Radio Electronics, Computer Science, Control
Not a member yet
1174 research outputs found
Sort by
ЗАСТОСУВАННЯ СИНГУЛЯРНОГО СПЕКТРАЛЬНОГО АНАЛІЗУ В СИСТЕМАХ КЕРУВАННЯ ТЕХНОЛОГІЧНИМИ ПРОЦЕСАМИ ТА КОНТРОЛЮ ВИБУХОНЕБЕЗПЕЧНОСТІ ОБ’ЄКТІВ
No full textContext. The question of increasing the productivity of technological processes of extraction, processing and preparation of raw materials, improving product quality, reducing energy consumption, as well as creating safe working conditions during technological processes and preventing accidents is always quite relevant and requires the implementation of modern control and management systems. For the effective operation of such systems, it is important to pre-process and filter the data received from the sensors for monitoring the grinding processes and the explosive status of objects. One of the possible ways to increase the informativeness of data is the use of singular spectral analysis.Objective. Increasing the efficiency of technological process control systems and the reliability of explosive control systems of coal mines and oil and fuel complex facilities by processing and pre-filtering data received from sensors for monitoring grinding processes and the state of facilities.Method. To analyze the output signals of sensors used in control and management systems, the method of singular spectral analysis is used, which allows revealing hidden structures and regularities in time series by pre-filtering and data processing of acoustic, thermocatalytic, and semiconductor sensors.Results. A new approach to the management of technological processes of grinding raw materials in jet mills and control of the explosiveness of coal mines and objects of the oil and fuel complex is proposed, based on methods that allow to speed up the processing speed of sensor output data and improve the quality of information. It is shown that one of the promising methods that can be used for the pre-processing of time series of output data of sensors in control and control systems is the method of singular spectral analysis, the use of which allows filtering data, revealing hidden structures and regularities, and forecasting changes based on the analysis of previous information , identify anomalies and unusual situations, make more informed decisions and improve the processes of managing technological processes.Conclusions. The conducted experiments have confirmed the proposed software operability and allow recommending it for use in advancing both theoretical and practical aspects of process control systems through an enhanced singular spectral analysis (SSA) method for time series processing. This improved approach has been successfully demonstrated in real-world applications, including grinding processes in jet mills and explosion monitoring in coal mines and oil and fuel facilities. The implementation demonstrates a significant increase in data processing speed and information quality, which makes it particularly valuable for use in safety-critical industrial facilities.Актуальність. Питання підвищення продуктивності технологічних процесів видобутку, переробки та підготовкисировини, поліпшення якості продукції, зниження енерговитрат, а також створення безпечних умов праці при веденнітехнологічних процесів та попередження аварій завжди є досить актуальним і потребує впровадження сучаснихсистем контролю і управління. Для ефективної роботи таких систем важливою є попередня обробка та фільтраціїданих, отриманих від датчиків контролю процесів подрібнення та стану вибухонебезпечності об’єктів. Одним ізможливих шляхів підвищення інформативності даних є застосування сингулярного спектрального аналізу.Мета. Підвищення ефективності систем керування технологічними процесами та надійності систем контролювибухонебезпечності вугільних шахт та об’єктів нафто-паливного комплексу шляхом обробки та попередньоїфільтрації даних, отриманих від датчиків контролю процесів подрібнення та стану об’єктів.Метод. Для аналізу вихідних сигналів датчиків, які використовуються в системах контролю та управліннявикористаний метод сингулярного спектрального аналізу, який дозволяє виявити сховані структури та закономірностів часових рядах шляхом попередньої фільтрації та обробки даних акустичних, термокаталітичних танапівпровідникових датчиків.Результати. Запропоновано новий підхід до керування технологічними процесами подрібнення сировини вструминних млинах та контролю вибухонебезпечності вугільних шахт і об’єктів нафто-паливного комплексу наоснові методів, що дозволяють пришвидшити швидкість обробки вихідних даних датчиків та підвищити якістьінформації. Показано, що одним із перспективних методів який можливо використати для попередньої обробкичасових рядів вихідних даних датчиків в системах керування та контролю є метод сингулярного спектральногоаналізу, використання якого дозволяє здійснити фільтрацію даних, виявити сховані структури та закономірності,здійснювати прогнозування змін на основі аналізу попередньої інформації, виявити аномалії і нештатні ситуації,приймати більш обґрунтовані рішення та поліпшити процеси керування технологічними процесами.Висновки. Проведені експерименти підтвердили працездатність запропонованого програмного забезпечення тадозволили рекомендувати його для використання в розвитку як теоретичних, так і практичних аспектів системкерування технологічними процесами за допомогою вдосконаленого методу сингулярного спектрального аналізу(SSA) для обробки часових рядів. Цей удосконалений підхід був успішно продемонстрований у реальнихзастосуваннях, включаючи процеси подрібнення на струминних млинах і моніторингу вибухонебезпечності навугільних шахтах та підприємствах нафто-паливного комплексу. Впровадження демонструє значне підвищенняшвидкості обробки даних і якості інформації, що робить його особливо цінним для застосування на критичноважливих для безпеки промислових об’єктахАктуальність. Питання підвищення продуктивності технологічних процесів видобутку, переробки та підготовки сировини, поліпшення якості продукції, зниження енерговитрат, а також створення безпечних умов праці при веденнітехнологічних процесів та попередження аварій завжди є досить актуальним і потребує впровадження сучасних систем контролю і управління. Для ефективної роботи таких систем важливою є попередня обробка та фільтрації даних, отриманих від датчиків контролю процесів подрібнення та стану вибухонебезпечності об’єктів. Одним із можливих шляхів підвищення інформативності даних є застосування сингулярного спектрального аналізу.Мета. Підвищення ефективності систем керування технологічними процесами та надійності систем контролю вибухонебезпечності вугільних шахт та об’єктів нафто-паливного комплексу шляхом обробки та попередньоїфільтрації даних, отриманих від датчиків контролю процесів подрібнення та стану об’єктів.Метод. Для аналізу вихідних сигналів датчиків, які використовуються в системах контролю та управліннявикористаний метод сингулярного спектрального аналізу, який дозволяє виявити сховані структури та закономірності в часових рядах шляхом попередньої фільтрації та обробки даних акустичних, термокаталітичних танапівпровідникових датчиків.Результати. Запропоновано новий підхід до керування технологічними процесами подрібнення сировини вструминних млинах та контролю вибухонебезпечності вугільних шахт і об’єктів нафто-паливного комплексу на основі методів, що дозволяють пришвидшити швидкість обробки вихідних даних датчиків та підвищити якість інформації. Показано, що одним із перспективних методів який можливо використати для попередньої обробкичасових рядів вихідних даних датчиків в системах керування та контролю є метод сингулярного спектрального аналізу, використання якого дозволяє здійснити фільтрацію даних, виявити сховані структури та закономірності, здійснювати прогнозування змін на основі аналізу попередньої інформації, виявити аномалії і нештатні ситуації,приймати більш обґрунтовані рішення та поліпшити процеси керування технологічними процесами.Висновки. Проведені експерименти підтвердили працездатність запропонованого програмного забезпечення та дозволили рекомендувати його для використання в розвитку як теоретичних, так і практичних аспектів систем керування технологічними процесами за допомогою вдосконаленого методу сингулярного спектрального аналізу(SSA) для обробки часових рядів. Цей удосконалений підхід був успішно продемонстрований у реальнихзастосуваннях, включаючи процеси подрібнення на струминних млинах і моніторингу вибухонебезпечності навугільних шахтах та підприємствах нафто-паливного комплексу. Впровадження демонструє значне підвищення швидкості обробки даних і якості інформації, що робить його особливо цінним для застосування на критичноважливих для безпеки промислових об’єкта
ОБРОБКА ТЕКСТОВИХ ДАНИХ СОЦІАЛЬНИХ МЕДІА НА ПРИРОДНІЙ МОВІ ЗА ДОПОМОГОЮ BERT ТА XGBOOST
