During evoked release, several quanta of neurotransmitter are synchronously released in several GABA-ergic synapses. Assuming that not more than one vesicle is released at each release site, the decay of miniature and evoked IPSC (mIPSC and elPSC, respectively) should coincide. In this study, we found that in a considerable part of the cultured hippocampal neurons eIPSC decayed slower than mIPSC did. We investigated mechanisms underlying this difference using conventional electrophysiological approaches, deconvolution, simulations, and nonstationary noise analysis. Our results indicate that asynchronous release of synaptic vesicles cannot explain a prolonged decay of the GABA-ergic IPSC. We suggest that some interaction between the quanta at the pre- and/or post-synaptic level should result in a slower decay of the eIPSC in comparison with that of mIPSC.

Мета роботи - вивчити внесок тканин-специфічних і неспецифічних аутоантитіл, ферментів матриксної металопротеїнази 3 типу та нейрон-специфічної енолази у розвиток і загострення аутоімунного тиреоїдиту. Дослідження здійснено за участі 170 пацієнтів з аутоімунним тиреоїдитом (64 чоловіки і 106 жінок віком від 18 до 64 років). Для детального вивчення гуморальної імунної відповіді (IgA, M, G), специфічної для органа (AB-TG, AB-TPO), антиспецифічної для органа (анти-ДНК) аутоантитіл, матриксної металопротеїнази 3 типу, а також активності нейрон-специфічної енолази проаналізували їхні показники. У контрольну групу залучили 65 осіб без патологій щитовидної залози або інших аутоімунних захворювань (26 чоловіків і 39 жінок віком від 20 до 65 років). Встановлено, що у пацієнтів з аутоімунним тиреоїдитом змінюються рівні органоспецифічних і органонеспецифічних антитіл. Виявлено статистично значуще підвищення активності металопротеїнази 3 типу. Визначено позитивні кореляції між підвищеними рівнями IgG, AB-TG, AB-TPO, AB-dsDNA та активністю ферментів нейрон-специфічної енолази. Негативні кореляції встановили між активністю ферменту нейрон-специфічної енолази та концентраціями IgA. Висновки: підвищені титри аутоантитіл до ДНК можуть свідчити про загострення аутоімунного процесу через пошкодження клітинної структури, що призводить до дисфункції залози. Результати показали, що матриксна металопротеїназа 3 типу як маркер, котрий прогнозує пошкодження щитовидної тканини, може негативно впливати на індукцію імунної відповіді; зрештою це впливає на активність нейрон-специфічної енолази. Згідно з одержаними даними, вивчення біохімічних показників: антиядерних антитіл (ANA), анти-ДНК-антитіл, матриксної металопротеїнази 3 типу, - а також нейродегенеративних параметрів дасть змогу визначити інформативні маркери для оцінювання природи розвитку захворювання та його погіршення.

Робота стосується галузі обробки візуальної інформації в комп'ютерному середовищі, а саме визначення параметрів об'єкта інтересу на зображенні, зокрема контуру об'єкта інтересу. У більшості випадків контур об'єкта інтересу є однозв'язна послідовність дуг кривих. Мета і предмет дослідження - знайти і запропонувати таке визначення дуги цифрової кривої, як найважливішого елемента контуру об'єкта в розпізнаваному образі, яке не суперечить сучасним нейрофізіологічним уявленням про зорове сприйняття, і розпізнати контур об'єкта як послідовність дуг цифрових кривих. В якості методу використовується подання зображення у вигляді структурної моделі, одним із структурних елементів якої є контур об'єкта, що складається з цифрових дуг кривих. Також зображення розглядається як клітинний комплекс, що відповідає сучасним уявленням про зорове сприйняття людини. Запропоновано нове визначення дуги цифрової кривої як послідовності відрізків цифрових прямих, що не суперечить сучасним уявленням нейрофізіології. На відміну від відомих визначень дуги кривої, запропоноване визначення дуги цифрової кривої дає можливість визначити початкову та кінцеву точки дуги. За описом контуру об'єкта як однозв'язної замкнутої послідовності відрізків пропонується побудувати опис контуру як послідовності дуг цифрових кривих. Висновки: використання запропонованого визначення дуги цифрової кривої при обробці зображень дає змогу розпізнати контур об'єкта на зображенні та представити його у формі, наближеній до зорового сприйняття. Для досягнення найкращих результатів рекомендується використовувати змінну роздільну здатність в алгоритмах обробки зображень.

