mechanisms. Such methods enable more precise search trajectories without requiring fitness function transformation, owing to their ability to explore the global search space in early iterations and refine the directionality of search in later stages.Objective. The research aims to improve the effectiveness of parameter identification within approximation models of financial indicators by applying metaheuristic algorithms that incorporate probabilistic modeling and annealing-based simulation in intelligent computing systems.Method. This study employs metaheuristic techniques grounded in probabilistic modeling and annealing-based simulation to enhance the accuracy and efficiency of parameter estimation within economic indicator approximation frameworks. Specifically, it introduces three hybrid strategies: Bayesian-based optimization integrated with annealing simulation, Markov-driven optimization enhanced by annealing, and an extended compact genetic algorithm coupled with annealing mechanisms. These methods enhance the accuracy of the search process by exploring the entire search space in initial iterations and refining the search direction in final iterations. The Bayesian optimization method employs a Bayesian network for structured search and solution refinement. The Markov optimization method integrates Gibbs quantization within a Markov network to improve search precision. The extended compact genetic algorithm utilizes limit distribution models to generate optimal solutions. These methods eliminate the need for fitness function transformation, optimizing computational efficiency. The proposed techniques expand the application of metaheuristics in intelligent economic computer systems.Results. The implemented optimization strategies significantly enhanced the precision of parameter estimation within intelligent financial computing frameworks. The combination of probabilistic models and annealing simulation enhanced search efficiency without requiring fitness function transformation.Conclusions. The proposed method expands the application of metaheuristics in economic modeling, increasing computational effectiveness. Further research should explore their implementation across diverse artificial intelligence problems.Актуальність. Для покращення якості аналізу економічних індикаторів та підвищення ефективності методів числової оптимізації було запропоновано методи, засновані на синтезі алгоритмів імовірнісних моделей та моделюваннівідпалу (байєсівська оптимізація з моделюванням відпалу, марковська оптимізація з моделюванням відпалу та розширений компактний генетичний алгоритм з моделюванням відпалу). Ці методи покращують точність пошуку та непотребують трансформації функції пристосованості завдяки принципу організації дослідження всього простору пошуку на початкових ітераціях та коригування напрямку пошуку на фінальних.Метою роботи є підвищення ефективності параметричної ідентифікації моделі апроксимації економічних показників в інтелектуальних фінансових комп’ютерних системах за допомогою метаевристичних методів, заснованих наімовірнісних моделях та моделюванні відпалу.Методи. У дослідженні застосовано метаевристичні методи оптимізації на основі імовірнісних моделей та моделювання відпалу для покращення ефективності параметричної ідентифікації моделі апроксимації економічних показників. Запропоновано три підходи: байєсівська оптимізація з моделюванням відпалу, марковська оптимізація з моделюванням відпалу та розширений компактний генетичний алгоритм з моделюванням відпалу. Ці методи підвищують точність пошуку, досліджуючи весь простір пошуку на початкових ітераціях та коригуючи напрямок на фінальних.Байєсівська оптимізація використовує байєсівську мережу для структурованого пошуку та вдосконалення рішень.Марковська оптимізація інтегрує квантування Гіббса у марковську мережу для покращення точності пошуку. Розширений компактний генетичний алгоритм застосовує моделі граничних розподілів для генерації оптимальних рішень. Запропоновані методи усувають необхідність трансформації функції пристосованості, оптимізуючи обчислювальну ефективність.Результати. Запропоновані методи оптимізації покращили точність параметричної ідентифікації в інтелектуальних фінансових комп’ютерних системах. Поєднання імовірнісних моделей та моделювання відпалу підвищило ефективність пошуку без необхідності трансформації функції пристосованості.