Get PDFContext The growth of text data in social networks requires the development of effective methods for sentiment analysis that can take into account both lexical and contextual dependencies. Traditional approaches to text processing have limitations in understanding semantic relationships between words, which affects the accuracy of classification. The integration of deep neural networks for text vectorization with ensemble machine learning algorithms and methods for interpreting results allows improving the quality of sentiment analysis.Objective. The aim of the study is to develop and evaluate a new approach to text message sentiment classification that combines Sentence-BERT for deep semantic vectorization, XGBoost for high-accuracy classification, SHAP for explaining the contribution of features, sentence embedding similarity for assessing semantic similarity, and λ-regularization to improve the generalization ability of the model. The study is aimed at analyzing the impact of these methods on the quality of classification, identifying the most significant features and optimizing parameters.Method. The study uses Sentence-BERT to transform text data into a vector space with deep semantic connections. XGBoost is used for sentiment classification, which provides high accuracy and stability even on unevenly distributed datasets. The SHAP method is used to explain the contribution of features, which allows us to determine which factors have the greatest impact on the prediction. Additionally, sentence embedding similarity is used to compare texts.Results. The proposed approach demonstrates high efficiency in mood classification tasks. The ROC-AUC value confirms the ability of the model to accurately distinguish between classes of emotional coloring of the text. The use of SHAP ensures the interpretability of the results, allowing us to explain the influence of each feature on the classification. Sentence embedding similarity confirms the efficiency of Sentence-BERT in detecting semanticallysimilar texts, and λ-regularization improves the generalization ability of the model.Conclusions. The study demonstrates scientific novelty through a comprehensive combination of Sentence-BERT, XGBoost, SHAP, sentence embedding similarity, and λ-regularization to improve the accuracy and interpretability of sentiment analysis. The results obtained confirm the effectiveness of the proposed approach, which makes it promising for application in public opinion monitoring, automated content moderation, and personalized recommendation systems. Further research can be aimed at adapting the model to specific domains and improving interpretation methods.Актуальність. Зростання обсягу текстових даних у соціальних мережах вимагає розробки ефективних методів аналізу настроїв, здатних враховувати як лексичні, так і контекстуальні залежності. Традиційні підходи до обробки тексту мають обмеження у розумінні семантичних зв’язків між словами, що впливає на точність класифікації. Інтеграція глибоких нейронних мереж для векторизації тексту з ансамблевими алгоритмами машинного навчання та методами інтерпретації результатів дозволяє покращити якість аналізу настроїв.Метою дослідження є розробка та оцінка нового підходу до класифікації настроїв текстових повідомлень, що поєднує Sentence-BERT для глибокої семантичної векторизації, XGBoost для високоточної класифікації, SHAP для пояснення внеску ознак, sentence embedding similarity для оцінки семантичної подібності та λ-регуляризацію для покращення узагальнюючої здатності моделі. Дослідження спрямоване на аналіз впливу цих методів на якість класифікації, визначення найбільш значущих ознак та оптимізацію параметрів для забезпечення балансу між точністю та інтерпретованістю моделі.Метод. У дослідженні використовується Sentence-BERT для перетворення текстових даних у векторний простір із глибокими семантичними зв’язками. Для класифікації настроїв застосовується XGBoost, який забезпечує високу точність та стабільність навіть на нерівномірно розподілених наборах даних. Для пояснення внеску ознак використано метод SHAP, що дозволяє визначити, які фактори найбільше впливають на прогноз. Додатково використовується sentence embedding similarity для порівняння текстів за семантичною подібністю, а λ-регуляризація оптимізує баланс між узагальненням та точністю моделі.Результати. Запропонований підхід демонструє високу ефективність у задачах класифікації настроїв. Значення ROCAUC підтверджує здатність моделі точно розрізняти класи емоційного забарвлення тексту. Використання SHAP забезпечує інтерпретованість результатів, дозволяючи пояснити вплив кожної ознаки на класифікацію. Sentence embedding similarity підтверджує ефективність Sentence-BERT у виявленні семантично подібних текстів, а λ-регуляризація покращує узагальнюючу здатність моделі.Висновки. Дослідження демонструє наукову новизну через комплексне поєднання Sentence-BERT, XGBoost, SHAP, sentence embedding similarity та λ-регуляризації для покращення точності та інтерпретованості аналізу настроїв. Отримані результати підтверджують ефективність запропонованого підходу, що робить його перспективним для застосування у моніторингу громадської думки, автоматизованій модерації контенту та персоналізованих рекомендаційних системах. Подальші дослідження можуть бути спрямовані на адаптацію моделі до специфічних доменів, розширення джерел текстових даних та вдосконалення методів інтерпретації для покращення довіри до автоматизованого аналізу настроївАктуальність. Зростання обсягу текстових даних у соціальних мережах вимагає розробки ефективних методів аналізу настроїв, здатних враховувати як лексичні, так і контекстуальні залежності. Традиційні підходи до обробки тексту мають обмеження у розумінні семантичних зв’язків між словами, що впливає на точність класифікації. Інтеграція глибоких нейронних мереж для векторизації тексту з ансамблевими алгоритмами машинного навчання та методами інтерпретації результатів дозволяє покращити якість аналізу настроїв.Метою дослідження є розробка та оцінка нового підходу до класифікації настроїв текстових повідомлень, що поєднує Sentence-BERT для глибокої семантичної векторизації, XGBoost для високоточної класифікації, SHAP для пояснення внеску ознак, sentence embedding similarity для оцінки семантичної подібності та λ-регуляризацію для покращення узагальнюючої здатності моделі. Дослідження спрямоване на аналіз впливу цих методів на якість класифікації, визначення найбільш значущих ознак та оптимізацію параметрів для забезпечення балансу між точністю та інтерпретованістю моделі.Метод. У дослідженні використовується Sentence-BERT для перетворення текстових даних у векторний простір із глибокими семантичними зв’язками. Для класифікації настроїв застосовується XGBoost, який забезпечує високу точність та стабільність навіть на нерівномірно розподілених наборах даних. Для пояснення внеску ознак використано метод SHAP, що дозволяє визначити, які фактори найбільше впливають на прогноз. Додатково використовується sentence embedding similarity для порівняння текстів за семантичною подібністю, а λ-регуляризація оптимізує баланс між узагальненням та точністю моделі.Результати. Запропонований підхід демонструє високу ефективність у задачах класифікації настроїв. Значення ROCAUC підтверджує здатність моделі точно розрізняти класи емоційного забарвлення тексту. Використання SHAP забезпечує інтерпретованість результатів, дозволяючи пояснити вплив кожної ознаки на класифікацію. Sentence embedding similarity підтверджує ефективність Sentence-BERT у виявленні семантично подібних текстів, а λ-регуляризація покращує узагальнюючу здатність моделі.Висновки. Дослідження демонструє наукову новизну через комплексне поєднання Sentence-BERT, XGBoost, SHAP, sentence embedding similarity та λ-регуляризації для покращення точності та інтерпретованості аналізу настроїв. Отримані результати підтверджують ефективність запропонованого підходу, що робить його перспективним для застосування у моніторингу громадської думки, автоматизованій модерації контенту та персоналізованих рекомендаційних системах. Подальші дослідження можуть бути спрямовані на адаптацію моделі до специфічних доменів, розширення джерел текстових даних та вдосконалення методів інтерпретації для покращення довіри до автоматизованого аналізу настрої
ТЕРМІНАЛЬНЕ КЕРУВАННЯ ПРОСТОРОВИМ РУХОМ КВАДРОКОПТЕРА
