Современное состояние научных исследований и технологий в промышленности
Not a member yet
490 research outputs found
Sort by
Інтегрована симуляційна модель ройового управління й адаптивної маршрутизаціі БпЛА в умовах змінного повітрянного середовища
No full textSubject matter: the processes of swarm control and adaptive routing of unmanned aerial vehicles (UAVs) in complex and dynamically changing air conditions using adaptive algorithms. Goal: to develop an integrated simulation model that combines swarm control methods, adaptive PID control and adaptive routing algorithms to ensure the safety, optimality and efficiency of UAV fleet movement in conditions of a changing air environment. Tasks: to analyze existing approaches to swarm control and adaptive routing of UAVs; to develop a mathematical model of an integrated system that takes into account the specifics of interaction between UAVs, collision avoidance and dynamic changes in the air environment; to create a swarm control algorithm based on adaptive PID regulation of UAV movement parameters; to develop and implement an adaptive routing algorithm that responds to changes in traffic, weather conditions and other airspace factors; to implement the integrated model in a simulation environment and test its effectiveness; to conduct a comparative analysis of the efficiency of UAV operation with and without the developed algorithms. Methods: use of adaptive PID control methods for dynamic regulation of UAV movement trajectories and ensuring flight accuracy and stability; application of swarm control algorithms (boids-type methods) for synchronization of movement and collision avoidance in UAV groups; nonlinear optimization of routes taking into account dynamically changing conditions, which allows minimizing collision risks, energy consumption and flight time; construction of a graph-theoretic model of airspace for effective route planning and situation forecasting; creation of digital twins of the air environment for conducting simulation experiments. Results: an integrated simulation model of swarm control and adaptive routing of UAVs was developed, which takes into account air environment variables; adaptive PID control and swarm control algorithms ensured a reduction in the average positioning error and collision avoidance of UAVs; According to the results of simulation experiments, an increase in the reward of agents by ≈50%, an increase in the successful completion of episodes by ≈50%, and a reduction in agent errors on the way to the goal by ≈10%. Conclusions: created integrated model allows for effective management of UAV flotillas in conditions of a changing air environment, significantly increasing the safety and optimality of routes; the use of adaptive algorithms and graph-theoretic models provides high forecasting accuracy and risk minimization; the results of the study confirm the prospects for implementing the developed algorithms for UAV control in urban and regional conditions.Предмет дослідження – процеси ройового управління й адаптивної маршрутизації безпілотних літальних апаратів (БпЛА) у складних і динамічно змінних повітряних умовах із використанням адаптивних алгоритмів. Мета – розробити інтегровану симуляційну модель, що поєднує методи ройового управління, адаптивного PID-контролю та алгоритмів адаптивної маршрутизації для забезпечення безпеки, оптимальності й ефективності руху флотилій БпЛА в умовах мінливого повітряного середовища. Завдання: проаналізувати наявні підходи до ройового управління та адаптивної маршрутизації БпЛА; розробити математичну модель інтегрованої системи, яка бере до уваги особливості взаємодії між БпЛА, уникнення зіткнень та динамічні зміни повітряного середовища; створити алгоритм ройового управління, оснований на адаптивному PID-регулюванні параметрів руху БпЛА; розробити та впровадити алгоритм адаптивної маршрутизації, що реагує на зміни трафіку, погодних умов та інших факторів повітряного простору; реалізувати інтегровану модель у симуляційному середовищі та протестувати її ефективність; проаналізувати й порівняти ефективність роботи БпЛА з розробленими алгоритмами та без них. Методи: упровадження методів адаптивного PID-контролю для динамічного регулювання траєкторій руху БпЛА та забезпечення точності й стабільності польотів; застосування алгоритмів ройового управління (методи типу boids) для синхронізації руху та уникнення зіткнень у групах БпЛА; нелінійна оптимізація маршрутів з огляду на динамічно змінні уми, що дає змогу мінімізувати ризики зіткнень, витрати енергії та час польоту; побудова теоретико-графової моделі повітряного простору для ефективного планування маршрутів і прогнозування ситуацій; створення цифрових двійників повітряного середовища для проведення симуляційних експериментів. Результати: розроблено інтегровану симуляційну модель ройового управління та адаптивної маршрутизації БпЛА, яка зважає на зміни повітряного середовища; алгоритми адаптивного PID-контролю та ройового управління забезпечили зменшення середньої похибки позиціювання та уникнення зіткнень БпЛА; за результатами симуляційних експериментів досягнуто збільшення нагороди агентів на 50%, збільшення успішного завершення епізодів на 50%, а також зменшення помилок агентів на шляху до цілі на 10%. Висновки: створена інтегрована модель дає змогу ефективно управляти флотиліями БпЛА в умовах мінливого повітряного середовища й водночас значно підвищити безпеку та оптимальність маршрутів; використання адаптивних алгоритмів і теоретико-графових моделей забезпечує високу точність прогнозування та мінімізацію ризиків; результати дослідження підтверджують перспективність упровадження розроблених алгоритмів для управління БпЛА в міських і регіональних умовах