Висновки. Запропоновані методи розширюють застосування метаевристик в економічному моделюванні, покращуючи обчислювальну ефективність. Перспективами подальших досліджень є використання запропонованих методівдля більш широкого класу задач машинного навчання.Актуальність. Для покращення якості аналізу економічних індикаторів та підвищення ефективності методів числової оптимізації було запропоновано методи, засновані на синтезі алгоритмів імовірнісних моделей та моделюванні відпалу (байєсівська оптимізація з моделюванням відпалу, марковська оптимізація з моделюванням відпалу та розширений компактний генетичний алгоритм з моделюванням відпалу). Ці методи покращують точність пошуку та не потребують трансформації функції пристосованості завдяки принципу організації дослідження всього простору пошуку на початкових ітераціях та коригування напрямку пошуку на фінальних.Метою роботи є підвищення ефективності параметричної ідентифікації моделі апроксимації економічних показників в інтелектуальних фінансових комп’ютерних системах за допомогою метаевристичних методів, заснованих наімовірнісних моделях та моделюванні відпалу.Методи. У дослідженні застосовано метаевристичні методи оптимізації на основі імовірнісних моделей та моделювання відпалу для покращення ефективності параметричної ідентифікації моделі апроксимації економічних показників. Запропоновано три підходи: байєсівська оптимізація з моделюванням відпалу, марковська оптимізація з моделюванням відпалу та розширений компактний генетичний алгоритм з моделюванням відпалу. Ці методи підвищують точність пошуку, досліджуючи весь простір пошуку на початкових ітераціях та коригуючи напрямок на фінальних.Байєсівська оптимізація використовує байєсівську мережу для структурованого пошуку та вдосконалення рішень.Марковська оптимізація інтегрує квантування Гіббса у марковську мережу для покращення точності пошуку. Розширений компактний генетичний алгоритм застосовує моделі граничних розподілів для генерації оптимальних рішень. Запропоновані методи усувають необхідність трансформації функції пристосованості, оптимізуючи обчислювальну ефективність.Результати. Запропоновані методи оптимізації покращили точність параметричної ідентифікації в інтелектуальних фінансових комп’ютерних системах. Поєднання імовірнісних моделей та моделювання відпалу підвищило ефективність пошуку без необхідності трансформації функції пристосованості.Висновки. Запропоновані методи розширюють застосування метаевристик в економічному моделюванні, покращуючи обчислювальну ефективність. Перспективами подальших досліджень є використання запропонованих методівдля більш широкого класу задач машинного навчання
ОЦІНКА ЯКОСТІ ВИЯВЛЕННЯ РАДІОЛОКАЦІЙНОГО СИГНАЛУ З НЕЛІНІЙНОЮ ЧАСТОТНОЮ МОДУЛЯЦІЄЮ ЗА НАЯВНОСТІ НЕСТАЦІОНАРНОГО ПЕРЕШКОДОВОГО ФОНУ
No full textContext. Signals with long duration frequency modulation are widely used in radar, which allows increasing the radiated energy without degrading the range resolution and with peak power limitations. Increasing the product of the spectrum width by the radio pulse duration causes the passive interference zone to stretch out from the range, which leads to an interference with a more uniform intensity distribution in space and reduces the potential signal detection capabilities. Real passive obstacles have a non-stationary power distribution in space elements, so the signal reflected from the target can be detected in the gaps of passive obstacles or in areas with a lower level of them, provided that it is assessed (mapping of obstacles) and the detection threshold is adaptively set by space elements. Therefore, it is relevant to conduct research to assess the quality of detection of signals reflected from airborne targets depending on the level of non-stationarity of the interference background.Objective. The aim of this work is to develop a methodology for assessing the influence of the level of the side lobes of signal correlation functions on the quality indicators of their detection in the presence of a non-stationary interference background of different intensity.Method. The quality indicators of detection of frequency-modulated signals were studied. The problem of assessing the influence