![](/irbis64r_81/images/db_navy.gif) Віртуальна довідка ![](/irbis64r_81/images/db_navy.gif) Тематичний інтернет-навігатор ![](/irbis64r_81/images/db_navy.gif) Наукова електронна бібліотека ![](/irbis64r_81/images/db_navy.gif) Автореферати дисертацій ![](/irbis64r_81/images/db_navy.gif) Реферативна база даних ![](/irbis64r_81/images/db_navy.gif) Книжкові видання та компакт-диски ![](/irbis64r_81/images/db_navy.gif) Журнали та продовжувані видання
![Mozilla Firefox](../../ico/mf.png) |
Для швидкої роботи та реалізації всіх функціональних можливостей пошукової системи використовуйте браузер "Mozilla Firefox" |
|
|
Формат представлення знайдених документів: | повний | стислий |
Пошуковий запит: (<.>A=Kuzmych V$<.>) |
Загальна кількість знайдених документів : 4
Представлено документи з 1 до 4
|
| | | | |
1. |
Novotarskyi M. A. Deep reinforcement learning with sparse distributed memory for "Water World" problem solving = Глибоке навчання з підкріпленням з пам'яттю з прорідженими даними для вирішення задачі "Водний світ" / M. A. Novotarskyi, S. G. Stirenko, Yu. G. Gordienko, V. A. Kuzmych // Радіоелектроніка. Інформатика. Управління. - 2021. - № 1. - С. 136-143. - Бібліогр.: 18 назв. - англ.Машинне навчання - це одна з галузей обробки даних, яка активно розвивається. Значних успіхів у цій сфері вдалося досягти завдяки використанню DQN-алгоритмів, які стали одними з перших стійких алгоритмів навчання при використанні глибоких нейронних мереж. Основним недоліком такого підходу є стрімке зростання оперативної пам'яті при реалізації задач реального світу. Запропонований в роботі підхід дозволяє частково вирішити цю проблему. Мета роботи - розробка методу формування структури та характеру доступу до розрідженої розподіленої пам'яті з підвищеною інформативністю для покращення навчання з підкріпленням без залучення додаткової пам'яті. Запропоновано метод формування структури та модифікації пам'яті з прорідженими даними для зберігання попередніх переходів актора у вигляді прототипів. Метод дозволяє підвищити інформативність збережених даних і, як результат, покращити процес створення моделі досліджуваного процесу шляхом інтенсифікації навчання глибокої нейронної мережі. Підвищення інформативності збережених даних є результатом такої послідовності дій. Спочатку виконуємо порівняння нового переходу та останнього збереженого переходу. Для виконання такого порівняння, в рамках даного методу, введено норму оцінки відстані між переходами. Якщо відстань між новим переходом та останнім збереженим переходом є меншою за заданий поріг, то новий перехід записується на місце попереднього без збільшення обсягу пам'яті. У протилежному випадку створюємо новий прототип в пам'яті з одночасним видаленням прототипу, який зберігався у пам'яті найдовше. Роботу запропонованого методу було досліджено під час вирішення популярної тестової задачі "Водний світ". Результати показали збільшення часу виживання актора у ворожому середовищі в 1,5 рази. Такий результат був досягнутий за рахунок підвищення інформативності збережених даних без збільшення обсягу оперативної пам'яті. Висновки: запропонований метод формування та модифікації структури пам'яті з прорідженими даними дозволив підвищити інформативність збережених даних. В результаті такого підходу було одержано покращені параметри навчання з підкріпленням на прикладі задачі "Водний світ" за рахунок підвищення точності моделі фізичного процесу, представленого глибокою нейронною мережею. Індекс рубрикатора НБУВ: З810.22
Рубрики:
Шифр НБУВ: Ж16683 Пошук видання у каталогах НБУВ
|
| | | | |
2. |
Petrovska Yu. Pedagogic activity of Ivan Levynsky at Lviv School of Architecture in the late 19th century - early 20th century = Педагогічна діяльність Івана Левинського у Львівській архітектурній школі кін. XIX - поч. XX ст. / Yu. Petrovska, V. Kuzmych // Architectural Studies. - 2020. - 6, № 1. - С. 157-161. - Бібліогр.: 160 назв. - англ.Висвітлено педагогічну діяльність І. Левинського у Політехнічній школі. Історичні документи з Державного архіву Львівської області допоможуть розглянути та проаналізувати навчальні плани Відділу будівництва (Program szkoly politechnicznej we Lwowie), які включають назви навчальних дисциплін, години їх вивчення на різних курсах і короткі анотації змісту предметів, які викладав професор І. Левинський. Як науковець і педагог, він зумів започаткувати власну систему підготовки кадрів, яка сприяла розвитку науково-технічних досліджень в Галичині. Під його керівництвом студенти старших курсів, формувались як спеціалісти Політехнічної школи, оскільки проходили поглиблену практику в проектно-будівельній фірмі. Активно займався науковою роботою, публікував свої напрацювання у збірниках наукових праць і виступав із доповідями, в яких висвітлював свою професійну позицію. На громадських зібраннях Левинський трактував власну методику викладання навчальних дисциплін, що полягала у викладанні навчальних предметів, основою яких є лекційний матеріал, котрий на