Запропоновано точне розв'язання задачі врахування рефракційних іоносферних ефектів вищих порядків, зумовлених внеском членів розкладання коефіцієнта заломлення іоносфери 2-го і 3-го порядків, а також ефектів рефракційного подовження та рефракційного просторового рознесення траєкторій сигналів із різними несучими частотами у разі їх поширення в іоносфері та тропосфері під час двочастотних ГНСС-вимірювань.

Проаналізовано процес діагностування високовольтного трансформаторного обладнання. Розв'язано задачу кластеризації вимірювань діагностичних ознак трансформаторів. Запропоновано метод, який на основі метричної класифікації дозволяє прогнозувати залишковий ресурс високовольтного трансформаторного обладнання. Виконано експериментальне дослідження запропонованого методу, яке підтвердило його ефективність застосування на практиці.

The evolutionary approach for neural network structural synthesis is considered in this paper. The new method of multimodal evolutionary search with a chromosome clustering is offered. The developed method is based on the idea of simultaneous search of several optimums, thus chromosomes are grouped in clusters on their arrangement in a search space. So stable subpopulations in different clusters are formed, diversity of search is provided, and convergence to different local minima is reached that allows to find closer to optimal architectures of neural networks. Software implementing proposed method is developed. The experiments with proposed method in practical problem solving were conducted.

The problem of induction of classification rules on the basis of negative selection in the case of uneven distribution of classes in the sample is solved. The new method for the induction of such rules is proposed. This method uses a priori information about instances of all classes in the sample. A hypercube of maximum possible volume is used as a form of detector. It allows to exclude irrelevant and redundant features from the sample, thereby reducing the search space and the time of execution of the method, as well as to generate a set of detectors with high approximation and generalization capability. The software implementing the proposed method is developed. Some experiments on the solution of problem of gas turbine air-engine blade diagnosis are conducted.

Розглянуто задачу видобування продукційних правил під час обробки великих масивів даних. Розв'язано проблему оцінювання ресурсів комп'ютерної системи за видобування продукційних правил на основі паралельних обчислень. Об'єкт дослідження - процес видобування продукційних правил. Предмет дослідження - методи планування ресурсів паралельних комп'ютерних систем. Мета роботи полягає в побудові моделі оцінювання ресурсів паралельних комп'ютерних систем за видобування продукційних правил. Запропоновано модель оцінювання використовуваних ресурсів комп'ютерної системи у разі виконання паралельного методу видобування продукційних правил. Синтезована модель враховує тип комп'ютерної системи, число процесів, на яких виконується задача, пропускну здатність мережі передачі даних, параметри використовуваного математичного забезпечення (частки вузлів паралельної системи, що використовуються для одержання продукційних правил на основі дерев рішень, асоціативних правил та негативного відбору, відповідно), а також параметри розв'язуваної прикладної задачі (кількість спостережень і кількість ознак в заданій множині даних, що описує результати спостережень за досліджуваним об'єктом або процесом). Синтезована нейромережева модель є поліалгорітмічною, надає змогу виконувати оцінювання двох характеристик (часу і обсягу споживаної пам'яті) паралельної системи у разі виконання методу видобування продукційних правил. Розроблено програмне забезпечення, яке реалізує запропоновану модель і надає змогу прогнозувати для паралельної системи витрачений час і обсяг споживаної пам'яті під час розв'яза практичних завдань. Висновки: проведені експерименти підтвердили працездатність запропонованого математичного забезпечення і дозволяють рекомендувати його для використання на практиці під час рішення задач обробки великих масивів даних. Перспективи подальших досліджень можуть полягати у створенні паралельних методів відбору інформативних ознак, а також експериментальному дослідженні запропонованої моделі на більшому комплексі практичних задач різної природи і розмірності.