of the level of the lateral lobes of the correlation function on the quality indicators of signal detection against a non-stationary passive interference was solved by determining the parameters of the generalised gamma power distribution of such an interference, depending on the shape of the autocorrelation function of the signal.Results. It is determined that for a high level of non-stationarity of the initial interference process for all signal models, the potential gain is almost the same and has a maximum value. In the case of reducing the level of non-stationarity of this process, the gain decreases. The traditional linear-frequency modulated signal gives a slightly worse result compared to nonlinear-frequency modulated signals. For all the studied frequency modulation laws, the gain is more noticeable when the requirements for signal detection quality are reduced.Conclusions. A methodology for estimating the quality indicators of detecting echo signals on an interfering background with varying degrees of non-stationarity is developed. To improve the energy performance of detecting small-sized airborne objects against the background of non-stationary passive interference, it is advisable to use signals with nonlinear frequency modulation and reduce the probability of correct target detection.Актуальність. В радіолокації широке застосування знайшли сигнали з частотною модуляцією великої тривалості, щодозволяє без погіршення роздільної здатності за дальністю збільшити випромінювану енергію при обмеженнях на пікову потужність. Збільшення добутку ширини спектру на тривалість радіоімпульсу викликає розтягування зони пасивних перешкод з дальності, що призводить до появи перешкоди з більш рівномірним розподілом інтенсивності у просторі та знижує потенційні можливості з виявлення сигналу. Реальні пасивні перешкоди мають нестаціонарний розподіл потужності в елементах простору, за таких умов відбитий від цілі сигнал можна виявляти у розривах пасивних перешкод або на ділянках з меншим їх рівнем за умови його оцінювання (ведення карти перешкод) та адаптивного встановлення порогу виявлення за елементами простору. Тому є актуальним проведення досліджень з оцінки якості виявлення відбитих від повітряних цілей сигналів у залежності від рівня нестаціонарності перешкодового фону.Метою роботи є розробка методики для оцінки впливу рівня бічних пелюсток функцій кореляції сигналів на показникиякості їх виявлення при наявності нестаціонарного перешкодового фону різної інтенсивності.Метод. Досліджувалися показники якості виявлення частотно-модульованих сигналів. Задачу оцінки впливу рівня бічних пелюсток функції кореляції на показники якості виявлення сигналів на фоні нестаціонарної пасивної перешкоди вирішено шляхом визначення параметрів узагальненого гама-розподілу потужності такої перешкоди в залежності від форми автокореляційної функції сигналу.Результати. Визначено, що для високого рівня нестаціонарності початкового перешкодового процесу для усіх моделейсигналів потенційний виграш майже однаковий та має максимальне значення. У разі зниження рівня нестаціонарності цього процесу виграш зменшується. Традиційний лінійно-частотно модульований сигнал дає у порівнянні з нелінійно-частотно модульованими сигналами дещо гірший результат. Для всіх досліджених законів частотної модуляції виграш більш відчутний за зниження вимог до показників якості виявлення сигналу.Висновки. Розроблено методику оцінки показників якості виявлення луна-сигналів на перешкодовому фоні з різнимступенем нестаціонарності. Для покращення енергетичних показників виявлення малорозмірних повітряних об’єктів нафоні нестаціонарних пасивних перешкод доцільно застосовувати сигнали з нелінійною частотною модуляцією та знижувати значення ймовірності правильного виявлення цілейАктуальність. В радіолокації широке застосування знайшли сигнали з частотною модуляцією великої тривалості, що дозволяє без погіршення роздільної здатності за дальністю збільшити випромінювану енергію при обмеженнях на пікову потужність. Збільшення добутку ширини спектру на тривалість радіоімпульсу викликає розтягування зони пасивних перешкод з дальності, що призводить до появи перешкоди з більш рівномірним розподілом інтенсивності у просторі та знижує потенційні можливості з виявлення сигналу. Реальні пасивні перешкоди мають нестаціонарний розподіл потужності в елементах простору, за таких умов відбитий від цілі сигнал можна виявляти у розривах пасивних перешкод або на ділянках з меншим їх рівнем за умови його оцінювання (ведення карти перешкод) та адаптивного встановлення порогу виявлення за елементами простору. Тому є актуальним проведення досліджень з оцінки якості виявлення відбитих від повітряних цілей сигналів у залежності від рівня нестаціонарності перешкодового фону.