думку професора повинен супроводжувати кожну дисципліну. Водночас наголошував на тому, що слід вивчати новітні зразки будівель, виконаних за межами країни, здійснювати натурні обстеження та виконувати архітектурні замальовки, як в ескізній формі, так і в техніці академічного рисунку. Кафедра, яку він очолив під назвою "утилітарного" будівництва, повністю відповідала його поглядам і досвіду. Окремі громадські будівлі відігравали певну символічну роль, проте найперше повинні бути комфортними для її мешканців, зручно розпланованими та технічно оснащеними. Важливим елементом було достатнє природне освітлення будівлі, яке сприятливо впливало на здоров'я людини. І. Левинський, як видатний український архітектор, будівничий, інженер, промисловець, професор Політехнічної школи у Львові, на зламі XIX та XX ст., втілив свої ідеї відродження українського народного стилю в архітектурних будівлях, спорудах і мистецьких творах, мотиви народної творчості. Індекс рубрикатора НБУВ: Щ11р(4УКР-4ЛЬВ-2Л)31/39
Шифр НБУВ: Ж44045 Пошук видання у каталогах НБУВ
|
| | | | |
3. |
Kuzmych V. A. Solving Poisson equation with convolutional neural networks = Розв'язування рівняння Пуассона з застосуванням згорткових нейронних мереж / V. A. Kuzmych, M. A. Novotarskyi, O. B. Nesterenko // Радіоелектроніка. Інформатика. Управління. - 2022. - № 1. - С. 48-57. - Бібліогр.: 16 назв. - англ.Рівняння Пуассона - це одне з фундаментальних диференціальних рівнянь, яке використовується для моделювання складних фізичних процесів, таких як рух рідини, проблеми теплообміну, електродинаміки тощо. Існуючі методи розв'язування крайових задач на основі рівняння Пуассона для досягнення високої точності, вимагають збільшення часу обчислень. Запропонований метод дозволяє розв'язувати крайову задачу зі значним прискоренням, за умови незначної втрати точності. Мета роботи - розробка архітектури штучної нейронної мережі для розв'язування крайової задачі на основі рівняння Пуассона з довільними крайовими умовами Діріхле та Неймана. Метод. Запропоновано метод розв'язування крайових задач на основі рівняння Пуассона за допомогою згорткової нейронної мережі. Розроблено архітектуру мережі, структуру вхідних та вихідних даних. Також описано метод формування навчального набору даних. Результати. Результати роботи розробленої нейронної мережі були порівняні з продуктивністю чисельного методу скінченних різниць для вирішення крайової задачі. Результати продемонстрували прискорення обчислювальної швидкості у x10 - 700 разів, залежно від кількості вузлів дискретизації. Висновки: запропонований метод значно прискорив швидкість вирішення крайової задачі на основі рівняння Пуассона в порівнянні з чисельним методом. Також розроблений підхід до проектування архітектури нейронної мережі дозволяє вдосконалити запропонований метод для досягнення більш високої точності при моделюванні процесу розподілу тиску у областях довільного розміру. Індекс рубрикатора НБУВ: З810.22 + В161.626
Рубрики:
Шифр НБУВ: Ж16683 Пошук видання у каталогах НБУВ
|
| | | | |
4. |
Kuzmych V. Simulation of fluid motion in complex closed surfaces using a lattice Boltzmann Model = Моделювання руху рідини в закритих поверхнях за допомогою решітчастої моделі Больцмана / V. Kuzmych, M. Novotarskyi // Information, Computing and Intelligent System. - 2022. - № 3. - С. 33-41. - Бібліогр.: 16 назв. - англ.Відновлювальні операції на травному тракті людини можуть викликати негативні наслідки. Ці ефекти проявились у появі небажаних деформацій, так званих "сліпих мішків", які виникли внаслідок утворення зон високого тиску після зміни геометрії порожнини травного тракту під час реконструктивної операції. З цієї причини розробка математичної моделі руху рідин в закритих поверхнях в останні роки стала необхідною. Існує багато підходів для розв'язування таких задач. Більшість традиційних підходів потребує значних затрат часу та обчислювальних ресурсів для їх реалізації. Так, при застосування аналітичних методів існують можливі розв'язки тільки за певних умов. Тому виникає необхідність використання ефективних чисельних методів, одним з яких є решітчаста модель Больцмана. Мета роботи - дослідження гідродинамічних процесів у замкнутих поверхнях за допомогою решітчастої моделі Больцмана. Існує значна кількість публікацій присвячених моделюванню руху рідин в закритих поверхнях. Але аналіз публікацій показав, що використання решітчастої моделі Больцмана в таких задачах не є детально дослідженим. Сформульована постановка задачі у вигляді чисельного рішення рівняння Больцмана. Запропоновано розв'язувати таку задачу шляхом використання решітчастої моделі Больцмана. Результати теоретичних досліджень та експериментів показили практична доцільність використання запропонованого підходу до моделювання руху рідин в закритих поверхнях. Відмічено, що запропонований підхід має перспективи до подальшого дослідження та розвитку. Індекс рубрикатора НБУВ: Р458.445.2-387
Шифр НБУВ: Ж Пошук видання у каталогах НБУВ
|
|
|