Шифр НБУВ: Ж25223 Пошук видання у каталогах НБУВ 

Штучні нейронні мережі є однією з найбільш швидко зростаючих областей м'яких обчислень. Поряд з глибоким навчанням вони натепер широко використовуються при машинному навчанні. Нейронні мережі особливо підходять для вирішення завдань, де досліднику доводиться мати справу з неповними наборами даних і відсутні алгоритми або специфічні набори правил, яких слід дотримуватися. Розглянуто порівняння декількох модифікацій нейронних мереж, які можуть застосовуватися для обчислення коефіцієнта шорсткості Шезі. Моделювання нейронної мережі часто починається з одного прихованого шару. Навіть з одним прихованим шаром нейронна мережа є потужною обчислювальною системою, яка може дати хороші результати. При необхідності кількість прихованих шарів може збільшуватися. Зазвичай використовуються два або три прихованих шари нейронів. Також можуть застосовуватися різні функції активації. Ця стаття має на меті дослідити, чи потрібно розробляти більш складну нейронну мережу для практичних обчислень коефіцієнта шорсткості Шезі. В рамках проведеного розглянуто та проаналізовано наступні модифікації нейронної мережі, яка обчислює коефіцієнт шорсткості Шезі: застосування двох прихованих шарів нейронів; застосування трьох прихованих шарів нейронів; використання dropout алгоритму для навчання нейронних мереж шляхом випадкового скидання одиниць під час навчання, щоб запобігти їх спільній адаптації; крім сигмоїдної (логістичної) функції активації - використання інших функцій - гіперболічного тангенса (tanh) і випрямляючої функції активації (ReLU). Навчання та тестування розглянутих варіантів нейронної мережі проводилося з використанням фактичних гідро-морфологічних та гідрологічних даних на ділянках русла на річці Дніпро (нижче за течією Києва), річки Десна біля Чернігова та ділянки річки Прип'ять поблизу м. Турів. Для побудови та навчання нейронних мереж було застосовано об'єктно-орієнтоване середовище програмування Python. Отримані результати показують, що для обчислення коефіцієнта шорсткості Шезі може бути достатнім використовувати ШНМ прямого поширення з одним прихованим шаром і сигмоїдною функцією активації. Формування якісного набору навчальних даних, а також організація даних і вибір відповідної обчислювальної моделі, заснованої на емпіричних знаннях, є в цьому випадку однією з більш актуальних проблем, ніж створення більш складних нейронних мереж.

Вивчено процес класифікації даних за умов нечіткості та обмеженого об'єму навчальної вибірки. Мета роботи - удосконалення подвійного нео-фаззі нейрона в рамках вирішення задачі класифікації даних із обмеженнями щодо об'єму тренувальної вибірки, часу обробки, а також нечіткості та нестаціонарності вхідних даних. Завдання: удосконалення подвійного нео-фаззі нейрона для покращення апроксимаційних властивостей системи, а також розробка комбінованого методу навчання системи для забезпечення швидкої продуктивності в онлайн режимі. Використовуваними підходами є: ліниве навчання, навчання з учителем та самонавчання. Модифіковано подвійний нео-фаззі нейрон, запропоновано метод комбінованого навчання, що забезпечує оптимальну швидкість при налаштуванні синоптичних ваг та автоматичне формування функцій належності в онлайн-режимі за умов обмеженої навчальної вибірки. Висновки. Удосконалено подвійний нео-фаззі нейрон шляхом введенням стискаючої активаційної функції на виході, що створює умови для побудови нео-фаззі мережі з можливістю адаптації до нестаціонарних вхідних даних за умови роботи в онлайн режимі, а також уникнути проблеми зникаючого градієнту. Запропоновано комбінований метод навчання подвійного нео-фаззі нейрону, який передбачає паралельне використання лінивого навчання, навчання з учителем та самонавчання за правилом "Переможець забирає все" з подальшим автоматичним формуванням функцій належності, що дає можливість швидкої класифікації в режимі онлайн за умови наявності викидів у вхідних даних.