Застосування методів машинного навчання для аналізу UX/UI-даних масових опитувань користувачів
Get PDFThe subject of this article is the application of machine learning methods to the interpretation of UX/UI data collected through mass user surveys on digital platforms. The paper explores the hypothesis that coordinated use of various classification models allows for the identification of behavioral patterns that hold predictive value for assessing users’ interactions with product features. The goal is to perform a comparative analysis of classification accuracy using real-world UX/UI survey data. The methodology includes data preprocessing, feature encoding, normalization, clustering, and training of six model types: decision trees, random forest, gradient boosting, multilayer perceptron (MLP), logistic regression, and k-nearest neighbors. Particular attention is paid to how these models perform on small-scale, mixed-type UX/UI datasets. The modeling results demonstrate that even with limited data, it is possible to uncover significant relationships between socio-demographic variables, user types, and feature usage. These findings suggest that machine learning can be a promising approach for analyzing user behavior, with the potential for further integration into decision support systems. This approach can be adapted to various domains where structured user data is available, including online education, healthcare, public administration, urban services, and internal organizational platforms.Предметом дослідження є впровадження методів машинного навчання для інтерпретації UX/UI-даних, зібраних способом масових опитувань користувачів освітніх онлайн-платформ. У роботі розглянуто гіпотезу про те, що узгоджене застосування різних моделей класифікації дає змогу виокремити поведінкові патерни, які мають прогностичне значення для оцінки використання окремих функцій продукту. Метою є порівняльний аналіз точності таких моделей на прикладі реального UX/UI-опитування. Методика дослідження передбачає етапи підготовки даних, кодування ознак, нормалізації, кластеризації та побудови моделей шести типів: дерева рішень, випадкового лісу, градієнтного бустингу, багатошарової нейромережі, логістичної регресії та методу k-найближчих сусідів. Основну увагу зосереджено на тому, як кожна з моделей поводиться в умовах UX/UI-даних, що мають обмежений обсяг, складну структуру й множину змішаних ознак. Результати моделювання демонструють, що навіть у межах невеликих вибірок моделі можуть виявляти значущі залежності між соціально-демографічними факторами, типами користувачів і функціональною активністю. Висновки. Застосування машинного навчання до UX/UI-даних є перспективним підходом до аналізу поведінки користувачів з можливістю подальшої інтеграції таких підходів у системи підтримки рішень. Запропонований підхід дає змогу виявляти стійкі поведінкові патерни користувачів на основі структурованих UX/UI-даних і має потенціал для подальшого розвитку методів прогнозування функціональної активності. Це відкриває перспективи інтеграції таких рішень у системи підтримки рішень в онлайн-освіті, охороні здоров’я, державному управлінні та інших сферах, де аналіз користувацьких даних відіграє критичну роль
Інтегральна метрика живучості інформаційної системи на мобільній платформі в умовах каскадних і вторинних функціональних збоїв
No full textThe subject of the study is an integral metric of the survivability of an information system on a mobile platform under intermittent connectivity, partial observability, and cascading and secondary failures. The system is presented as a multilevel "data–processes–resources" structure. The goal of the work is to develop an integrated survivability metric that takes into account time deviations from requirements, their propagation through a dependency graph, and hidden violations; to propose a single-pass algorithm and prove its properties on scenarios. The article solves the following tasks: to formalize service requirements and structure projection; to build a metric with risk-oriented aggregation of deficits, cascading correction, and systematic consideration of secondary failures; to develop single-pass calculations in "availability windows"; to prove monotonicity, scale invariance, and resistance to omissions; to define rules for parameter tuning and configuration comparison; to perform experimental verification and comparison with baseline indicators. The following methods are used: projection of services at the level of data, processes, and resources; use of conditional average excess as risk-oriented aggregation; cascading correction by depth and width; organization of secondary failures and desynchronization fixation; normalization in "availability windows"; single-pass updates close to linear complexity. The following results were obtained: an integrated metric of survivability was proposed and formally defined; its monotonicity in terms of parameters, boundedness, invariance to scaling, and resistance to omissions were proven; the difference from the average deficit was shown – the proposed metric amplifies the contribution of rare deep failures and responds to cascading, while the average values are almost constant; in the absence of service deficits, a positive level is maintained due to the detection of latent secondary failures; scenarios yield consistent families of curves and a three-dimensional surface that demonstrate controllable sensitivity tuning and stable ranking of configurations for industrial mobile platform operating conditions. Conclusions: The proposed metric provides a service-consistent assessment of the state of the information system, while taking into account time deficits, cascading propagation, and secondary failures. It is suitable for sequential computing in resource-constrained environments, enhances early risk detection, and supports monitoring, localization, and survivability.