No full textContext. Constructing quadcopter control algorithms is an area of keen interest because controlling them is fundamentally complex despite the quadcopter’s mechanical simplicity. The key problem of quadcopter control systems is to effectively couple three translational and three rotational freedom degrees of motion to perform unique target manoeuvres. In addition, these tasks are relevant due to the high demand for quadcopter in various human activities, such as cadastral aerial photography for monitoring hardto-reach areas and delivering cargo over short distances. They are also widely used in military affairs.Objective. This work objective is to develop and substantiate novel methods for algorithms constructing the high-precision control of a quadcopter spatial motion, allowing for its autonomous operation in all main flight modes: stabilization mode, position holding mode, automatic point-to-point flight mode, automatic takeoff and landing mode.Method. The given objective determined the use of the following research methods. Pontryagin’s maximum principle was applied to develop algorithms for calculating program trajectories for transferring a quadcopter from its current state to the given one. Lyapunov functions and modal control methods were used to synthesise and analyse quadcopter angular position control algorithms. Numerical modelling methods were used to verify and confirm the obtained theoretical results.Results. An approach for constructing algorithms for controlling the spatial quadcopter motion is proposed. It consists of two parts. The first part solves the problem of transferring a quadcopter from its current position to a given one. The second part proposes an original method to construct algorithms for quadcopter attitude control based on a dynamic equation for a quaternion.Conclusions. The proposed quadcopter motion mathematical model and methods for constructing control algorithms are verified by numerical modelling and can be applied to develop quadcopter control systemsАктуальність. Побудова алгоритмів керування квадрокоптером є областю підвищеного інтересу, оскільки керування квадрокоптером принципово складна задача, незважаючи на його механічну простоту. Ключовою проблемою систем управління квадрокоптерами є ефективне поєднання трьох поступальних та трьох обертальних ступенів свободи руху для виконання унікальних цільових маневрів. Крім того, ці задачі актуальні у зв’язку з високою затребуваністю квадрокоптерів у різних видах діяльності людини, таких як кадастрова аерофотозйомка для моніторингу важкодоступних територій, доставка вантажів на невеликі відстані, військова справа тощо.Мета роботи – розробка та обґрунтування нових методів побудови алгоритмів високоточного керування просторовим рухом квадрокоптера, що забезпечують його автономну роботу у всіх основних режимах польоту: режим стабілізації, режим утримання положення, режим автоматичного польоту з точки в точку, режим автоматичного зльоту та посадки.Метод. Поставлена мета зумовила використання наступних методів дослідження. Для розробки алгоритмів розрахунку програмних траєкторій переведення квадрокоптера з поточного стану в заданий застосовано принцип максимуму Понтрягіна. Для синтезу та аналізу алгоритмів керування кутовим положенням квадрокоптера використано функції Ляпунова та методи модального керування. Для перевірки та підтвердження отриманих теоретичних результатів використано методи чисельного моделювання.Результати. Запропоновано методику побудови алгоритмів керування просторовим рухом квадрокоптера, що складається з двох частин. Перша частина містить удосконалений метод побудови алгоритма переведення квадрокоптера з поточного положення в задане. У другій частині запропоновано оригінальний метод побудови алгоритмів керування орієнтацією квадрокоптера на основі динамічного рівняння для кватерніону.Висновки. Запропонована математична модель руху квадрокоптера та методи побудови алгоритмів керування верифіковані чисельним моделюванням та можуть бути застосовані для розробки систем керування квадрокоптерамиАктуальність. Побудова алгоритмів керування квадрокоптером є областю підвищеного інтересу, оскільки керування квадрокоптером принципово складна задача, незважаючи на його механічну простоту. Ключовою проблемою систем управління квадрокоптерами є ефективне поєднання трьох поступальних та трьох обертальних ступенів свободи руху для виконання унікальних цільових маневрів. Крім того, ці задачі актуальні у зв’язку з високою затребуваністю квадрокоптерів у різних видах діяльності людини, таких як кадастрова аерофотозйомка для моніторингу важкодоступних територій, доставка вантажів на невеликі відстані, військова справа тощо.Мета роботи – розробка та обґрунтування нових методів побудови алгоритмів високоточного керування просторовим рухом квадрокоптера, що забезпечують його автономну роботу у всіх основних режимах польоту: режим стабілізації, режим утримання положення, режим автоматичного польоту з точки в точку, режим автоматичного зльоту та посадки.Метод. Поставлена мета зумовила використання наступних методів дослідження. Для розробки алгоритмів розрахунку програмних траєкторій переведення квадрокоптера з поточного стану в заданий застосовано принцип максимуму Понтрягіна. Для синтезу та аналізу алгоритмів керування кутовим положенням квадрокоптера використано функції Ляпунова та методи модального керування. Для перевірки та підтвердження отриманих теоретичних результатів використано методи чисельного моделювання.Результати. Запропоновано методику побудови алгоритмів керування просторовим рухом квадрокоптера, що складається з двох частин. Перша частина містить удосконалений метод побудови алгоритма переведення квадрокоптера з поточного положення в задане. У другій частині запропоновано оригінальний метод побудови алгоритмів керування орієнтацією квадрокоптера на основі динамічного рівняння для кватерніону.Висновки. Запропонована математична модель руху квадрокоптера та методи побудови алгоритмів керування верифіковані чисельним моделюванням та можуть бути застосовані для розробки систем керування квадрокоптерам
МЕТОД ПАРАЛЕЛЬНОГО ГІБРИДНОГО ПОШУКУ ДЛЯ ВЕЛИКИХ РЕПОЗИТОРІЇВ КОДУ
No full textContext. Modern software systems contain extensive and growing codebases, making code retrieval a critical task for software engineers. Traditional code search methods rely on keyword-based matching or structural analysis but often fail to capture the semantic intent of user queries or struggle with unstructured and inconsistently documented code. Recently, semantic vector search and large language models (LLMs) have shown promise in enhancing code understanding. The problem – is designing a scalable, accurate, and hybrid code search method capable of retrieving relevant code snippets based on both textual queries and semantic context, while supporting parallel processing and metadata enrichment.Objective. The goal of the study is to develop a hybrid method for semantic code search by combining keyword-based filtering and embedding-based retrieval enhanced with LLM-generated summaries and semantic tags. The aim is to improve accuracy and efficiency in locating relevant code elements across large code repositories.Method. A two-path search method with post-processing is proposed, where textual keyword search and embedding-based semantic search are executed in parallel. Code blocks are preprocessed using GPT-4o model to generate natural-language summaries and semantic tags.Results. The method has been implemented and validated on a .NET codebase, demonstrating improved precision in retrieving semantically relevant methods. The combination of parallel search paths and LLM generated metadata enhanced both result quality and responsiveness. Additionally, LLM-post-processing was applied to the top-most relevant results, enabling more precise identification of code lines matching the query within retrieved snippets. Other results can be further refined on-demand.Conclusions. Experimental findings confirm the operability and practical applicability of the proposed hybrid code search framework. The system’s modular architecture supports real-time developer workflows, and its extensibility enables future improvements through active learning and user feedback. Further research may focus on optimizing embedding selection strategies, integrating automatic query rewriting, and scaling across polyglot code environmentsАктуальність. Сучасні програмні системи містять великі кодові бази, що робить пошук коду критично важливим завданням для розробників програмного забезпечення. Традиційні методи пошуку коду спираються на співставлення за ключовими словами або структурний аналіз, але часто не здатні відобразити семантичний зміст запитів користувачів або мають проблеми з неструктурованим та непослідовно задокументованим кодом. Останнім часом семантичний векторний пошук і великі мовні моделі (LLM) показали перспективи в покращенні розуміння коду. Проблема полягає в розробці масштабованого, точного та гібридного методу пошуку коду, здатного знаходити відповідні фрагменти коду на основі як текстових запитів, так і семантичного контексту, при цьому підтримуючи паралельну обробку та пошуку на основі метаданих.Мета роботи – розробка гібридного методу семантичного пошуку коду шляхом комбінування фільтрації за ключовимисловами та пошуку на основі вбудованих представлень, доповненого сумаризацією та семантичними тегами, згенерованими за допомогою LLM для підвищення точності та ефективності пошуку відповідних елементів коду у великих кодових репозиторіях.Метод. Для досягнення мети дослідження розроблено метод пошуку з двома шляхами з пост-обробкою, де пошук за текстовими ключовими словами та пошук на основі вбудовуваних семантичних представлень виконуються паралельно. Блоки коду попередньо обробляються за допомогою GPT-4o моделі для генерування сумаризації та семантичних тегів.