Індекс рубрикатора НБУВ: Р638.77-29

Рубрики:

Пошкодження черепа, головного мозку та його оболонок

Шифр НБУВ: Ж100178 Пошук видання у каталогах НБУВ 

Індекс рубрикатора НБУВ: И31-42

Рубрики:

Розробка родовищ вугілля і вуглистих корисних копалин

Шифр НБУВ: Ж16377 Пошук видання у каталогах НБУВ 

Індекс рубрикатора НБУВ: Р645.028

Рубрики:

Пресенільні (інволюційні) і сенільні психози. Старече недоумство

Шифр НБУВ: Ж100178 Пошук видання у каталогах НБУВ 

The relevance of the topic, in particular, if to take one of the information flows, whether it is the action of a human factor or a specific object, then it is true that special processing of the machine learning language and automatic information output significantly optimize human life. With the help of neural networks and their chest radiography is one of the most accessible radiological studies for screening and diagnosis of many lung diseases a special machine learning language is to study the flow of information about it and the same object in real time using neural networks. The article describes the terminology of the problem of X-ray recognition using machine learning methods and algorithms, examines the relevance of the problem, and analyzes the current state of the problem in the field of X-ray recognition. The aspects of the problem being solved, identified during the analysis, in the form of solved problems, approaches, methods, information technologies used, tools and software solutions to the problem are noted. The paper is devoted to the description of a modified method of fuzzy clustering of halftone images, which at each iteration performs a dynamic transformation of the source data based on a singular decomposition with automatic selection of the most significant columns of the matrix of left singular vectors. The results of experimental studies were obtained by processing X-ray images. As a result of testing a neural network model, in the output layer of which a sigmoidal activation function was used to activate neurons, and an algorithm was used as an optimization method, the best values of accuracy and completeness were obtained: accuracy - 94,2. During testing, the neural network showed an accuracy of pneumonia recognition equal to 94,27 %.

This paper proposes a step-by-step technique for combining basic models that forecast electricity consumption in an artificial neural network by the method of preliminary selection and further hybridization. The reported experiments were conducted using data on hourly electricity consumption at the metallurgical plant AO ArcelorMittal Temirtau in the period from January 1, 2019, to November 30, 2021. The current research is related to the planned introduction of a balancing electricity market. 96 combinations of basic models were compiled, differing in the type of neural network, the set of initial data, the order of lag, the learning algorithm, and the number of neurons in the hidden layer. It has been determined that the NARX-type network is the most optimal architecture to forecast electricity consumption. Based on experimental studies, the number of hidden neurons needed to form a planned daily profile should equal 3 or 4; it is recommended to use the conjugate gradient method as a learning algorithm. When selecting models from three groups, it was revealed that the conjugate gradient method produces better results compared to the Levenberg - Marquardt algorithm. It is determined that the values of the selected RMSE error indicator take values of 23,17, 22,54, and 22,56, respectively, for the first, second, and third data groups. The adaptive hybridization method has been shown to reduce the RMSE error rate to 21,73. However, the weights of the best models with values of 0,327 for the first group of data, and 0,336 for the second and third ones, show that the individual use of a separate combination of models is also applicable. The devised forecasting electricity consumption model can be integrated into an automated electricity metering system.

The main purpose of modern information systems (IS) is to support the procedures of controlling many business processes (BP) of an enterprise. At the same time, due to a weak formalization of BP, processes of development, reengineering of various service-oriented IS and IT services are a complex problem. To address this problem, the task to improve the method for choosing IT services that meet an assigned set of functional and non-functional limitations was stated. The specific features of the original method for choosing IT services were analyzed, its main shortcomings were identified. The model of the BP precedent was modified to establish the relationship between descriptions of the precedent, functional requirements, and the used IT services. The method for selecting IT services for the IS was improved by adding the functions of requirements analysis and searching for descriptions of IT services that partially meet the stated functional requirements. In the method, the adaptive linear associator of the mADALIN neuron was used to quantify the degree of match of the functional requirement and the description of the function of the IT service. These proposals were the basis for the improved method for selecting the IT service that best fits the set of constraints that are formed. Based on the result of the conducted research, an experimental test of the improved method for selecting an IT service to solve the problem of automation of the activities of sale force of the electronic policy OSAGO was carried out. The information technology implementing the original method for choosing IT services was compared to the improved method. It was shown that the improved method makes it possible to identify situations of a match of functional requirements of a customer and the descriptions of IT services. This makes it possible to select those IT services that match the functional requirements to a degree above the assigned minimum limit.