Метою роботи є розробка методики для оцінки впливу рівня бічних пелюсток функцій кореляції сигналів на показники якості їх виявлення при наявності нестаціонарного перешкодового фону різної інтенсивності.Метод. Досліджувалися показники якості виявлення частотно-модульованих сигналів. Задачу оцінки впливу рівня бічних пелюсток функції кореляції на показники якості виявлення сигналів на фоні нестаціонарної пасивної перешкоди вирішено шляхом визначення параметрів узагальненого гама-розподілу потужності такої перешкоди в залежності від форми автокореляційної функції сигналу.Результати. Визначено, що для високого рівня нестаціонарності початкового перешкодового процесу для усіх моделей сигналів потенційний виграш майже однаковий та має максимальне значення. У разі зниження рівня нестаціонарності цього процесу виграш зменшується. Традиційний лінійно-частотно модульований сигнал дає у порівнянні з нелінійно-частотно модульованими сигналами дещо гірший результат. Для всіх досліджених законів частотної модуляції виграш більш відчутний за зниження вимог до показників якості виявлення сигналу.Висновки. Розроблено методику оцінки показників якості виявлення луна-сигналів на перешкодовому фоні з різним ступенем нестаціонарності. Для покращення енергетичних показників виявлення малорозмірних повітряних об’єктів на фоні нестаціонарних пасивних перешкод доцільно застосовувати сигнали з нелінійною частотною модуляцією та знижувати значення ймовірності правильного виявлення ціле
МЕТОД НЕЙРОМЕРЕЖЕВОЇ ВИЯВЛЕННЯ ДЕФЕКТІВ НА ОСНОВІ АНАЛІЗУ ВІБРАЦІЙ ОБЕРТОВИХ МАШИН
No full textContext. The paper proposes a solution to the urgent problem of detecting equipment defects by analyzing the vibrations of rotating machines. The object of study is the process of detecting defects by analyzing the vibrations of rotating machines. The subject ofstudy is artificial intelligence methods for detecting defects by analyzing the vibrations of rotating machines.Objective. Improving the accuracy of detecting defects in the analysis of rotating machine vibrations by creating a method for neural network detection of defects in the analysis of rotating machine vibrations and a corresponding neural network model that candetect defects in the analysis of rotating machine vibrations without removal preliminary noise in order to preserve important features for more accurate classification.Method. A method of neural network defect detection based on the analysis of vibrations of rotating machines is proposed, which is capable of predicting the presence or absence of a defect based on the input data of vibrations with the implementation of preliminary processing, namely the creation of a two-dimensional time-frequency image. The method differs from the existing onesin that the defect analysis is performed without removing noise by fine-tuning the model parameters.Results. The proposed method of neural network detection of defects based on the analysis of rotating machines vibrations is implemented in the form of a web application and the effectiveness of the neural network model obtained by performing the steps of the method is studied.Conclusions. The study results show that the model has achieved high accuracy and consistency between training and validation data, which is confirmed by high values of such indicators as Accuracy, Precision, Recall і F1-Score on the validation dataset, as wellas minimal losses. The cross-validation confirmed the stable efficiency of the model, demonstrating high averaged metrics and insignificant deviations from the obtained metrics. Thus, the neural network model detects defects in rotating machines with high efficiency even without cleaning vibration signals from noise. Prospects for further research are to test the described method and the resulting neural network model on larger data sets.