Вирішено задачу відбору інформативних ознак при обробці великих масивів даних на основі мультиагентного підходу та паралельних обчислень. Об'єкт дослідження - процес відбору інформативних ознак. Предмет дослідження - методи відбору інформативних ознак. Мета роботи - створення паралельного мультиагентного методу редукції великих масивів даних. Запропоновано паралельний мультиагентний метод редукції великих масивів даних. Розроблений метод передбачає розбиття множини агентів на декілька підмножин для паралельного пошуку інформативної комбінації ознак в різних областях простору пошуку. При цьому на паралельних вузлах обчислювальної системи запропоновано виконувати найбільш ресурсомісткі операції, пов'язані з оцінюванням поточної множини агентів, а також з необхідністю створення і модифікації нових множин рішень на основі стохастичних обчислень. Це дозволяє прискорити процес мультиагентного пошуку інформативної комбінації ознак, а також знизити практичний поріг застосування мультиагентного методу з непрямим зв'язком між агентами для редукції великих масивів даних. Розроблено програмне забезпечення, яке реалізує запропонований метод і дозволяє виконувати відбір інформативних ознак на основі мультиагентного підходу і паралельних обчислень. Висновки: проведені експерименти підтвердили працездатність запропонованого математичного забезпечення та дозволяють рекомендувати його для використання на практиці при обробці великих масивів даних для розпізнавання образів. Перспективи подальших досліджень можуть полягати в модифікації розробленого методу шляхом використання різних критеріїв оцінювання групової інформативності ознак, а також експериментальному дослідженні запропонованого методу на більшому комплексі практичних завдань різної природи і розмірності.

Розглянуто проблему видобування, формалізації та агрегації експертних оцінок під час пошуку найкращого рішення з множини можливих. Актуальність даної проблеми визначається різноманіттям галузей застосування, необхідністю додаткового аналізу та груповим оцінюванням за умов невизначеності. Мета роботи - підвищення якості рішень, що приймаються групою експертів, за рахунок підвищення ефективності процесу отримання індивідуальних експертних оцінок та вдосконалення процесу їх подальшої агрегації. Запропоновано комплексний метод, що складається з індивідуального та групового оцінювання, для розв'язання даної проблеми. Удосконалено метод видобування та формалізації індивідуальних експертних оцінок. Запропонований метод грунтується на модифікації методу аналізу ієрархій, містить етапи абсолютного та відносного оцінювання, дозволяє визначити компетентність експерта шляхом обчислення коефіцієнта довіри до його суджень. Удосконалено метод визначення групових оцінок агентів на основі підсумовування індивідуальних експертних оцінок за кожним рішенням. Даний метод враховує під час обчислення сумарної оцінки кількісну перевагу агентів один над одним та коефіцієнти довіри до суджень кожного учасника групи. Це дозволяє вважати судження компетентних експертів більш значущими з метою підвищення якості отримуваного рішення. Проведене експериментальне дослідження підтверджує працездатність розробленого математичного забезпечення. Розроблені методи продемонстрували здатність визначати і усувати неочевидні проблеми в задачах, що розв'язуються. Висновки: наукова новизна роботи полягає в тому, що запропоновано комплексний метод видобування, формалізації та агрегації експертних оцінок у групі, який дозволяє визначати комплексну оцінку конкуруючих агентів, а також обчислювати кількісне значення коефіцієнту довіри до суджень експерта безпосередньо в процесі отримання індивідуальної оцінки і в подальшому використовувати її для прийняття групових рішень. Практична значимість результатів роботи полягає в тому, що розроблено інформаційну технологію, яка реалізує запропонований комплексний метод, що дозволило застосувати на практиці даний метод для розв'язання задачі проведення тендерів, та проведено експерименти.

Вирішено задачу автоматизації процесу синтезу діагностичних моделей при обробці великих масивів даних на основі паралельних обчислень. Об'єкт дослідження - процес синтезу діагностичних моделей. Предмет дослідження - методи та інформаційні технології синтезу діагностичних моделей. Мета роботи - створення інформаційної технології синтезу діагностичних моделей. Запропоновано інформаційну технологію синтезу діагностичних моделей, що представляє собою сукупність діаграм, які описують у графічному вигляді структурні елементи системи, а також поведінкові аспекти їх взаємодії на різних етапах побудови моделей об'єктів діагностування. Запропонована інформаційна технологія дозволяє виконувати побудову розподілених систем діагностування, в яких обчислювально складні етапи синтезу діагностичних моделей виконуються на високопродуктивному серверному обладнанні, що дозволяє істотно підвищити практичний поріг використання систем діагностування при обробці великих масивів даних, здатних вирішувати завдання редукції даних навчальної вибірки, видобування правил, побудови і донавчання діагностичних моделей. Розроблено програмне забезпечення, яке реалізує запропоновану інформаційну технологію і дозволяє синтезувати діагностичні моделі на основі заданих наборів даних. Висновки: проведені експерименти підтвердили працездатність запропонованої інформаційної технології і дозволяють рекомендувати її для використання на практиці при обробці великих масивів даних для технічного і біомедичного діагностування. Перспективи подальших досліджень можуть полягати в модифікації розробленої технології шляхом впровадження в неї інших методів синтезу діагностичних моделей.