Індекс рубрикатора НБУВ: Е70*739.11*01

Рубрики:

Біологія людини

Шифр НБУВ: Ж43974 Пошук видання у каталогах НБУВ 

Індекс рубрикатора НБУВ: Р620.426.3

Рубрики:

Хвороба Паркінсона

Шифр НБУВ: Ж25223 Пошук видання у каталогах НБУВ 

У дослідах на тваринах показано, що введення 8-(бензолсульфоніламіно)-хіноліну (8-БСХ) у дозі 400 мг/кг супроводжувалося розвитком у них епілептиформних судом та інтравітальної реакції в гіпокампі. Інтенсивність реакції корелювала з тривалістю судом у тварин. Її інтенсивність зростала під час стресування тварин фізичним навантаженням, іммобілізацією, алкоголізацією. Мікроаплікації 8-БСХ у гіпокамп також викликали розвиток інтравітальної реакції та судом у тварин. Зміни, що спостерігалися в результаті проведеної роботи, пояснюються здатністю 8-БСХ хелатувати цинк у гіпокампі У дослідах використано 167 мишей, 107 із яких отримували 8-(бензолсульфоніламіно)-хінолін (8-БСХ) у дозі 200 мг/кг, 37 мишам уводили цей конвульсант у дозі 400 мг/кг, а також 23 мишам робили мікроаплікації у гіпокамп у дозі 0,1 мл 0,5 % розчину 8-БСХ. Аналіз отриманих нами даних ще раз підкріплює висунуту раніше гіпотезу про роль цинку у вивільненні глютамінової кислоти із пресинаптичної бляшки в синаптичну щілину. При цьому комплекс цинку з хелатуючим агентом 8-БСХ впливає на постсинаптичну мембрану, таким чином сенсибілізуючи її. Це, у свою чергу, підсилює збуджуючий вплив глютамату на постсинаптичну мембрану. Даний механізм супроводжується не тільки надлишковим вивільненням глютамінової кислоти за рахунок відщеплення іонів цинку 8-БСХ, а й додатковою сенсибілізацією постсинаптичної мембрани, що і призводить до підвищення активності гіпокампу, аж до виникнення клоніко-тонічних судом. Гострий попередній стрес тварин через фізичні вправи, іммобілізацію і алкоголізм призводив до більш вираженої інтенсивності інтравітальної реакції 8-БСХ і до більш тривалих судом. Попереднє введення солей кальцію та магнію істотно не впливало на інтенсивність інтравітальної реакції та тривалість судом у тварин. І це дослідження показує, що інтенсивність інтравітальної реакції та тривалість судом у ссавців залежать від дози введеного реагента. Наявна пряма залежність між інтенсивністю інтравітальної реакції та тривалістю судом у тварин. Мікроаплікація їдкого натру, на якому готували розчин 8-БСХ, не викликала інтравітальної реакції та судом у тварин.

Large enough structured neural networks are used for solving the tasks to recognize distorted images involving computer systems. One such neural network that can completely restore a distorted image is a fully connected pseudospin (dipole) neural network that possesses associative memory. When submitting some image to its input, it automatically selects and outputs the image that is closest to the input one. This image is stored in the neural network memory within the Hopfield paradigm. Within this paradigm, it is possible to memorize and reproduce arrays of information that have their own internal structure. In order to reduce learning time, the size of the neural network is minimized by simplifying its structure based on one of the approaches: underlying the first is "regularization" while the second is based on the removal of synaptic connections from the neural network. In this work, the simplification of the structure of a fully connected dipole neural network is based on the dipole-dipole interaction between the nearest adjacent neurons of the network. It is proposed to minimize the size of a neural network through dipole-dipole synaptic connections between the nearest neurons, which reduces the time of the computational resource in the recognition of distorted images. The ratio for weight coefficients of synaptic connections between neurons in dipole approximation has been derived. A training algorithm has been built for a dipole neural network with sparse synaptic connections, which is based on the dipole-dipole interaction between the nearest neurons. A computer experiment was conducted that showed that the neural network with sparse dipole connections recognizes distorted images 3 times faster (numbers from 0 to 9, which are shown at 25 pixels), compared to a fully connected neural network.

Detection and recognition of objects in images is the main problem to be solved by computer vision systems. As part of solving this problem, the model of object recognition in aerial photographs taken from unmanned aerial vehicles has been improved. A study of object recognition in aerial photographs using deep convolutional neural networks has been carried out. Analysis of possible implementations showed that the AlexNet 2012 model (Canada) trained on the ImageNet image set (China) is most suitable for this problem solution. This model was used as a basic one. The object recognition error for this model with the use of the ImageNet test set of images amounted to 15 %. To solve the problem of improving the effectiveness of object recognition in aerial photographs for 10 classes of images, the final fully connected layer was modified by rejection from 1,000 to 10 neurons and additional two-stage training of the resulting model. Additional training was carried out with a set of images prepared from aerial photographs at stage 1 and with a set of VisDrone 2021 (China) images at stage 2. Optimal training parameters were selected: speed (step) (0,0001), number of epochs (100). As a result, a new model under the proposed name of AlexVisDrone was obtained. The effectiveness of the proposed model was checked with a test set of 100 images for each class (the total number of classes was 10). Accuracy and sensitivity were chosen as the main indicators of the model effectiveness. As a result, an increase in recognition accuracy from 7 % (for images from aerial photographs) to 9 % (for the VisDrone 2021 set) was obtained which has indicated that the choice of neural network architecture and training parameters was correct. The use of the proposed model makes it possible to automate the process of object recognition in aerial photographs. In the future, it is advisable to use this model at ground stations of unmanned aerial vehicle complex control when processing aerial photographs taken from unmanned aerial vehicles, in robotic systems, in video surveillance complexes and when designing unmanned vehicle systems.