Результати. Метод реалізовано та перевірено на кодовій базі .NET, що продемонструвало покращену точність при знаходженні семантично релевантних методів. Комбінація паралельних шляхів пошуку та метаданих, згенерованих LLM, покращила якість результатів. Для підвищення релевантності було застосовано LLM-постобробку яка виконується наднайбільш релевантними результатами, що дозволяє точніше локалізувати потрібні рядки коду в межах знайденихфрагментів. Інші результати можуть бути оброблені на вимогу користувача.Висновки. Експериментальні результати підтвердили працездатність та практичну застосовність запропонованої гібридної системи пошуку коду. Модульна архітектура системи підтримує робочі процеси розробників в реальному часі, а її розширюваність дозволяє впроваджувати майбутні покращення через активне навчання та зворотний зв’язок від користувачів. Подальші дослідження можуть бути спрямовані на оптимізацію стратегій вибору вбудованих представлень, інтеграцію автоматичного переформатування запитів та масштабування у багатомовних кодових середовищахАктуальність. Сучасні програмні системи містять великі кодові бази, що робить пошук коду критично важливим завданням для розробників програмного забезпечення. Традиційні методи пошуку коду спираються на співставлення за ключовими словами або структурний аналіз, але часто не здатні відобразити семантичний зміст запитів користувачів або мають проблеми з неструктурованим та непослідовно задокументованим кодом. Останнім часом семантичний векторний пошук і великі мовні моделі (LLM) показали перспективи в покращенні розуміння коду. Проблема полягає в розробці масштабованого, точного та гібридного методу пошуку коду, здатного знаходити відповідні фрагменти коду на основі як текстових запитів, так і семантичного контексту, при цьому підтримуючи паралельну обробку та пошуку на основі метаданих.Мета роботи – розробка гібридного методу семантичного пошуку коду шляхом комбінування фільтрації за ключовими словами та пошуку на основі вбудованих представлень, доповненого сумаризацією та семантичними тегами, згенерованими за допомогою LLM для підвищення точності та ефективності пошуку відповідних елементів коду у великих кодових репозиторіях.Метод. Для досягнення мети дослідження розроблено метод пошуку з двома шляхами з пост-обробкою, де пошук за текстовими ключовими словами та пошук на основі вбудовуваних семантичних представлень виконуються паралельно. Блоки коду попередньо обробляються за допомогою GPT-4o моделі для генерування сумаризації та семантичних тегів.Результати. Метод реалізовано та перевірено на кодовій базі .NET, що продемонструвало покращену точність при знаходженні семантично релевантних методів. Комбінація паралельних шляхів пошуку та метаданих, згенерованих LLM, покращила якість результатів. Для підвищення релевантності було застосовано LLM-постобробку яка виконується над найбільш релевантними результатами, що дозволяє точніше локалізувати потрібні рядки коду в межах знайдених фрагментів. Інші результати можуть бути оброблені на вимогу користувача.Висновки. Експериментальні результати підтвердили працездатність та практичну застосовність запропонованої гібридної системи пошуку коду. Модульна архітектура системи підтримує робочі процеси розробників в реальному часі, а її розширюваність дозволяє впроваджувати майбутні покращення через активне навчання та зворотний зв’язок від користувачів. Подальші дослідження можуть бути спрямовані на оптимізацію стратегій вибору вбудованих представлень, інтеграцію автоматичного переформатування запитів та масштабування у багатомовних кодових середовища
АНАЛІТИЧНИЙ ПІДХІД ДО БАГАТОКРИТЕРІАЛЬНОГО ВИБОРУ ТЕХНОЛОГІЧНОЇ СХЕМИ ОПРАЦЮВАННЯ ІНФОРМАЦІЇ
No full textContext. Today, effective information processing is critically important for making strategic, tactical, and operational management decisions. The increasing volumes of information and the need for its rapid analysis necessitate the development and implementation of new methods for multi-criteria choosing technological schemes for information processing. The application of analytical approaches, such as the Ordered Weighted Averaging (OWA) method, allows for the improvement of the quality of final information products, which is relevant for analysis and research in various fields.Objective. The aim of the research is to develop an analytical approach to multi-criteria choosing an information processing technological scheme using the OWA operator.Method. The paper uses an analytical approach based on the multi-criteria decision-making method. Specifically, the Ordered Weighted Averaging (OWA) operator is applied, which allows taking into account the weight coefficients of the criteria and theirranking significance to determine the optimal information processing technological scheme.Results. The research results show that the application of the OWA operator effectively aggregates the evaluation of alternatives and selects the technological scheme that best meets the specified criteria for the quality of the end information product. The conducted experiments confirmed the effectiveness of the proposed approach in evaluating alternative information processing schemes.Conclusions. The proposed approach to multi-criteria selection of a technological scheme for processing intelligence data allows for improved quality of the end information product and considers the importance of various criteria. Further research could be focused on the development of automated decision support systems taking into account the metadata of intelligence data.Актуальність. Сьогодні ефективне опрацювання інформації є критично важливим для прийняття стратегічних, тактичних та оперативних управлінських рішень. Зростаючий обсяг інформації та необхідність її швидкого аналізу вимагають розробки та впровадження нових методів багатокритеріального вибору технологічних схем обробки інформації. Застосування аналітичних підходів, таких, як метод упорядкованого зваженого агрегування (OWA), дозволяє покращити якість кінцевих інформаційних продуктів, що є актуальним для аналізу та досліджень у різних сферах людської діяльності.Мета. Метою дослідження є розробка аналітичного підходу до багатокритеріального вибору технологічної схеми опрацювання інформації із застосуванням оператора упорядкованого зваженого агрегування (OWAоператора).Метод. В роботі використано аналітичний підхід, заснований на методі багатокритеріального прийняття рішень. Зокрема, застосовується OWA-оператор, що дозволяє враховувати вагові коефіцієнти критеріїв та їх рангову значущість для визначення найбільш ефективної технологічної схеми опрацювання інформації.Результати. Результати досліджень показують, що застосування OWA-оператора дозволяє ефективно агрегувати оцінки альтернатив та обрати технологічну схему, яка найбільше серед тих, що є в наявності, відповідає заданим критеріям якості кінцевого інформаційного продукту. Проведені експерименти підтвердили ефективність запропонованого підходу при оцінюванні альтернативних схем опрацювання інформації.Висновки. Запропонований підхід до багатокритеріального вибору технологічної схеми опрацювання розвідувальних даних дозволяє підвищити якість кінцевого інформаційного продукту та враховувати при цьому важливість розглядуваних критеріїв. Подальші дослідження планується спрямувати на розробку автоматизованої системи підтримки прийняття рішень з урахуванням результатів аналізу метаданих вхідних даних
ЛЕГКОВІСНИЙ БАГАТОМАСШТАБНИЙ ЗГОРТКОВИЙ ТРАНСФОРМЕР ДЛЯ ДІАГНОСТИКИ НЕСПРАВНОСТЕЙ ЛІТАЛЬНИХ АПАРАТІВ ЗА ДОПОМОГОЮ ВІБРАЦІЙНОГО АНАЛІЗУ
No full textContext. Fault diagnosis in rotating machinery, especially in aircraft, plays an important role in health monitoring systems. Early and accurate fault detection can significantly reduce the cost of repair and increase the lifetime of the mechanism. To detect the fault efficiently, intelligent methods based on traditional machine learning and deep learning techniques are used. The object of the research is the process of detecting faults in aircraft based on vibration analysis.Objective of the work is the development of a deep learning method for fault diagnosis in rotating machinery with a high accuracy rate.Method. The proposed method employs Transformer architecture. The first stage of processing the vibration signal is the multiscale feature extractor. This stage allows the model to examine input signals in different scales and reduce the impact of the noise.The second stage is the Convolutional Transformer neural network. The convolution was introduced to the Transformer to combine locality and long-range dependencies feature extraction. The Self-attention mechanism of the Transformer was changed to Channel Attention, which reduces the number of parameters but maintains the strength of the attention. To maintain this idea, similar changes were made in the position-wise feed-forward network.Results. The proposed method is tested on the aircraft vibration dataset. Two conditions were chosen for testing: limited data and noisy environment. The limited data condition is simulated by selecting a small number of samples into the training set (a maximum of 10 per class). The noisy environment condition is simulated by adding Gaussian noise to the raw signal. According to the obtained results, the proposed method achieves a high average precision metric rate with a small number of parameters. The experiments also show the importance of the proposed modules and changes, confirming the assumptions about the process of feature extraction.Conclusion. The results of the conducted experiments show that the proposed model can detect faults with almost perfect accuracy, even with a small number of parameters. The proposed lightweight model is robust in limited data conditions and noisy environment conditions. The prospects for further research are the development of fast and accurate neural networks for fault diagnosis and the development of limited data training techniques.