Актуальність. У роботі пропонується вирішення актуальної проблеми виявлення дефектів обладнання за аналізомвібрацій обертових машин. Об’єктом дослідження є процес виявлення дефектів за аналізом вібрацій обертових машин.Предметом дослідження є методи штучного інтелекту для виявлення дефектів за аналізом вібрацій обертових машин.Мета роботи. Підвищення точності виявлення дефектів за аналізом вібрацій обертових машин шляхом створення мето-ду нейромережевого виявлення дефектів за аналізом вібрацій обертових машин та відповідної нейромережевої моделі, яказдатна виявляти дефекти за аналізом вібрацій обертових машин без попереднього видалення шумів з метою збереженняважливих ознак для точнішої класифікації.Метод. Запропоновано метод нейромережевої виявлення дефектів на основі аналізу вібрацій обертових машин, якийздатен за вхідними даними вібрацій з виконанням попередньої обробки, а саме створення двовимірного часово-частотногозобра-ження, зробити прогноз щодо наявності чи відсутності дефекту. Метод відрізняється від існуючих тим, що аналіз надефекти проводиться без видалення шумів за рахунок тонкого налаштування параметрів моделі.Результати. Запропонований у роботі метод нейромережевої виявлення дефектів на основі аналізу вібрацій обертовихмашин реалізовано у вигляді вебзастосунку та проведено дослідження ефективності нейромережевої моделі, отриманоїшляхом виконання кроків методу.Висновки. Результати дослідження показують, що модель досягла високої точності та узгодженості між тренувальнимита валідаційними даними, що підтверджується високими значеннями таких показників, як Accuracy = 1.0, Precision = 1.0,Recall = 1.0 і F1-Score = 1.0 на валідаційному наборі даних, а також мінімальними втратами. Проведена крос-валідаціяпідтвердила стабільну ефективність моделі, продемонструвавши високі усереднені метрики та незначні відхилення від от-риманих метрик. Таким чином, нейромережева модель виявляє дефекти обертових машин з високою ефективністю навітьбез очищення вібраційних сигналів від шумів. Перспективи подальших досліджень полягають в апробації описаного методата отриманої нейромережевої моделі на більших наборах даних.Актуальність. У роботі пропонується вирішення актуальної проблеми виявлення дефектів обладнання за аналізом вібрацій обертових машин. Об’єктом дослідження є процес виявлення дефектів за аналізом вібрацій обертових машин.Предметом дослідження є методи штучного інтелекту для виявлення дефектів за аналізом вібрацій обертових машин.Мета роботи. Підвищення точності виявлення дефектів за аналізом вібрацій обертових машин шляхом створення методу нейромережевого виявлення дефектів за аналізом вібрацій обертових машин та відповідної нейромережевої моделі, яка здатна виявляти дефекти за аналізом вібрацій обертових машин без попереднього видалення шумів з метою збереженняважливих ознак для точнішої класифікації.Метод. Запропоновано метод нейромережевої виявлення дефектів на основі аналізу вібрацій обертових машин, який здатен за вхідними даними вібрацій з виконанням попередньої обробки, а саме створення двовимірного часово-частотногозображення, зробити прогноз щодо наявності чи відсутності дефекту. Метод відрізняється від існуючих тим, що аналіз надефекти проводиться без видалення шумів за рахунок тонкого налаштування параметрів моделі.Результати. Запропонований у роботі метод нейромережевої виявлення дефектів на основі аналізу вібрацій обертових машин реалізовано у вигляді вебзастосунку та проведено дослідження ефективності нейромережевої моделі, отриманоїшляхом виконання кроків методу.Висновки. Результати дослідження показують, що модель досягла високої точності та узгодженості між тренувальними та валідаційними даними, що підтверджується високими значеннями таких показників, як Accuracy = 1.0, Precision = 1.0,Recall = 1.0 і F1-Score = 1.0 на валідаційному наборі даних, а також мінімальними втратами. Проведена крос-валідація підтвердила стабільну ефективність моделі, продемонструвавши високі усереднені метрики та незначні відхилення від отриманих метрик. Таким чином, нейромережева модель виявляє дефекти обертових машин з високою ефективністю навіть без очищення вібраційних сигналів від шумів. Перспективи подальших досліджень полягають в апробації описаного метода та отриманої нейромережевої моделі на більших наборах даних