Предметом дослідження є інтегральна метрика живучості інформаційної системи на мобільній платформі за переривного зв’язку, часткової спостережуваності та каскадних і вторинних збоїв. Систему подано як багаторівневу структуру "дані – процеси – ресурси". Мета роботи – розробити інтегральну метрику живучості, яка бере до уваги часові відхилення від вимог, їх поширення графом залежностей і приховані порушення; запропонувати однопрохідний алгоритм і довести його властивості на сценаріях. Для досягнення окресленої мети необхідно виконати так завдання: формалізувати сервісні вимоги й проєкцію структури; побудувати метрику з ризик-орієнтованим агрегуванням дефіцитів, каскадною корекцією та системним урахуванням вторинних збоїв; розробити однопрохідні обчислення у "вікнах доступності"; довести монотонність, інваріантність масштабу й стійкість до пропусків; визначити правила налаштування параметрів і порівняння конфігурацій; експериментально перевірити й зіставити з базовими індикаторами. Упроваджено такі методи: проєкція сервісів на рівні даних, процесів і ресурсів; використання умовного середнього перевищення як ризик-орієнтованої агрегації; каскадна корекція за глибиною та шириною; організація фіксації вторинних збоїв і розсинхронізації; нормування у "вікнах доступності"; однопрохідні оновлення близької до лінійної складності. Досягнуті результати: запропоновано й формально визначено інтегральну метрику живучості; доведено її монотонність за параметрами, обмеженість, інваріантність до масштабування й стійкість до пропусків; продемонстровано відмінність від середнього дефіциту – розроблена метрика підсилює внесок рідкісних глибоких провалів і реагує на каскадність, тоді як середні значення майже сталі; за відсутності сервісних дефіцитів зберігається додатний рівень завдяки виявленню латентних вторинних збоїв; на сценаріях отримано узгоджені сімейства кривих і тривимірну поверхню, які демонструють кероване налаштування чутливості та стійке ранжування конфігурацій для промислових умов експлуатації мобільних платформ. Висновки: запропонована метрика забезпечує сервісно узгоджену оцінку стану інформаційної системи, одночасно зважаючи на часові дефіцити, каскадне поширення та вторинні збої; інтегральна метрика придатна для послідовних обчислень у ресурсно обмежених умовах, підсилює раннє виявлення ризиків і підтримує моніторинг, локалізацію, забезпечує живучість
Інтелектуальний аналіз даних у реляційних інформаційно-аналітичних системах
No full textThe subject of the study is the methods of intellectual analysis, namely the construction of a decision tree, associative analysis, the identification of patterns between related events based on data presented by a relational model. The purpose of the study is to analyze the features of information units and data structures, using the example of relational systems that affect the technology of knowledge extraction. Tasks: the article solves the following tasks: to consider the relational data model as the most popular and effective data structure used in intelligent information systems for data processing and storage; to analyze the operations of relational algebra, the operational component of the relational data model regarding the application of aggregate functions; to develop a general formal statement of the problem of knowledge extraction from a relational database; to consider the concept of functional associative rules; the ID3 decision tree generation algorithm focused on data processing in relational systems is analyzed. The following methods are implemented: modern view and trends in the field of data mining; features of building information systems based on relational databases, relational algebra, theory of normalization of relations; analysis of literature on the topic of research; comparative analysis. Results achieved: the relational data model is considered as the most effective data structure used in intelligent information systems for data processing and storage. A group of aggregate functions of relational databases is identified and analyzed with respect to key attributes of the relation, which makes it possible to build logical dependencies between information units of the subject area being analyzed. The task of extracting knowledge from the database is formally formulated. The concept of functional associative rules is introduced. The ID3 decision tree generation algorithm focused on data processing in relational systems is carefully analyzed. The semantic network (SN), built on the basis of the proposed approach, allows to increase the efficiency of decision support systems. Conclusions: the universal approach proposed in the article to build a relational data model of an information system for searching for associative patterns in data allows to solve a whole class of typical tasks in which objects are connected by a "many-to-many" relationship or M →N. The relational database model is proposed as a universal information structure for solving associative analysis tasks and presenting knowledge in the form of a semantic network. The examples given in the article confirm the effectiveness of the developed and considered approaches to solving the problem of data mining in the environment of relational systems. Solving the problem of identifying knowledge in data will allow to improve the quality of management decisions made.