Актуальність. Діагностика несправностей обертових механізмів, особливо в авіації, відіграє важливу роль в системахмоніторингу стану. Своєчасне і точне виявлення несправностей може значно знизити вартість ремонту і збільшити термін служби механізму. Для ефективного виявлення несправностей використовуються інтелектуальні методи, які базуються на традиційних методах машинного та глибинного навчання. Об'єктом дослідження є процес виявлення несправностей в авіаційних апаратах на основі аналізу вібрацій.Метою роботи є розробка методу глибинног навчання для діагностики несправностей обертових машин з високою точністю.Метод. Запропонований метод використовує архітектуру трансформера. Першим етапом обробки сигналу вібрації є багатомасштабне вилучення ознак. Цей етап дозволяє моделі розглядати вхідні сигнали в різних масштабах і зменшити впливи шуму. Другий етап – згорткова нейронна мережа з трансормером. Згортка була додана до трансформеру, щоб поєднати локальність і вилучення ознак далеких залежностей. Механізм самоуваги трансормеру було змінено на механізм канальної уваги, що зменшує кількість параметрів, але зберігає силу уваги. Щоб підсилити цю ідею, аналогічні зміни були зроблені в позиційній мережі прямого поширення.Результати. Запропонований метод протестовано на наборі даних з вібраціями авіаційного апарату. Для тестування було обрано дві умови: обмеженість обсягу даних та зашумлене середовище. Обмеженість обсягу даних імітується шляхомвикористання невелої кількості вибірок до навчального набору даних (максимум 10 на клас). Умова зашумленого середовища імітується шляхом додавання гауссівського шуму до вихідного сигналу. Згідно з отриманими результатами, запропонований метод досягає високої середньої точності при невеликій кількості параметрів. Експерименти також показують важливість запропонованих модулів і змін, підтверджуючи припущення про процес вилучення ознак.Висновки. Результати проведених експериментів показують, що запропонована модель може виявляти несправності змайже ідеальною точністю, навіть при невеликій кількості параметрів. Запропонована легковісна модель є стійкою в умовах обмеженого обсягу даних та зашумленого середовища. Перспективами подальших досліджень є розробка швидких і точних нейронних мереж для діагностики несправностей та розробка методів навчання на обмежених обсягах данихАктуальність. Діагностика несправностей обертових механізмів, особливо в авіації, відіграє важливу роль в системахмоніторингу стану. Своєчасне і точне виявлення несправностей може значно знизити вартість ремонту і збільшити термін служби механізму. Для ефективного виявлення несправностей використовуються інтелектуальні методи, які базуються на традиційних методах машинного та глибинного навчання. Об'єктом дослідження є процес виявлення несправностей в авіаційних апаратах на основі аналізу вібрацій.Метою роботи є розробка методу глибинног навчання для діагностики несправностей обертових машин з високою точністю.Метод. Запропонований метод використовує архітектуру трансформера. Першим етапом обробки сигналу вібрації є багатомасштабне вилучення ознак. Цей етап дозволяє моделі розглядати вхідні сигнали в різних масштабах і зменшити впливи шуму. Другий етап – згорткова нейронна мережа з трансормером. Згортка була додана до трансформеру, щоб поєднати локальність і вилучення ознак далеких залежностей. Механізм самоуваги трансормеру було змінено на механізм канальної уваги, що зменшує кількість параметрів, але зберігає силу уваги. Щоб підсилити цю ідею, аналогічні зміни були зроблені в позиційній мережі прямого поширення.Результати. Запропонований метод протестовано на наборі даних з вібраціями авіаційного апарату. Для тестування було обрано дві умови: обмеженість обсягу даних та зашумлене середовище. Обмеженість обсягу даних імітується шляхомвикористання невелої кількості вибірок до навчального набору даних (максимум 10 на клас). Умова зашумленого середовища імітується шляхом додавання гауссівського шуму до вихідного сигналу. Згідно з отриманими результатами, запропонований метод досягає високої середньої точності при невеликій кількості параметрів. Експерименти також показують важливість запропонованих модулів і змін, підтверджуючи припущення про процес вилучення ознак.Висновки. Результати проведених експериментів показують, що запропонована модель може виявляти несправності змайже ідеальною точністю, навіть при невеликій кількості параметрів. Запропонована легковісна модель є стійкою в умовах обмеженого обсягу даних та зашумленого середовища. Перспективами подальших досліджень є розробка швидких і точних нейронних мереж для діагностики несправностей та розробка методів навчання на обмежених обсягах дани
РОЗПІЗНАВАННЯ КЛАВІАТУРНОГО ПОЧЕРКУ ЗА ДОПОМОГОЮ ДЕВ’ЯТИВИМІРНОГО ЕЛІПСОЇДА ПРОГНОЗУВАННЯ ДЛЯ НОРМАЛІЗОВАНИХ ДАНИХ
No full textContext. Keystroke dynamics recognition is a crucial element in enhancing security, enabling personalized user authentication, and supporting various identity verification systems. This study investigates the influence of data distribution on the performance of one-class classification models in keystroke dynamics, focusing on the application of a nine-variate prediction ellipsoid. The object of research is the keystroke dynamics recognition process. The subject of the research is a mathematical model for keystroke dynamics recognition. Unlike typical approaches assuming a multivariate normal distribution of data, real-world keystroke datasets often exhibit non-Gaussian distributions, complicating model accuracy and robustness. To address this, the dataset underwent normalization using the multivariate Box-Cox transformation, allowing the construction of a more precise decision boundary based on the prediction ellipsoid for normalized data.The objective of the work is to increase the probability of keystroke dynamics recognition by constructing a nine-variate prediction ellipsoid for normalized data using the Box-Cox transformation.Method. This research involves constructing a nine-variate prediction ellipsoid for data normalized using the Box-Cox transformation to improve keystroke dynamics recognition. The squared Mahalanobis distance is applied to identify and remove outliers, while the Mardia test assesses deviations from normality in the multivariate distribution. Estimates for parameters of multivariate Box-Cox transformation are derived using the maximum likelihood method.Results. The results demonstrate significant performance improvements after normalization, reaching higher accuracy and robustness compared to models built for non-normalized data. The application of the nine-variate Box-Cox transformation successfully accounted for feature correlations, enabling the prediction ellipsoid to better capture underlying data patterns.Conclusions. For keystroke dynamics recognition, a mathematical model in the form of the nine-variate prediction ellipsoid for data normalized using the multivariate Box-Cox transformation has been developed, which enhances the probability of recognition compared to models constructed for non-normalized data. However, challenges remain in determining the optimal normalization technique and selecting the significance level for constructing the prediction ellipsoid. These findings underscore the importance of careful feature selection and advanced data normalization techniques for further research in keystroke dynamics recognition.Актуальність. Розпізнавання клавіатурного почерку є важливим елементом у підвищенні безпеки, що дозволяє реалізувати персоналізовану автентифікацію користувачів та підтримує різні системи перевірки особистості. Це дослідження вивчає вплив розподілу даних на ефективність моделей однокласової класифікації в задачах розпізнавання клавіатурного почерку, зосереджуючи увагу на застосуванні дев’ятивимірного еліпсоїда прогнозування. Об’єктом дослідження є процес розпізнавання клавіатурного почерку. Предметом дослідження є математичні моделі для розпізнавання клавіатурного почерку.