Вирішено задачу автоматизації процесу оцінювання інформативності ознак при розв'язанні завдань діагностування та розпізнавання образів. Об'єкт дослідження - процес відбору інформативних ознак. Предмет дослідження - критерії оцінювання інформативності ознак. Мета роботи - створення системи критеріїв оцінювання інформативності ознак, що дозволяє обчислювати інформативність наборів взаємозалежних ознак. Запропоновано систему критеріїв оцінювання інформативності ознак. Запропонована система передбачає визначення значущості ознак виходячи з просторового розташування екземплярів різних класів (діапазонів зміни значень вихідного параметра). Розроблена система критеріїв дозволяє оцінювати індивідуальну і групову інформативність ознак при вирішенні задач класифікації і регресії в умовах, коли вихідні вибірки даних містять надлишкові і взаємозалежні ознаки, а також екземпляри з пропущеними значеннями. Запропоновані критерії не вимагають побудови моделей на основі оцінюваних комбінацій ознак, що істотно знижує часові і обчислювальні витрати в процесі відбору ознак. Використання запропонованих критеріїв для оцінювання та відбору інформативних ознак дозволяє при вирішенні завдань діагностування та розпізнавання образів знижувати структурну складність синтезованих діагностичних і розпізнавальних моделей, підвищувати їх інтепретовність і узагальнюючі властивості за рахунок виключення малозначущих, взаємозалежних і надлишкових ознак. Розроблено програмне забезпечення, що реалізує запропоновану систему критеріїв оцінювання інформативності ознак і дозволяє виконувати відбір ознак для синтезу розпізнавальних моделей на основі заданих наборів даних. Висновки: проведені експерименти підтвердили працездатність запропонованої системи критеріїв оцінювання інформативності ознак і дозволяють рекомендувати її для використання на практиці при обробці масивів даних для розпізнавання образів. Перспективи подальших досліджень можуть полягати в модифікації існуючих і розробці нових методів відбору ознак на основі запропонованої системи критеріїв оцінювання індивідуальної і групової інформативності ознак.

Запропоновано стратифікований підхід до імітаційного моделювання програмно-конфігурованих мереж. Запропоновано імітаційні моделі мережі, активних і пасивних компонентів контролера, комутатора, хоста та комунікаційних каналів. Придатність підходу до цільового використання підтверджено шляхом співставлення одержаних результатів імітаційного моделювання з результатами емуляції мережі у середовищі Mininet.

Розв'язано задачу обробки імпульсних сигналів. Запропоновано адаптивний метод розкладання суперпозицій невідомих імпульсних сигналів. Розроблений метод не вимагає апріорної інформації про форму елементарних імпульсів, є стійким до впливу вимірювальних шумів. Наведено результати числового моделювання та реальної перевірки на прикладі сейсмічного зображення. Результати експериментів показали, що запропонований метод надає можливість ідентифікувати місцезнаходження елементарних імпульсів.

Вивчено динамічні процеси у когерентно зв'язаному атомному конденсаті Бозе - Ейнштейна. Теоретично досліджено джозефсонівські елементи в кільцеподібних та гантелеподібних геометріях. Виявлено умови спостереження ефекту Джозефсона. Визначено, що багатозарядний постійний струм в тороїдному конденсаті може бути стійким навіть для надзвукового потоку атомів. У числових розрахунках спостерігалися акустичні аналоги горизонтів подій в квантованих надпотоках. Ці теоретичні знахідки відкривають перспективи для дослідження бозе-джозефсонівських переходів та квантових аспектів акустичного аналога випромінювання Хокінга в існуючих експериментальних пристроях.