Предметом дослідження є методи інтелектуального аналізу, а саме побудова дерева рішень, асоціативний аналіз, виявлення закономірностей між пов’язаними подіями на основі даних, які подано реляційною моделлю. Мета – проаналізувати реляційну модель даних, зокрема вплив рівня нормалізації схеми реляційної бази даних на технологію видобування знань на прикладі розроблення семантичної моделі подання знань і асоціативного аналізу даних. У статті необхідно виконати такі завдання: розглянути реляційну модель даних як найбільш популярну й ефективну структуру, яка використовується в інтелектуальних інформаційних системах оброблення та зберігання даних; проаналізувати особливості операції реляційної алгебри щодо застосування агрегатних функцій; розробити загальну формальну постановку завдання видобування знань з бази даних реляційного типу; розглянути поняття функціональних асоціативних правил, алгоритм генерації дерев рішень ID3, орієнтований на оброблення даних у реляційних системах. Упроваджено такі методи: реляційна алгебра, теорія нормалізації відношень, порівняльний аналіз. Досягнуті результати. Досліджено реляційну модель даних як найбільш ефективну структуру, що використовується в інтелектуальних інформаційних системах оброблення та зберігання даних. Виокремлено та проаналізовано групу агрегатних функцій реляційних баз даних щодо ключових атрибутів відношення, що дає змогу будувати логічні залежності між інформаційними одиницями предметної галузі, яка аналізується. Формально сформульовано задачу видобування знань з бази даних. Запропоновано поняття функціональних асоціативних правил. Ретельно проаналізовано алгоритм генерації дерев рішень ID3, орієнтований на оброблення даних у реляційних системах. Семантична мережа, побудована на основі запропонованого підходу, сприяє підвищенню ефективності систем підтримки прийняття рішень. Висновки. Запропонований у статті універсальний підхід до побудови реляційної моделі даних інформаційної системи пошуку асоціативних закономірностей у даних дає змогу розв’язувати цілий клас типових завдань, в яких об’єкти пов’язані відношенням "багато до багатьох", або M → N. Реляційна модель бази даних запропонована як універсальна інформаційна структура для виконання завдань асоціативного аналізу та подання знань у вигляді семантичної мережі. Наведені в статті приклади підтверджують ефективність розроблених і розглянутих підходів до розв’язання задачі інтелектуального аналізу даних у середовищі реляційних систем. Виконання поставленої задачі виявлення знань у даних дасть змогу підвищити якість прийнятих управлінських рішень
Двошарова модель для виявлення фальсифікованої інформації з використанням наївного баєсівського класифікатора в соціально орієнтованих системах
No full textThe subject matter of the article is the problem of detecting fabricated information in socially oriented systems characterized by significant user load. The goal of the work is to develop of a two-layer fake information classification model based on a combination of a naive Bayesian classifier and a hybrid recurrent-convolutional neural network. The following tasks were solved in the article: conducting expert evaluation and domain analysis to determine basic classes of fake information; analyzing linguistic markers of disinformation and developing feature vectors for classification; developing models for data segregation using a naive Bayesian classifier; conducting experimental verification of the proposed two-layer model in comparison with the RCNN approach. The following methods used are – analytical method for forming a set of disinformation markers; inductive method for determining the target set of indicators for implementing the second layer of the model; expert evaluation for determining the most influential efficiency factors and feature weight coefficients; experimental and multi-criteria evaluation methods for determining the most effective model. The following results were obtained – a classification structure for types of fake information was formed, including five categories from jokes to globally harmful news. A set of discriminative features characteristic of fabricated information was developed, including primary linguistic markers and secondary stylometric indicators. It was determined that the approach using a two-layer model demonstrated, on average, a 15% improvement in efficiency compared to direct application of a hybrid recurrent-convolutional neural network. Conclusions: the application of a two-layer data classification model successfully expands the capabilities of basic detection of data falsification, including scale assessment and analysis of fabrication intentionality. Empirical analysis shows that implementation of a two-layer model with a naive Bayesian classifier achieves an average 15% performance improvement compared to simple neural network application. This performance difference becomes particularly significant in high-throughput systems where rapid identification and response to fabricated information are critical operational parameters. The obtained result allows us to assert the feasibility of implementing the proposed approach, and accordingly, provides the opportunity to reduce the impact of such information in socially oriented systems, especially during crisis situations.