На відміну від типових підходів, що передбачають багатовимірний нормальний розподіл даних, реальні набори даних часто відхилається від нього, що ускладнює побудову точних і надійних моделей. Для вирішення цієї проблеми дані були нормалізовані за допомогою багатовимірного перетворення Бокса-Кокса, що дозволило покращити вірогідність розпізнавання клавіатурного почерку за допомогою застосування еліпсоїда прогнозування для нормалізованих даних.Метою роботи є підвищення ймовірності розпізнавання клавіатурного почерку шляхом побудови дев’ятивимірного еліпсоїда прогнозування для нормалізованих даних із використанням багатовимірного перетворення Бокса-Кокса.Метод. Дослідження включає побудову дев’ятивимірного еліпсоїда прогнозування для даних, нормалізованих за допомогою перетворення Бокса-Кокса. Квадрат відстані Махаланобіса застосовується для виявлення та видалення викидів, а тест Мардіа оцінює відхилення багатовимірного розподілу від нормального. Оцінки параметрів багатовимірного перетворення Бокса-Кокса отримані методом максимальної правдоподібності.Результати. Результати показують значне підвищення вірогідності розпізнавання після нормалізації, що полягає у збільшені точності та надійності порівняно з моделями, побудованими для ненормалізованих даних. Застосування дев’ятивимірного перетворення Бокса-Кокса дозволило краще врахувати кореляції між ознаками, що дозволило еліпсоїду прогнозування краще захоплювати складні закономірності даних.Висновки. Для розпізнавання клавіатурного почерку була розроблена математична модель у формі дев’ятивимірногоеліпсоїда прогнозування для даних, нормалізованих із використанням багатовимірного перетворення Бокса-Кокса, що підвищує ймовірність розпізнавання в порівнянні з моделями, побудованими для ненормалізованих даних. Однак залишаються труднощі у визначенні оптимального методу нормалізації та виборі рівня значущості для побудови еліпсоїда прогнозування.Ці висновки підкреслюють важливість ретельного вибору ознак та застосування вдосконалених методів нормалізації даних для подальших досліджень у сфері розпізнавання клавіатурного почерку.Актуальність. Розпізнавання клавіатурного почерку є важливим елементом у підвищенні безпеки, що дозволяє реалізувати персоналізовану автентифікацію користувачів та підтримує різні системи перевірки особистості. Це дослідження вивчає вплив розподілу даних на ефективність моделей однокласової класифікації в задачах розпізнавання клавіатурного почерку, зосереджуючи увагу на застосуванні дев’ятивимірного еліпсоїда прогнозування. Об’єктом дослідження є процес розпізнавання клавіатурного почерку. Предметом дослідження є математичні моделі для розпізнавання клавіатурного почерку.На відміну від типових підходів, що передбачають багатовимірний нормальний розподіл даних, реальні набори даних часто відхилається від нього, що ускладнює побудову точних і надійних моделей. Для вирішення цієї проблеми дані були нормалізовані за допомогою багатовимірного перетворення Бокса-Кокса, що дозволило покращити вірогідність розпізнавання клавіатурного почерку за допомогою застосування еліпсоїда прогнозування для нормалізованих даних.Метою роботи є підвищення ймовірності розпізнавання клавіатурного почерку шляхом побудови дев’ятивимірного еліпсоїда прогнозування для нормалізованих даних із використанням багатовимірного перетворення Бокса-Кокса.Метод. Дослідження включає побудову дев’ятивимірного еліпсоїда прогнозування для даних, нормалізованих за допомогою перетворення Бокса-Кокса. Квадрат відстані Махаланобіса застосовується для виявлення та видалення викидів, а тест Мардіа оцінює відхилення багатовимірного розподілу від нормального. Оцінки параметрів багатовимірного перетворення Бокса-Кокса отримані методом максимальної правдоподібності.Результати. Результати показують значне підвищення вірогідності розпізнавання після нормалізації, що полягає у збільшені точності та надійності порівняно з моделями, побудованими для ненормалізованих даних. Застосування дев’ятивимірного перетворення Бокса-Кокса дозволило краще врахувати кореляції між ознаками, що дозволило еліпсоїду прогнозування краще захоплювати складні закономірності даних.Висновки. Для розпізнавання клавіатурного почерку була розроблена математична модель у формі дев’ятивимірногоеліпсоїда прогнозування для даних, нормалізованих із використанням багатовимірного перетворення Бокса-Кокса, що підвищує ймовірність розпізнавання в порівнянні з моделями, побудованими для ненормалізованих даних. Однак залишаються труднощі у визначенні оптимального методу нормалізації та виборі рівня значущості для побудови еліпсоїда прогнозування.Ці висновки підкреслюють важливість ретельного вибору ознак та застосування вдосконалених методів нормалізації даних для подальших досліджень у сфері розпізнавання клавіатурного почерку
МЕТОД ІНТЕЛЕКТУАЛЬНОГО АНАЛІЗУ КОЛЬОРОВИХ ЗОБРАЖЕНЬ
No full textContext. Automatic and automated image analysis methods used in computer graphic design, biometric identification, and military target search are now widespread. The object of the research is the process of color image analysis.Objective. The goal of the work is to create an intelligent method of image analysis based on quantization, binarization and clustering.Method. The proposed method for intelligent color image analysis consists of the following techniques. The technique of reducing the number of colors based on the conversion of a color image into a gray-scale image and quantization of the resulting grayscale image improves the accuracy of image feature extraction by preventing the appearance of an excessive number of image clusters. The technique of creating a set of binary images based on binarization of a quantized gray-scale image allows increasing the speed of subsequent clustering by replacing sequential extraction of all elements of a quantized gray-scale image with parallel extraction of binary image elements, as well as separating clusters obtained during subsequent clustering by color due to image membership. The technique of determining the highest priority binary images based on the probability of occurrence of each color in the quantized gray-scale image improves the speed of image structure synthesis based on the analysis results by considering the most informative binary images. The technique of extracting binary image elements on the basis of its clustering allows to increase the accuracy of extracting binary image elements by improving the method of forming the neighborhoods of points (no radius of empirically determined neighborhood is needed), detecting random outliers and noise, extracting image elements of different shapes and sizes without specifying the number of extracted binary image elements, as well as increasing the speed of extracting binary image elements by forming the neighborhoods of white points only. The technique of determining the higher priority parts of the binary image based on the power of image clusters allows increasing the accuracy of image structure synthesis based on the analysis results by omitting noise and random outliers.Results. The proposed method for intelligent analysis of color images was programmatically implemented using Parallel Computing Toolbox of Matlab package and investigated for the task of image feature extraction on the corresponding database. The results obtained allowed to compare the traditional and proposed methods.Conclusions. The proposed method allows to expand the application area of color image analysis based on color-to-gray-scale image conversion, quantization, binarization, parallel clustering and contributes to the efficiency of computer systems for image classification and synthesis. Prospects for further research investigating the proposed method for a wide class of machine learning tasksАктуальність. В даний час широкого поширення набули методи автоматичного та автоматизованого аналізу зображень,які використовуються в комп’ютерному графічному дизайні, біометричній ідентифікації, пошуку військових цілей.Об’єктом дослідження є процес аналізу кольорових зображень.Метою роботи є створення інтелектуального методу аналізу зображення на основі квантування, бінаризації такластеризації.