Вирішено задачу автоматизації процесу редукції великих даних при діагностуванні та розпізнаванні образів. Об'єкт дослідження - процес редукції великих даних. Предмет дослідження - методи редукції великих даних. Мета роботи - створення паралельного методу редукції даних на основі стохастичних обчислень. Запропоновано паралельний метод редукції великих даних. Даний метод грунтується на запропонованій системі критеріїв, що дозволяють оцінювати концентрованість контрольних точок близько локальних екстремумів. Обчислення оцінок концентрованості рішень в розробленій системі критеріїв засноване на просторовому розташуванні контрольних точок в поточній множині рішень. Запропонована система критеріїв може використовуватися в методах стохастичного пошуку для відстеження ситуацій надмірної концентрації рішень в областях локальних оптимумів, і, як наслідок, для підвищення різноманітності множини рішень в поточній популяції і більш рівномірного покриття простору пошуку контрольними точками в процесі оптимізації. Розроблено програмне забезпечення, яке реалізує запропонований паралельний метод редукції великих даних і дозволяє виконувати відбір інформативних ознак і скорочення великих вибірок даних при синтезі розпізнавальних моделей. Висновки: проведені експерименти підтвердили працездатність запропонованого паралельного методу редукції великих даних і дозволяють рекомендувати його для використання на практиці при обробці масивів великих даних для розпізнавання образів. Перспективи подальших досліджень можуть полягати в модифікації існуючих і розробки нових методів відбору ознак на основі розробленої системи критеріїв оцінювання концентрованості контрольних точок близько локальних екстремумів.

Вирішено задачу автоматизації синтезу діагностичних моделей при діагностуванні та розпізнаванні образів. Об'єкт дослідження - методи синтезу нейро-нечітких діагностичних моделей. Предмет дослідження - методи донавчання нейро-нечітких мереж. Мета роботи - створення методу донавчання нейро-нечітких діагностичних моделей. Запропоновано метод донавчання діагностичних нейро-нечітких моделей, який дозволяє адаптувати до зміни середовища функціонування існуючі моделі шляхом їх модифікації з урахуванням інформації, отриманої в результаті нових спостережень. Даний метод передбачає виконання етапів видобування та угрупування коригувальних екземплярів, діагностування за якими за допомогою існуючої моделі призводить до некоректних результатів, а також побудову коригувального блоку, який узагальнює дані коригувальних екземплярів, і впровадження його у вже існуючу модель. Використання запропонованого методу донавчання діагностичних нейро-нечітких моделей дозволяє не виконувати ресурсномісткий процес повторної побудови діагностичної моделі на основі повного набору даних, використовувати вже наявну модель в якості обчислювального блоку нової моделі. Моделі, синтезовані за допомогою запропонованого методу, характеризуються високою інтерпретовністю, оскільки кожен блок узагальнює інформацію про свій набір даних і в якості базису використовує нейро-нечіткі моделі. Розроблено програмне забезпечення, яке реалізує запропонований метод донавчання нейро-нечітких мереж і дозволяє виконувати перебудову існуючих діагностичних моделей на основі нової інформації про досліджувані об'єкти або процеси. Висновки: проведені експерименти підтвердили працездатність заропонованого метод донавчання нейро-нечітких мереж і дозволяють рекомендувати його для використання на практиці при обробці масивів даних для діагностування та розпізнавання образів. Перспективи подальших досліджень можуть полягати в розробці нових методів донавчання глибоких нейромереж для оброблення великих даних.

Розглянуто задачу зменшення розмірності сигналів діагностування для їх використання у нейромережевих моделях. Об'єктом дослідження є процес перетворення вхідних сигналів діагностування для їх подальшого використання при побудови прогнозуючих моделей. Мета роботи - створення методів для перетворення сигналів діагностування у результаті використання яких будуть отримані нові сигнали, які у свою чергу будуть використані при побудові нейромережевих прогнозуючих моделей та дозволять значно скоротити час синтезу моделі за рахунок скорочення їх розмірності та виділення необхідних компонент, що характеризують стан окремих елементів об'єкту діагностування. Запропоновано методи, що дозволяють одночасно скоротити розмірність вхідних сигналів діагностування та виділити з них компоненти, що характеризують стан окремих елементів об'єкту діагностування на основі експертних знань про процес діагностування. Розроблені методи базуються на основі методів цифрової обробки сигналів. Відповідно до експертних знань про обієкт та процес діагностування обираються необхідні процедури перетворення сигналів та їх параметри. Відповідно вимогам до бажаної точності та детальності отримуваного прогнозу обирається оптимальний ступень усереднення сигналу, який напряму впливає на швидкість побудови прогнозуючої моделі. Запропоновані методи можуть бути використані для перетворення сигналів діагностування різноманітних діагностичних процесів де є потреба у побудові нейромережевих прогнозуючих моделей на основі сигналів великої розмірності. Проведено дослідження розроблених методів для перетворення сигналів діагностування отриманих на складному об'єкті технічної діагностики, а саме на трансмісії гелікоптера. На основі отриманих сигналів було синтезовано нейромережеву модель, навчання якої потребує набагато менших обчислювальних ресурсів, при цьому точність прогнозування залишається оптимальною. Розроблені методи реалізовано програмно і досліджено при вирішенні задачі прогнозування майбутнього стану трансмісії гелікоптера під час процесу діагностування. Висновки: проведені експерименти підтвердили ефективність розроблених методів і дозволяють рекомендувати його для використання на практиці при вирішенні задач діагностування. Перспективи подальших досліджень можуть полягати в пошуку кращих параметрів розроблених методів, оптимізації їх програмних реалізацій, а також експериментальному дослідженні запропонованих методів на більшому комплексі практичних задач діагностування складних об'єктів різної природи за їх діагностичними сигналами.