Предметом дослідження є проблема виявлення сфабрикованої інформації в соціально орієнтованих системах, яким властиве значне користувацьке навантаження. Мета – розроблення двошарової моделі класифікації фейкової інформації на основі поєднання наївного баєсівського класифікатора й гібридної рекурентно-згорткової нейромережі. У статті розв’язано такі завдання: експертне оцінювання та доменний аналіз для визначення базових класів фейкової інформації; аналіз лінгвістичних маркерів дезінформації та розроблення векторів ознак для класифікації; створення моделей для сегрегації даних з використанням наївного баєсівського класифікатора; експериментальна перевірка запропонованої двошарової моделі та порівняння з підходом RCNN. Упроваджено такі методи: аналітичний (для формування набору маркерів дезінформації); індуктивний (з метою визначення цільового набору індикаторів для реалізації другого шару моделі); експертне оцінювання (для встановлення найбільш впливових факторів ефективності та вагових коефіцієнтів ознак); експериментальний і багатокритеріальний методи оцінювання (з метою визначення найбільш ефективної моделі). Досягнуті результати. Сформовано класифікаційну структуру для типів фейкової інформації, що містить п’ять категорій – від жартів до глобально шкідливих новин. Розроблено набір дискримінативних ознак, властивих для сфабрикованої інформації, зокрема первинні лінгвістичні маркери та вторинні стилометричні індикатори. Визначено, що підхід з використанням двошарової моделі продемонстрував у середньому 15% підвищення ефективності порівняно з прямим застосуванням гібридної рекурентно-згортокової нейромережі. Висновки. Застосування двошарової моделі класифікації даних успішно розширює можливості базового виявлення факту фальсифікації інформації, зокрема оцінювання масштабу й аналіз навмисності фабрикації. Емпіричний аналіз демонструє, що імплементація двошарової моделі з наївним баєсівським класифікатором досягає середнього 15% підвищення продуктивності, на відміну від простого застосування нейронної мережі. Ця різниця в продуктивності стає особливо значущою в системах з високою пропускною здатністю, де швидка ідентифікація та реагування на сфабриковану інформацію є критичними операційними параметрами. Здобутий результат дає змогу стверджувати про доцільність упровадження запропонованого підходу, а відповідно, сприяє зменшенню впливу подібної інформації в соціально орієнтованих системах, особливо під час кризових явищ
Визначення ролей агентів великих мовних моделей (LLM) у моделі дизайн-процесу
Get PDFThe subject of the study is the capabilities and limitations that large language models (LLM) demonstrate when they are implemented in intellectual, technical and creative processes, in particular in design. The goal of the work is to determine the place and roles of LLM-agents in design and to develop an appropriate model of the design process augmented by LLM-agents. The article sets the following tasks: (1) to conduct a review of modern publications on approaches and methods for assessing the capabilities of large language models, in particular, when performing creative, technical and design tasks; (2) to conduct an analysis of modern approaches and methods of interaction with LLM; (3) to develop a model that defines the place and roles of LLM agents in design in interaction with the design team, the external environment and design artifacts. The following methods were used during the study: comparative-historical and retrospective analysis of the content of technical, economic, philosophical, linguistic scientific and methodological research to form a holistic vision of the current state of development of large language models and approaches to interaction with them; structural-logical analysis for the formation of a model of the design process, augmented by LLM agents. The following results were achieved: nine main groups of abilities of large language models were identified; the main modern patterns of interaction with large language models were identified; a model of the design was developed as an iterative process of knowledge enrichment, which allows describing the interaction of people and LLM-agents with each other, with the external environment and with design artifacts. The conclusions emphasize the novelty of such abilities of LLM in the family of artificial intelligence technologies as understanding and generating text in natural and programming languages, multilingualism, possession of general and industry knowledge, the ability to reason, and agency. Additionally, the need for conceptual understanding of the place and role of large language models in creative processes is highlighted. A structural model has been developed that represents design as an iterative process of knowledge enrichment and allows to define the roles of LLM-agents in interaction with the design team, artifacts, and the external environment.Предметом дослідження є здатності та обмеження, які демонструють великі мовні моделі (LLM) при їх впровадженні в інтелектуальні, технічні та творчі процеси, зокрема в дизайн. Мета роботи – визначити місце і ролі агентів великих мовних моделей в дизайні та розробити відповідну модель дизайн-процесу, доповненого LLM-агентами. У статті ставляться наступні завдання: (1) провести огляд сучасних публікацій щодо підходів та методів оцінки здатностей великих мовних моделей, зокрема, при виконанні творчих, технічних та дизайнерських задач; (2) провести аналіз сучасних підходів та методів взаємодії з LLM; (3) розробити модель, що визначає місце та ролі LLM-агентів в дизайні у взаємодії з дизайн-командою, зовнішнім середовищем та дизайн-артефактами. Під час проведення дослідження використані такі методи: порівняльно-історичний та ретроспективний аналіз змісту технічних, економічних, філософських, лінгвістичних наукових та методичних досліджень для формування цілісного бачення поточного стану розвитку великих мовних моделей та підходів до взаємодії з ними; структурно-логічний аналіз для формування моделі дизайн-процесу, доповненого LLM-агентами. Досягнуто наступні результати: визначено дев’ять основних груп здатностей великих мовних моделей; визначені основні сучасні патерни взаємодії з великими мовними моделями; розроблено модель дизайну як ітеративного процесу збагачення знань, що дає змогу описати взаємодію людей та агентів великих мовних моделей між собою, з зовнішнім середовищем та з дизайн артефактами. У висновках підкреслена новизна таких здатностей LLM в родині технологій штучного інтелекту, як розуміння та генерація тексту природною мовою та мовами програмування, багатомовність, володіння загальними та галузевими знанням, здатність до міркування, агентність. Додатково актуалізовано необхідність концептуального осмислення місця та ролі великих мовних моделей в творчих процесах. Розроблена структурна модель, що представляє дизайн як ітеративний процес збагачення знань та дозволяє визначити ролі агентів великих мовних моделей у взаємодії з дизайн-командою, артефактами та зовнішнім середовищем
