Розглянуто пластинчату хвилепровідну структуру, яка має лівоповоротний матеріал (ЛПМ) як шар, що направляє хвилі. Теоретично досліджено розповсюдження поперечно-магнітних мод в структурі, що використовується для оптичного зондування однорідних середовищ. ЛПМ розташовано між напівнескінченною оптично лінійною підкладкою та напівнескінченним нелінійним покриттям із залежним від інтенсивності за законом Керра показником заломлення. Дослідження в основному спрямовано на визначення чутливості запропонованого оптичного сенсора для надання розробникам даних щодо оптимальної структури сенсора, що забезпечує максимальну чутливість.

Consider a magnetized ferrite-wire waveguide structure situated between two half free spaces. Ferrites to provide negative permeability and wire array to provide negative permittivity. The structure form left-handed material (LHM) with negative refractive index. The transmission of electromagnetic waves through the structure is investigated theoretically. Maxwell's equations are used to determine the electric and magnetic fields of the incident waves at each layer. Snell's law is applied and the boundary conditions are imposed at each layer interface to calculate the reflected and transmitted powers of the structure. Numerical results are illustrated to show the effect of frequency, applied magnetic fields, angle of incidence and LHM thickness on the mentioned powers. The analyzed results show that the transmission is very good when the permeability and permittivity of the structure are both simultaneously negative. The frequency band corresponding to this transmission can be tuned by changing the applied magnetic fields. The obtained results are in agreement with the law of conservation of energy.

We give some new characterizations of almost weak Dunford - Pettis operators and we investigate their relationship with weak Dunford - Pettis operators.

Розглянуто проблему скорочення витрат на розробку інформаційних систем і програмних продуктів. Запропоновано замінити персонал IT-проекту в ряді процесів і робіт із розробки програмного продукту, які повторюються, інтелектуальними інформаційними технологіями за умови економічної доцільності подібної заміни. Як апарат побудови таких технологій запропоновано використовувати апарат штучних нейронних мереж. Серед основних напрямів автоматизації процесів розробки інформаційної системи виділено задачу пошуку повторно використовуваних функцій для реалізації функціональної вимоги, яку висунуто до системи. Для розв'язання даної задачі запропоновано модифікувати формальний опис і структурну схему нейрону ADALINE. Суть модифікації полягає у використанні мереж фреймів для формальних описів повторно використовуваних функцій і функціональної вимоги до інформаційної системи. Порівняння цих формальних описів надає можливість виявляти повторно використовувану функцію, яка в максимально можливому ступені відповідає висунутій функціональній вимозі. Результатом вирішення задачі пошуку є формальний опис системної функціональної вимоги. Цей опис формується на базі формальних описів знайденої функції та висунутої функціональної вимоги. Виходячи з даного представлення задачі пошуку, розроблено спеціальний алгоритм навчання модифікованого нейрону. Суть цього алгоритму полягає в пошуку опису повторно використовуваної функції, який є максимально подібним формальному опису функціональної вимоги до системи. За результатами модифікації елементів модифіковано структурну схему нейрону ADALINE. Запропоновано підхід і розглянуто основні особливості архітектурних рішень з реалізації модифікованої структурної схеми.

Розглянуто задачу вдосконалення базового методу сценарного аналізу функціональних вимог до інформаційної системи (ІС). Проаналізовано результати досліджень методів сценарного аналізу функціональних вимог до ІС. Головним їх недоліком визнано необхідність виконання цих методів аналітиками виключно вручну. Для усунення цього недоліку запропоновано вдосконалити базовий метод сценарного аналізу за рахунок використання моделей і методів, основаних на формальному представленні знань. Для формального опису представлення сценарію виконання функціональної вимоги на рівні знань запропоновано використовувати модель структурних паттернів проектування функціональних вимог. Показано, що формальний опис знань, які вилучаються з діаграм Use Case, є частковим випадком даної моделі. Запропоновано модель підкласу структурних паттернів проектування сценаріїв виконання функціональних вимог. Розроблено вдосконалений метод сценарного аналізу функціональних вимог до ІС. Суть вдосконалення полягає у виділенні з публікацій сценаріїв виконання функціональних вимог знань і наступному аналізі знання-орієнтованих описів цих сценаріїв з метою виявлення дублюючих один інший сценаріїв виконання різних функціональних вимог до ІС. Для виявлення та усунення випадків подібного дублювання запропоновано використовувати вдосконалений метод синтезу варіантів описів архітектури створюваної ІС. Наведено приклад апробації вдосконаленого методу сценарного аналізу функціональних вимог під час аналізу функціональних вимог до проекту функціонального модуля безпеки праці. Результати апробації підтверджують достовірність запропонованого методу. Запропонований удосконалений метод сценарного аналізу функціональних вимог до ІС надає можливість отримати описи архітектури створюваної ІС на базі значно меншого обсягу інформації про функціональні вимоги до цієї ІС.

Bluetooth uses 2,4 GHz in ISM (industrial, scientific, and medical) band, which it shares with other wireless operating system technologies like ZigBee and WLAN. The Bluetooth core design comprises a low-energy version of a low-rate wireless personal area network and supports point-to-point or point-to-multipoint connections. The aim of the study is to develop a Bluetooth mesh flooding and to estimate packet delivery ratio in wireless sensor networks to model asynchronous transmissions including a visual representation of a mesh network, node-related statistics, and a packet delivery ratio (PDR). This work provides a platform for Bluetooth networking by analyzing the flooding of the network layers and configuring the architecture of a multi-node Bluetooth mesh. Five simulation scenarios have been presented to evaluate the network flooding performance. These scenarios have been performed over an area of 200 200 meters including 81 randomly distributed nodes including different Relay/End node configurations and source-destination linking between nodes. The results indicate that the proposed approach can create a pathway between the source node and destination node within a mesh network of randomly distributed End and Relay nodes using MATLAB environment. The results include probability calculation of getting a linking between two nodes based on Monte Carlo method, which was 88,7428 %, while the Average-hop-count linking between these nodes was 8. Based on the conducted survey, this is the first study to examine and demonstrate Bluetooth mesh flooding and estimate packet delivery ratio in wireless sensor networks.

Credit fraud modeling is an important topic covered by researchers. Overdue risk management is a critical business link in providing credit loan services. It directly impacts the rate of return and the bad debt percentage of lending organizations in this sector. Credit financial services have benefited the general public as a result of the development of the mobile Internet, and overdue risk control has evolved from the manual judgment that relied on rules in the past to a credit model built using a large amount of customer data to predict the likelihood of customers becoming delinquent. When creating a credit rating model, the emerging nature of the credit samples makes the minority class sample score very few; that is, when a large number of actual samples are obtained, this causes machine learning models to be biased towards the majority class when training. Traditional data balancing methods can reduce the bias of models to the majority category when the data is relatively unbalanced rather than excessive. Gradient boosting algorithms (XGBoost and CatBoost) are proposed in this paper to model highly unbalanced data to detect credit fraud. To find hyperparameters and determine the accuracy of the minority class as an optimization function of the model, Bayesian optimization is used to increase the model's accuracy for the minority class. The paper was tested with real European credit card fraud data. The results were compared to traditional machine learning (decision trees and logistic regression) and the performance of the bagging algorithm (random forest). For comparison, the traditional data balancing method (Oversample) is used.