Метод. Запропонований метод інтелектуального аналізу кольорових зображень складається з таких методик. Методиказменшення кількості кольорів на основі перетворення кольорового зображення в сіре та квантування отриманого сірогозображення дозволяє підвищити точність вилучення елементів зображення за рахунок запобігання появі надлишкової кількості кластерів зображення. Методика створення набору бінарних зображень на основі бінаризації квантованого сірого зображення дозволяє підвищити швидкість подальшої кластеризації за рахунок заміни послідовного вилучення всіх елементів квантованого сірого зображення паралельним вилученням елементів бінарних зображень, а також розбити кластери, отримані в ході подальшої кластеризації, за кольором за рахунок належності різним бінарним зображенням. Методика визначення найбільш пріоритетних бінарних зображень на основі ймовірності появи кожного кольору в квантованому сірому зображенні дозволяє підвищити швидкість синтезу структури зображення за результатами аналізу за рахунок розгляду найбільш інформативних бінарних зображень. Методика вилучення елементів бінарного зображення на основі його кластеризації дозволяє підвищити точність вилучення елементів бінарного зображення за рахунок поліпшення способу формування околиць точок (не потрібний радіус околиці, що емпірично визначається), виявлення випадкових викидів і шуму, видобування елементів зображення різної форми та розміру, не вказуючи кількість видобутих елементів бінарного зображення, а також підвищення швидкості вилучення елементів бінарного зображення за рахунок формування околиць тільки точок білого кольору. Методика визначення найбільш пріоритетних елементів бінарного зображення на основі потужності кластерів зображення дозволяє підвищити точність синтезу структури зображення за результатами аналізу за рахунок пропуску шуму і випадкових викидів.Результати. Запропонований метод інтелектуального аналізу кольорових зображень був програмно реалізований за допомогою Parallel Computing Toolbox пакету Matlab і досліджений для завдання вилучення елементів зображень на відповідній базі даних. Отримані результати дозволили порівняти традиційний та запропонований методи.Висновки. Запропонований метод дозволяє розширити область застосування аналізу кольорових зображень на основіперетворення кольорового зображення в сіре, квантування, бінаризації, паралельної кластеризації, та сприяє підвищенню ефективності комп’ютерних систем класифікації та синтезу зображень. Перспективами подальших досліджень є дослідження запропонованого методу для широкого класу задач машинного навчанняАктуальність. В даний час широкого поширення набули методи автоматичного та автоматизованого аналізу зображень, які використовуються в комп’ютерному графічному дизайні, біометричній ідентифікації, пошуку військових цілей.Об’єктом дослідження є процес аналізу кольорових зображень.Метою роботи є створення інтелектуального методу аналізу зображення на основі квантування, бінаризації та кластеризації.Метод. Запропонований метод інтелектуального аналізу кольорових зображень складається з таких методик. Методика зменшення кількості кольорів на основі перетворення кольорового зображення в сіре та квантування отриманого сірого зображення дозволяє підвищити точність вилучення елементів зображення за рахунок запобігання появі надлишкової кількості кластерів зображення. Методика створення набору бінарних зображень на основі бінаризації квантованого сірого зображення дозволяє підвищити швидкість подальшої кластеризації за рахунок заміни послідовного вилучення всіх елементів квантованого сірого зображення паралельним вилученням елементів бінарних зображень, а також розбити кластери, отримані в ході подальшої кластеризації, за кольором за рахунок належності різним бінарним зображенням. Методика визначення найбільш пріоритетних бінарних зображень на основі ймовірності появи кожного кольору в квантованому сірому зображенні дозволяє підвищити швидкість синтезу структури зображення за результатами аналізу за рахунок розгляду найбільш інформативних бінарних зображень. Методика вилучення елементів бінарного зображення на основі його кластеризації дозволяє підвищити точність вилучення елементів бінарного зображення за рахунок поліпшення способу формування околиць точок (не потрібний радіус околиці, що емпірично визначається), виявлення випадкових викидів і шуму, видобування елементів зображення різної форми та розміру, не вказуючи кількість видобутих елементів бінарного зображення, а також підвищення швидкості вилучення елементів бінарного зображення за рахунок формування околиць тільки точок білого кольору. Методика визначення найбільш пріоритетних елементів бінарного зображення на основі потужності кластерів зображення дозволяє підвищити точність синтезу структури зображення за результатами аналізу за рахунок пропуску шуму і випадкових викидів.Результати. Запропонований метод інтелектуального аналізу кольорових зображень був програмно реалізований за допомогою Parallel Computing Toolbox пакету Matlab і досліджений для завдання вилучення елементів зображень на відповідній базі даних. Отримані результати дозволили порівняти традиційний та запропонований методи.Висновки. Запропонований метод дозволяє розширити область застосування аналізу кольорових зображень на основі перетворення кольорового зображення в сіре, квантування, бінаризації, паралельної кластеризації, та сприяє підвищенню ефективності комп’ютерних систем класифікації та синтезу зображень. Перспективами подальших досліджень є дослідження запропонованого методу для широкого класу задач машинного навчанн
ПРОГНОЗУВАННЯ ЯКОСТІ ВІДНОВЛЕННЯ ЗОБРАЖЕНЬ ІЗ ЗАСТОСУВАННЯМ ТЕСТУРНИХ ДЕСКРИПТОРІВ
No full textContext. The problem of filling missing image areas with realistic assumptions often arises in the processing of real scenes in computer vision and computer graphics. To inpaint the missing areas in an image, various approaches are applied such as diffusion models, self-attention mechanism, and generative adversarial networks. To restore the real scene images convolutional neural networks are used. Although convolutional neural networks recently achieved significant success in image inpainting, high efficiency is not always provided.Objective. The paper aims to reduce the time consumption in computer vision and computer graphics systems by accuracy prediction of image inpainting with convolutional neural networks.Method. The prediction of image inpainting accuracy can be done by an analysis of image statistics without the execution of inpainting itself. Then the time and computer resources on the image inpainting will not be consumed. We have used a peak signalto-noise ratio and a structural similarity index measure to evaluate an image inpainting accuracy.Results. It is shown that a prediction can perform well for a wide range of mask sizes and real-scene images collected in the Places2 database. As an example, we concentrated on a particular case of the LaMa network versions although the proposed method can be generalized to other convolutional neural networks as well.Conclusions. The results obtained by the proposed method show that this type of prediction can be performed with satisfactory accuracy if the dependencies of the SSIM or PSNR versus image homogeneity are used. It should be noted that the structural similarity of the original and inpainted images is better predicted than the error between the corresponding pixels in the original and inpainted images. To further reduce the prediction error, it is possible to apply the regression on several input parametersАктуальність. Проблема заповнення відсутніх областей зображення реалістичним контентом часто виникає приобробці реальних сцен у комп’ютерному зорі та комп’ютерній графіці. Щоб відновити відсутні області на зображенні,застосовуються різні підходи, такі як дифузійні моделі, механізм самоуважності, генеративні змагальні мережі. Длявідновлення зображень реальних сцен використовуються згорткові нейронні мережі. Із застосуванням цих мереж останнім часом досягнуто значних успіхів у відновленні зображень. Але отримані відновлені зображення не завжди високої якості.Мета роботи полягає у зменшенні витрат часу в системах комп’ютерної графіки та комп’ютерного зору шляхомпрогнозування якості відновлення зображень згортковими нейронними мережами.Метод. Прогноз точності відновлення зображення здійснено шляхом аналізу статистики зображення без виконаннясамої реконструкції і, отже, без витрачання зайвого часу та комп’ютерних ресурсів на відновлення зображення. Мивикористали пікове відношення сигнал/шум і показник індексу структурної подібності для оцінки якості відновленнязображення.Результати. Показано, що передбачення ефективне для широкого діапазону розмірів масок і зображень реальних сцен збази даних Places2. У якості прикладу було зосереджено на окремих випадках версій мережі LaMa, хоча запропонованийметод також можна узагальнити на інші згорткові нейронні мережі.Висновки. Отримані результати показують, що прогноз якості відновлення зображень може бути виконаний іззадовільною точністю, якщо використовувати залежності SSIM або PSNR від показника однорідності текстури зображень.Слід зазначити, що структурна подібність початкового та відновленого зображень краще передбачувана, ніж помилка між відповідними пікселями цих зображень. Щоб зменшити помилку прогнозування можна застосувати регресію за декількома вхідними зміннимиАктуальність. Проблема заповнення відсутніх областей зображення реалістичним контентом часто виникає при обробці реальних сцен у комп’ютерному зорі та комп’ютерній графіці. Щоб відновити відсутні області на зображенні, застосовуються різні підходи, такі як дифузійні моделі, механізм самоуважності, генеративні змагальні мережі. Для відновлення зображень реальних сцен використовуються згорткові нейронні мережі. Із застосуванням цих мереж останнім часом досягнуто значних успіхів у відновленні зображень. Але отримані відновлені зображення не завжди високої якості.Мета роботи полягає у зменшенні витрат часу в системах комп’ютерної графіки та комп’ютерного зору шляхом прогнозування якості відновлення зображень згортковими нейронними мережами.Метод. Прогноз точності відновлення зображення здійснено шляхом аналізу статистики зображення без виконання самої реконструкції і, отже, без витрачання зайвого часу та комп’ютерних ресурсів на відновлення зображення. Мивикористали пікове відношення сигнал/шум і показник індексу структурної подібності для оцінки якості відновлення зображення.Результати. Показано, що передбачення ефективне для широкого діапазону розмірів масок і зображень реальних сцен збази даних Places2. У якості прикладу було зосереджено на окремих випадках версій мережі LaMa, хоча запропонований метод також можна узагальнити на інші згорткові нейронні мережі.Висновки. Отримані результати показують, що прогноз якості відновлення зображень може бути виконаний із задовільною точністю, якщо використовувати залежності SSIM або PSNR від показника однорідності текстури зображень.Слід зазначити, що структурна подібність початкового та відновленого зображень краще передбачувана, ніж помилка між відповідними пікселями цих зображень. Щоб зменшити помилку прогнозування можна застосувати регресію за декількома вхідними змінним