Розглянуто відомі види глибоких нейронних мереж (НМ), методи їх навчання з учителем, навчання мереж шумозаглушенню, а також методи кодування даних за допомогою зображень. Показано, що глибокі НМ підходять для ефективного вирішення завдань класифікації, зокрема для медичного і технічного діагностування. Серед глибоких мереж перспективними є згорткові НМ внаслідок своєї простої структури та застосування спільних ваг, що надає можливість мережі виділяти схожі ознаки в різних частинах зображень. Навчання згорткової мережі може бути недостатньо ефективним для деяких завдань діагностування, тому доцільно розглянути модифікації методу навчання з застосуванням кодування даних і навчанням шумозаглушенню для поліпшення результату. Запропоновано метод для навчання згорткової НМ за допомогою числових даних, перетворених у растрові зображення, що підвищує точність мережі під час вирішення задач класифікації і надає можливість застосовувати згорткові НМ та їх переваги обробки зображень з табличними даними як вхідних. Також запропонований метод не потребує внесення додаткових змін в структуру мережі. Метод складається з чотирьох етапів - нормалізації методом мінімакса, перетворення даних у двовимірні зображення з використанням поплавкового або термометричного методів кодування, генерації додаткових зображень із спотворенням вхідних даних і попереднього навчання глибокої мережі. Розроблений метод програмно реалізовано та досліджено при вирішенні низки практичних завдань. Результати вирішення практичних завдань технічного та медичного діагностування показали ефективність методу за незначної кількості результуючих класів і екземплярів для навчання. Метод може бути корисним під час діагностування на ранніх стадіях прояви дефекту, коли обсяг даних для навчання є обмеженим.

Розроблено модифікації простого генетичного алгоритму для розпізнавання образів. У запропонованій модифікації Альфа-Бета на етапі відбору особин до нової популяції особини ранжуються за показником пристосованості, далі випадковим чином визначається кількість пар - певна кількість найпристосованіших особин, і стільки ж найменш пристосованих. Найпристосованіші особини формують підмножину B, найменш пристосовані - підмножину W. Обидві підмножини входять у множину пар V. Число особин, що можуть бути обрані в пари, знаходиться в діапазоні 20 - 60 % від загальної кількості особин. У модифікації Альфа-Бета фіксована в порівнянні з оригінальною версією простого генетичного алгоритму було додано можливість виникнення двох мутацій, додано фіксовану точку схрещення, а також змінено відбір особин для схрещення. Це надає можливість підвищити показник точності у порівнянні з базовою версією простого генетичного алгоритму. У модифікації Фіксована встановлено фіксовану точку схрещення. В схрещенні приймає участь половина генів - гени що відповідають за кількість нейронів на шарах, значення інших генів завжди передаються нащадкам від однієї з особин. Також, на етапі мутації випадковим чином відбуваються мутації з використанням методу Монте-Карло. Розроблені методи програмно реалізовано для вирішення задачі розпізнавання учасників дорожнього руху (автомобілів, велосипедів, пішоходів, мотоциклів, вантажівок). Проведено порівняння показників використання модифікацій простого генетичного алгоритму та визначено кращий підхід вирішення задачі розпізнавання учасників дорожнього руху. Встановлено, що розроблена модифікація Альфа-Бета показала кращі результати у порівнянні з іншими модифікаціями у ході вирішення задачі розпізнавання учасників дорожнього руху. У разі застосування розроблених модифікацій отримано наступні показники точності: Альфа-Бета - 96,90 %, Альфа-Бета фіксована - 95,89 %, фіксована - 85,48 %. Крім того, у разі застосування розроблених модифікацій скорочується час підбору параметрів нейромоделі, зокрема за використання модифікації Альфа-Бета витрачається лише 73,9 % часу базового методу, за використанні модифікації Фіксована - 91,1 % часу базового генетичного методу.