Purpose. Substantiation of methodological foundations for forming a cluster of industrial enterprises and establishing a system of relationships between their cluster groups. Methodology. Specific analogue modelling techniques were used to identify the relations between manufacturing enterprises; economic and mathematical modelling was used to search for multilayered network communities. Findings. A fundamentally new methodological basis has been proposed for identifying a cluster of industrial enterprises. This has been done through a comparison of the results of the three approaches to clustering. It has been revealed that hierarchical cluster analysis does not allow identifying similar groups of enterprises or relationships between them, since this approach lacks a single strict criterion for an optimal split of the dendrogram into clusters. The competitive approach of the geometric distance of neurons to objects, which is based on the technique of self-learning neural network and Kohonen's self-organizing maps, also identified a non-uniform cluster structure. The study proposes to form a cluster of industrial enterprises through the method of searching for communities in multilayered network graphs. This method was a breakthrough in building a cluster as a merger of extractive and processing industrial enterprises, together with academic and research institutions. Originality. A new methodological approach to the formation of industrial enterprise cluster has been proposed, whose mathematical basis was developed by T. Kamada. This approach uses multiple object proximity matrices, which take into account supplier-consumer relationships, geographical distances, and patterns of ownership. It has been proved that this method for clustering is more advantageous, since it allows identifying the communities of enterprises, which are network analogues to a cluster; it also takes into account the relationships of the analysed metallurgical enterprises of the mining and processing industry with educational and research institutions of the enterprises. The development of these relationships creates the basis for the productive development, efficient operation and additional competitive advantages for industrial enterprises. Practical value. Under conditions of a crisis in the metallurgical industry, it is recommended to create a cluster, which will significantly increase the competitiveness of each enterprise included in the cluster and fully use the potential of the metallurgical complex.

Розглянуто проблему структурно-параметричного синтезу гібридних нейронних мереж на основі використання радіальних базисних мереж. Гібридизація досягається за рахунок використання різних радіальних базисних функцій: гауссових, багатовимірних, зворотних квадратичних, зворотних багатовимірних, сплайна тонких пластин, лінійних, кубічних, вейвлет-функцій. Завдання структурно-параметричного синтезу гібридної нейронної мережі полягає в оптимальному виборі кількості шарів, кількості нейронів в шарах, порядку чергування шарів з різними нейронами. Розв'язано задачу оптимального вибору кількості мережевих каскадів І типу радіальної базисної функції в кожному каскаді з числа шарів. Наведено приклади синтезу гібридної нейронної мережі з використанням цієї методології для вирішення завдань класифікації та прогнозування.

A process of creating a static neural network intended for diagnosing bypass gas turbine aircraft engines by a method of categorizing the technical state of the engine flow path was considered. Diagnostics depth was "to the structural assembly". A variant of diagnosing single faults of the flow path was considered. The following tasks were set: select the best neuron activation functions in the network layers; determine the number of layers; determine the optimal number of neurons in layers; determine the optimal size of the training set. The problem was solved taking into account the influence of parameter measurement errors. The method of structure optimization implies training the network of the selected configuration using a training data set. The training was periodically interrupted to analyze the results of the network operation according to the criterion characterizing the quality of classification of the engine technical state. The assessment was performed with training and control sets. The network that provides the best value of the classification quality parameter assessed by the test set was selected as the final network. The PS-90A turbojet engine was selected as the object of diagnostics. Diagnostics was carried out on takeoff mode and during the initial climb. Primary optimization was carried out according to the data with no measurement errors. It was shown that a two-layer network with the use of neurons having a hyperbolic tangent function in both layers is sufficient to solve the problem. The size of the first network layer was finally optimized according to the data containing measurement errors. A two-layer network with eight neurons in the first layer was obtained. The share of erroneous diagnoses measured 14,5 %.