Платформа для інтеграції інструментів і сервісів оброблення метеоданих засобами штучного інтелекту
Get PDFThe subject of the study is tools, services and platforms for forecasting local weather conditions. The process of forecasting weather conditions for a specific geolocation is quite complex. The sources of forecasting errors are objective reasons that are consequences of the complexity of weather processes, which have always existed, as well as significant climate changes due to global warming. The use of Machine Learning and Deep Learning (ML&DL) models, together with the refinement of the results of classical physical models of the atmosphere, is an important step in increasing the accuracy of forecasting models. Models for forecasting weather conditions are increasingly becoming hybrid, and the data used to train ML&DL models is increasingly diverse and has different sources of origin. Powerful and not always free environments from leading developers are used to transform structured, unstructured and semi-structured weather data and forecast weather conditions. The purpose of the work is to analyze the capabilities of existing platforms for using ML&DL models for weather forecasting and to create a platform for weather forecasting that has a hybrid lightweight architecture (Hybrid LightWeight Architecture, HLWA). The HLWA-based platform solves such problems as distributing the stages of weather data processing between different providers of tools and services from cloud environments, but at the same time allows integrating resources and processing tools on a single platform. The deployment of tools and services for preparing weather data and forecasting in the work is proposed on the AWS Lightsail server using Node-RED, MongoDB and AWS SageMaker AI. The article uses methods for decomposition of weather forecasting processes. The results of the research are the creation of a platform model in the form of a UML component diagram with clarification of the properties of each platform component and interfaces. The conclusion of the article is the statement that using the proposed platform for studying hybrid weather forecasting models based on ML&DL models is a convenient, economical and promising solution.Предметом дослідження є інструменти, сервіси та платформи забезпечення прогнозування локальних метеоумов. Процес прогнозування метеоумов за певною геолокацією доволі складний. Джерелами помилок прогнозування є об’єктивні причини, які є наслідками складності метеопроцесів, що взагалі існували завжди, а також суттєвих кліматичних змін через глобальне потепління. Використання моделей машинного та глибокого навчання (Machine Learning and Deep Learning, ML&DL) разом з уточненням результатів класичних фізичних моделей атмосфери – важливий крок підвищення точності моделей прогнозування. Моделі для прогнозування метеоумов стають усе більше гібридними, а інформація, що застосовується для навчання ML&DL-моделей, – усе більш різноманітною та має різні джерела походження. Для трансформації структурованих, неструктурованих та напівструктурованих метеоданих і прогнозування метеоумов використовуються потужні й не завжди безкоштовні середовища провідних розробників. Мета роботи – аналіз можливостей наявних платформ використання ML&DL-моделей для прогнозування метеоумов і створення платформи для прогнозування метеоумов, яка має гібридну полегшену архітектуру (Hybrid LightWeight Architecture, HLWA). Платформа на основі HLWA виконує такі завдання: розподілення етапів оброблення метеоданих між різними постачальниками інструментів і сервісів із хмарних середовищ, але водночас дає змогу інтегрувати ресурси та інструменти оброблення на одній платформі. Розгортання інструментів і сервісів підготовки метеоданих і прогнозування метеоумов у роботі пропонується на сервері AWS Lightsail з використанням Node-RED, MongoDB та AWS SageMaker AI. У статті впроваджено методи декомпозиції процесів прогнозування метеоумов. Результатом роботи є створення моделі платформи у вигляді UML-діаграми компонентів з уточненням властивостей кожного компонента платформи та інтерфейсів. Висновком статті є твердження, що застосування пропонованої платформи для дослідження гібридних моделей прогнозування метеоумов на основі ML&DL-моделей є зручним, економічним і перспективним рішенням
Моделі бізнес-процесів медичного центру для підвищення ефективності прийняття рішень