ОЦІНЮВАННЯ КВАНТОВАНИХ ВЕЛИКИХ МОВНИХ МОДЕЛЕЙ В ЗАДАЧІ УЗАГАЛЬНЕННЯ ТЕКСТІВ
No full textContext. The problem of increasing the efficiency of deep artificial neural networks in terms of memory and energy consumption, and the multi-criteria evaluation of the quality of the results of large language models (LLM) taking into account the judgments of users in the task of summarizing texts, are considered. The object of the study is the process of automated text summarization based on LLMs.Objective. The goal of the work is to find a compromise between the complexity of the LLM, its performance and operational efficiency in text summarization problem.Method. An LLM evaluation algorithm based on multiple criteria is proposed, which allows choosing the most appropriate LLM model for text summarization, finding an acceptable compromise between the complexity of the LLM model, its performance and the quality of text summarization. A significant improvement in the accuracy of results based on neural networks in natural language processing tasks is often achieved by using models that are too deep and over-parameterized, which significantly limits the ability of the models to be used in real-time inference tasks, where high accuracy is required under conditions of limited resources. The proposed algorithm selects an acceptable LLM model based on multiple criteria, such as accuracy metrics BLEU, Rouge-1, 2, Rouge-L, BERT-scores, speed of text generalization, or other criteria defined by the user in a specific practical task of intellectual analysis. The algorithm includes analysis and improvement of consistency of user judgments, evaluation of LLM models in terms of each criterion.Results. Software is developed for automatically extracting texts from online articles and summarizing these texts. Nineteen quantized and non-quantized LLM models of various sizes were evaluated, including LLaMa-3-8B-4bit, Gemma-2B-4bit, Gemma- 1.1-7B-4bit, Qwen-1.5-4B-4bit, Stable LM-2-1.6B-4bit, Phi-2-4bit, Mistal-7B-4bit, GPT-3.5 Turbo and other LLMs in terms of BLEU, Rouge-1, Rouge-2, Rouge-L and BERT-scores on two different datasets: XSum and CNN/ Daily Mail 3.0.0.Conclusions. The conducted experiments have confirmed the functionality of the proposed software, and allow to recommend it for practical use for solving the problems of text summarizing. Prospects for further research may include deeper analysis of metrics and criteria for evaluating quality of generated texts, experimental research of the proposed algorithm on a larger number of practical tasks of natural language processingАктуальність. Розглянуто задачу підвищення ефективності глибоких штучних нейронних мереж щодо обсягу пам'яті та енергоспоживання, та багатокритеріальне оцінювання якості результатів великих мовних моделей (LLM) з урахуванням суджень користувачів в задачі сумаризації текстів. Об’єктом дослідження є процес автоматизації сумаризації текстів на основі LLM.Мета роботи – знайти компроміс між складністю моделі LLM, її точністю та ефективністю в задачі сумаризації або узагальнення текстів.Метод. Запропоновано алгоритм оцінювання моделей LLM за багатьма критеріями (метриками), який дозволяє обрати найбільш підходящу модель LLM для сумаризації тексту, знайти прийнятний компроміс між складністю моделі LLM, її продуктивністю та якістю узагальнення тексту. Значне підвищення точності результатів на основі нейронних мереж у задачах обробки природної мови часто досягається використанням занадто глибоких і надмірно параметризованих моделей, що суттєво обмежує здатність моделей використовуватися у задачах виводу в реальному часі, за потреби високої точності в умовах обмежених ресурсів. Пропонований алгоритм обирає прийнятну модель LLM за багатьма критеріями, такими як показники точності BLEU, Rouge-1, 2, Rouge-L, BERT-оцінки, швидкість сумаризації або іншими критеріями, які визначаються користувачем в конкретній практичній задачі інтелектуального аналізу тексту. Алгоритм включає аналіз і підвищення узгодженості суджень користувачів, оцінювання моделей LLM за кожним критерієм, агрегування локальних ваг моделей, аналіз чутливості отриманих глобальних ваг моделей.Результати. Розроблено програмне забезпечення для автоматичного отримання текстів з онлайн-статей і сумаризації цих текстів, та для оцінювання якості моделей LLM. Отримано оцінки якості дев’ятнадцяти квантованих і неквантованих моделей LLM різних розмірів, серед яких LLaMa-3-8B-4bit, Gemma-2B-4bit, Gemma-1.1-7B-4bit, Qwen-1.5-4B-4bit, Stable LM-2-1.6B-4bit, Phi-2-4bit, Mistal-7B-4bit, GPT-3.5 Turbo за показниками BLEU, Rouge-1, Rouge-2, Rouge-L і BERT-оцінок на двох різних наборах текстів XSum та CNN/Daily Mail 3.0.0.Висновки. Проведені експерименти підтвердили працездатність пропонованого математичного забезпечення, дозволяють рекомендувати його для використання при вирішенні задач сумаризації текстів на практиці. Перспективи подальших досліджень можуть полягати у більш глибокому аналізі метрик та критеріїв оцінювання якості сгенерованих текстів, а також експериментальному дослідженні пропонованого алгоритму на більшій кількості практичних задач обробки природної мовиАктуальність. Розглянуто задачу підвищення ефективності глибоких штучних нейронних мереж щодо обсягу пам'яті та енергоспоживання, та багатокритеріальне оцінювання якості результатів великих мовних моделей (LLM) з урахуванням суджень користувачів в задачі сумаризації текстів. Об’єктом дослідження є процес автоматизації сумаризації текстів на основі LLM.Мета роботи – знайти компроміс між складністю моделі LLM, її точністю та ефективністю в задачі сумаризації або узагальнення текстів.Метод. Запропоновано алгоритм оцінювання моделей LLM за багатьма критеріями (метриками), який дозволяє обрати найбільш підходящу модель LLM для сумаризації тексту, знайти прийнятний компроміс між складністю моделі LLM, її продуктивністю та якістю узагальнення тексту. Значне підвищення точності результатів на основі нейронних мереж у задачах обробки природної мови часто досягається використанням занадто глибоких і надмірно параметризованих моделей, що суттєво обмежує здатність моделей використовуватися у задачах виводу в реальному часі, за потреби високої точності в умовах обмежених ресурсів. Пропонований алгоритм обирає прийнятну модель LLM за багатьма критеріями, такими як показники точності BLEU, Rouge-1, 2, Rouge-L, BERT-оцінки, швидкість сумаризації або іншими критеріями, які визначаються користувачем в конкретній практичній задачі інтелектуального аналізу тексту. Алгоритм включає аналіз і підвищення узгодженості суджень користувачів, оцінювання моделей LLM за кожним критерієм, агрегування локальних ваг моделей, аналіз чутливості отриманих глобальних ваг моделей.Результати. Розроблено програмне забезпечення для автоматичного отримання текстів з онлайн-статей і сумаризації цих текстів, та для оцінювання якості моделей LLM. Отримано оцінки якості дев’ятнадцяти квантованих і неквантованих моделей LLM різних розмірів, серед яких LLaMa-3-8B-4bit, Gemma-2B-4bit, Gemma-1.1-7B-4bit, Qwen-1.5-4B-4bit, Stable LM-2-1.6B-4bit, Phi-2-4bit, Mistal-7B-4bit, GPT-3.5 Turbo за показниками BLEU, Rouge-1, Rouge-2, Rouge-L і BERT-оцінок на двох різних наборах текстів XSum та CNN/Daily Mail 3.0.0.Висновки. Проведені експерименти підтвердили працездатність пропонованого математичного забезпечення, дозволяють рекомендувати його для використання при вирішенні задач сумаризації текстів на практиці. Перспективи подальших досліджень можуть полягати у більш глибокому аналізі метрик та критеріїв оцінювання якості сгенерованих текстів, а також експериментальному дослідженні пропонованого алгоритму на більшій кількості практичних задач обробки природної мов