Розглянуто проблему обгрунтування розвитку складних розподільних систем електропостачання (СЕП) як ієрархію завдань, на першому етапі якої є розв'язання завдання вибору раціональної конфігурації СЕП. Розроблено математичну модель розв'язку задачі оптимального розміщення декількох джерел живлення та закріплення за ними споживачів в СЕП із використанням алгоритмів генетичного програмування. Запропоновані методи надають можливість отримати побудову оптимальної траси лінії електропередачі, що зв'язує споживача з джерелом живлення, з урахуванням обмежень на місцевості. Розроблено модифікацію простого генетичного алгоритму, на базі якої реалізовано інформаційну систему. Дана система вирішує питання комбінаторної оптимізації у відношенні вибору оптимальної локації розміщення джерел живлення у розподіленій електричній мережі. Проведено оцінку часу розрахунку залежно від параметрів задачі. Показано, що для задач малої та середньої розмірності розроблений алгоритм забезпечує мінімальний час рахунку. Результати розв'язку задачі для конкретного прикладу демонструють перевагу генетичного підходу над методом повного перебору. Отримані результати можуть бути успішно застосовані для вирішення проблеми оптимізації розміщення джерел живлення у розподіленій електричній мережі.

Вирішено задачу автоматизації синтезу штучних нейронних мереж для подальшого використання при діагностуванні, прогнозуванні та розпізнаванні образів. Об'єкт дослідження - процес синтезу штучних нейронних мереж за допомогою генетичного алгоритму. Предмет дослідження - послідовий та паралельний методи синтезу штучних нейронних мереж. Мета роботи - зменшити час синтезу та підвищити точність отриманої нейронної мережі. Метод. Запропоновано метод синтезу штучних нейронних мереж на основі модифікованого генетичного алгоритму, який може бути реалізовано послідовно та паралельно використвуючі MIMD- та SIMD-системи. Введення великої ймовірності мутації дозволяє збільшити різноманітність всередині популяції та перешкодити завчасній збіжності методу. Вибір нової кращої особини, на відміну від повного перезапуску методу, значно економить ресурси системи та гарантує вихід із області локальних екстремумів. Використання нових критеріїв для адаптивного вибору мутації, по-перше, не обмежує кількість прихованих нейронів, а, по-друге, перешкоджає безмірному збільшенню мережі. Використання рівномірного схрещування істотно підвищує ефективність, а також без проблем дозволяє емулювати інші оператори схрещування. Більш того, саме використання рівномірного схрещування підвищує гнучкість генетичного алгоритму. Паралельний підхід значно скорочує кількість ітерацій та істотно прискорює виконання синтезу штучних нейронних мереж. Результати. Розроблено програмне забезпечення, яке реалізує запропонований метод синтезу штучних нейронних мереж і дозволяє виконувати синтез мереж послідовно та паралельно на ядрах центрального процесору або графічного процесору. Висновки: проведені експерименти підтвердили працездатність запропонованого методу синтезу штучних нейронних мереж і дозволяють рекомендувати його для використання на практиці при обробці масивів даних для подальшого діагностування, прогнозування або розпізнавання образів. Перспективи подальших досліджень можуть полягати у введені можливості використання генетичної інформації декількох батьків для формування нової особини та модифікуванні методів синтезу для мереж рекурентних архітектур для обробки великих даних.

Наведено теоретичні матеріали для лекцій та тренінгів, розроблених в межах проекту Internet of Things: Emerging Curriculum for Industry and Human Applications / ALIOT, 573818-EPP-1-2016-1-UK-EPPKA2- CBHF-JP, 2016 - 2019, що фінансується програмою ЄС ERASMUS +. Описано методи й інструменти для створення, оцінки та впровадження Інтернету речей (ІоТ) в різних областях індустрії та гуманітарних сферах. Наведено відповідні навчальні курси: ІоТ для інтелектуальних енергосистем, ІоТ для інтелектуальних будівель і міст, ІоТ для інтелектуальних транспортних систем, ІоТ для медичних систем, ІоТ для систем моніторингу екології та безпеки тощо.