Get PDFThe subject of the article is the process of digitizing laboratory test results and formalizing the business processes of a medical center in order to develop an information system focused on intelligent data analysis. The goal of this work is to design models that formalize the business processes of a medical center in interaction with patients, enabling the identification of areas that require automation to improve the efficiency of medical services. The following tasks were solved: analyzing the current state of medical data digitalization and the issues related to the unification of laboratory test results; examining the organization of business processes in a medical center and the interaction of its key participants; developing a conceptual and functional model of service delivery; and constructing a business process model that reflects the structured organization of the institution’s activities in interaction with patients. The following methods include SWOT and PEST analyses of the medical center, examination of internal and external documentation, analysis of the existing database and algorithms for providing medical services, the IDEF0 functional modeling methodology, and the BPMN business process modeling approach. The obtained results: an analysis of existing solutions and studies was conducted; the results of SWOT and PEST analyses of the medical center were presented; a conceptual model of medical service organization was created; a functional model was built considering regulatory, organizational, and clinical aspects; and a BPMN-based model of key business processes was developed. Business processes requiring automation using intelligent data analysis methods were identified, forming the framework of the future information system. Conclusions: the proposed models provide a scientific and methodological foundation for automating the collection and processing of laboratory test results, their standardization, and integration into a unified information framework of the medical center. This will enhance the efficiency of the medical center’s business processes in interaction with patients, reduce the time required for processing diagnostic results, minimize the risk of errors, and ensure high-quality support for the provision of medical services.Предметом дослідження є процес цифровізації результатів лабораторних досліджень і формалізація бізнес-процесів медичного центру для створення інформаційної системи, орієнтованої на інтелектуальний аналіз даних. Мета статті – розроблення моделей, які формалізують бізнес-процеси медичного центру у взаємодії з пацієнтом, що дасть змогу визначити напрями діяльності, які потребують автоматизації для підвищення ефективності надання медичних послуг. У роботі необхідно виконати такі завдання: проаналізувати сучасний стан цифровізації медичної інформації та проблеми уніфікації результатів лабораторних досліджень; визначити особливості організації бізнес-процесів медичного центру та взаємодії його ключових учасників; сформувати концептуальну й функціональну модель надання послуг; побудувати модель бізнес-процесів, що відтворює структуровану організацію діяльності закладу у взаємодії з пацієнтом. Методи дослідження: SWOT- і PEST-аналіз медичного центру; аналіз внутрішньої та зовнішньої документації, наявної бази даних і алгоритму надання медичних послуг; методологія функціонального моделювання IDEF0; методологія моделювання бізнес-процесів організації BPMN. Досягнуті результати: проаналізовано сучасні дослідження та наявні рішення; подано результати SWOT- і PEST-аналізу медичного центру; створено концептуальну модель організації надання медичних послуг; побудовано функціональну модель з огляду на нормативно-правові, організаційні та клінічні аспекти; розроблено модель ключових бізнес-процесів на основі BPMN; визначено бізнес-процеси, що підлягають автоматизації за допомогою інтелектуальних методів аналізу даних, які формують контур майбутньої інформаційної системи. Висновки. Запропоновані моделі створюють науково-методологічне підґрунтя для автоматизації збирання та оброблення результатів лабораторних досліджень, їх уніфікації та інтеграції в єдиний інформаційний контур медичного центру. Цеьсприятиме підвищенню ефективності бізнес-процесів медичного центру у взаємодії з пацієнтом, а також скоротить час оброблення результатів медичної діагностики, знизить ризик помилок і забезпечить якісну підтримку надання медичних послуг
Керування роботом-маніпулятором за допомогою сигналів поверхневої електроміографії
Get PDFThe subject of the study is the methods of controlling a robotic manipulator based on surface electromyography (EMG) signals using individualized normalization and classification of gestures by a convolutional neural network (CNN). The aim of the work is to create an effective control system that combines pre-normalization of EMG signals and deep learning to increase the accuracy of gesture recognition and stability in real time. For this purpose, the following were used: signal collection using the Myo Armband, pre-processing (min-max and zero-mean), signal conversion into images through a sliding window, CNN training (ResNet, Adam optimization) and comparison with SVM and Random Forest models. The results obtained showed a classification accuracy of 97.27% in the test environment and 91.71% in real time. The CNN model outperformed traditional methods by 18–19%, and zero-mean increased the accuracy by 2.34% compared to min-max normalization. The system remained stable even with variations in the bracelet position due to individual normalization. Conclusions: the proposed system demonstrates high accuracy, reliability and adaptability in real time. The scientific novelty lies in the combination of individualized normalization of EMG signals with ResNet, which provides stability and exceeds the accuracy of traditional algorithms. In the future, it is planned to expand the set of gestures, study more complex conditions and optimize neural networks for embedded systems.Предметом дослідження є методи керування роботизованим маніпулятором на основі сигналів поверхневої електроміографії (ЕМГ) із застосуванням індивідуалізованої нормалізації та класифікації жестів згортковою нейронною мережею (CNN). Мета роботи – створення системи управління, що поєднує попередню нормалізацію ЕМГ-сигналів та глибоке навчання для підвищення точності розпізнавання жестів і стабільності в реальному часі. Для досягнення поставленої мети виконано такі завдання: здійснено збір ЕМГ-сигналів за допомогою міобраслета Myo Armband, проведено їх попереднє оброблення з використанням мінімакс-нормалізації та нормалізації з нульовим середнім, реалізовано перетворення сигналів у зображення за допомогою ковзного вікна, після чого побудовано та навчено згорткову нейронну мережу на основі архітектури ResNet з оптимізацією алгоритмом Adam, а також проаналізовано та порівняно точність CNN та класичних моделей машинного навчання (SVM і Random Forest). Досягнуті результати показали точність класифікації 97,27% у тестовому середовищі та 91,71% – у реальному часі. Модель CNN перевищила традиційні методи на 18–19%, а нормалізація нульового середнього підвищила точність на 2,34% порівняно з мінімакс-нормалізацією. Система зберігала стабільність навіть за умови варіацій положення браслета завдяки індивідуальній нормалізації. Висновки. Запропонована система продемонструвала високу точність, надійність і адаптивність у реальному часі. Наукова новизна полягає в поєднанні індивідуалізованої нормалізації ЕМГ-сигналів із ResNet, що забезпечує стабільність і перевищує точність традиційних алгоритмів. У майбутньому заплановано розширення набору жестів, дослідження більш складних умов та оптимізація нейронних мереж для вбудованих систем
Інтелектуальний метод підтримки ухвалення рішення про безпеку програмного забезпечення з використанням гібридних моделей
No full textObjective. The research is aimed at developing an intelligent decision support method for software security assessment using a hybrid model based on deep learning and gradient boosting. The aim is to improve classification accuracy, interpretability and adaptability in the face of growing cyber threats. Methods. The proposed method combines deep neural networks for automated feature extraction and gradient boosting for final decision making. A classification module is built based on calculating the probabilities of software belonging to security classes. In addition, a geometric interpretation of the decision space is used with the calculation of the Euclidean distance to the reference classes (safe, unsafe, uncertain). The probabilities are normalized using the softmax function. The model was trained on a labeled dataset and tested using comparative metrics. Results. The developed prototype demonstrated improved performance compared to classical classification approaches. The experiments confirmed higher classification accuracy and clearer separation of security zones in the normalized feature space. The method effectively identifies cases requiring expert analysis and reduces the frequency of false positives. Visualization of the decision space increases the interpretability of the model results. Scientific novelty. We propose a hybrid intelligent method that integrates two modern machine learning approaches – deep neural networks and gradient boosting – into a single architecture for assessing software security. The decision space is formalized through probabilistic thresholds and geometric interpretation. Practical significance. The method can be used in secure software development processes to automatically assess the level of software security. It supports developers and cybersecurity specialists in identifying potentially dangerous modules at the early stages of the software life cycle. The approach can also be integrated into static analysis systems or CI/CD environments to improve security standards.Мета. Дослідження спрямовано на розроблення інтелектуального методу підтримки прийняття рішень щодо оцінювання безпеки програмного забезпечення з використанням гібридної моделі на основі глибокого навчання та градієнтного бустингу. Мета полягає в підвищенні точності класифікації, інтерпретованості та адаптивності в умовах зростання кіберзагроз. Методи. Запропонований метод поєднує глибокі нейронні мережі для автоматизованого вилучення ознак і градієнтний бустинг для остаточного прийняття рішення. Побудовано модуль класифікації на основі обчислення ймовірностей належності програмного забезпечення до класів безпеки. Крім того, використано геометричну інтерпретацію простору рішень із розрахунком евклідової відстані до еталонних класів (безпечного, небезпечного, невизначеного). Імовірності нормалізуються за допомогою softmax-функції. Модель навчалася на розміченому наборі даних і перевірялася за допомогою порівняльних метрик. Результати. Розроблений прототип продемонстрував покращені характеристики порівняно з класичними підходами до класифікації. Проведені експерименти підтвердили вищу точність класифікації та чіткіше розділення зон безпеки в нормованому просторі ознак. Метод ефективно виявляє випадки, що потребують експертного аналізу, та знижує частоту хибно позитивних рішень. Візуалізація простору рішень підвищує інтерпретованість результатів моделі. Наукова новизна. Запропоновано гібридний інтелектуальний метод, що інтегрує два сучасні підходи машинного навчання – глибокі нейронні мережі та градієнтний бустинг – в єдину архітектуру для оцінювання безпеки програмного забезпечення. Простір рішень формалізовано через імовірнісні порогові значення та геометричну інтерпретацію. Практична значущість. Метод може бути застосований у процесах безпечного розроблення програмного забезпечення для автоматичного оцінювання рівня його безпеки. Він підтримує розробників і фахівців з кібербезпеки у виявленні потенційно небезпечних модулів на ранніх етапах життєвого циклу ПЗ. Підхід також може бути інтегрований у системи статичного аналізу або середовища CI/CD з метою підвищення стандартів безпеки