Простийпошук |
Розширенийпошук |
Покажчики
|
Професійний пошук |
Рубрикатор НБУВ |
Розподілений пошук |
Бази даних
Наукова періодика України - результати пошуку
Книжкові видання та компакт-дискиЖурнали та продовжувані виданняАвтореферати дисертаційРеферативна база данихНаукова періодика УкраїниТематичний навігаторАвторитетний файл імен осіб
 |
Для швидкої роботи та реалізації всіх функціональних можливостей пошукової системи використовуйте браузер "Mozilla Firefox" |
|
|
Повнотекстовий пошук
| Знайдено в інших БД: | Книжкові видання та компакт-диски (4) | Автореферати дисертацій (1) | Реферативна база даних (15) |
Список видань за алфавітом назв: Авторський покажчик Покажчик назв публікацій  |
Пошуковий запит: (<.>A=Повхан І$<.>) | |||
|
Загальна кількість знайдених документів : 16 Представлено документи з 1 до 16 |
|||
| 1. | 
Ващук Ф. Г. Дослідження стійкості максимального логічного дерева відносно перестановки ярусів [Електронний ресурс] / Ф. Г. Ващук, Ю. А. Василенко, І. Ф. Повхан // Восточно-Европейский журнал передовых технологий. - 2012. - № 2(4). - С. 15-21. - Режим доступу: http://nbuv.gov.ua/UJRN/Vejpte_2012_2(4)__4 Розглянуто проблему оцінки складності логічних дерев класифікації. Досліджено питання стійкості максимального логічного дерева відносно перестановки ярусів. | ||
| 2. |
Ващук Ф. Г. Загальна оцінка мінімізації деревоподібних логічних структур [Електронний ресурс] / Ф. Г. Ващук, Ю. А. Василенко, І. Ф. Повхан // Восточно-Европейский журнал передовых технологий. - 2012. - № 1(4). - С. 29-32. - Режим доступу: http://nbuv.gov.ua/UJRN/Vejpte_2012_1(4)__7 Розглянуто проблему оцінки складності логічних дерев класифікації. Досліджено питання оцінки ефекту мінімізації логічних дерев фіксованої структури. | ||
| 3. | 
Повхан І. Ф. Проблема функціональної оцінки навчальної вибірки в задачах розпізнавання дискретних об’єктів [Електронний ресурс] / І. Ф. Повхан // Вчені записки Таврійського національного університету імені В. І. Вернадського. Серія : Технічні науки. - 2018. - Т. 29(68), № 6(1). - С. 217-221. - Режим доступу: http://nbuv.gov.ua/UJRN/sntuts_2018_29(68)_6(1)__41 | ||
| 4. | 
Повхан І. Питання гнучкості логічних дерев класифікації в задачах розпізнавання образів [Електронний ресурс] / І. Повхан // Технічні науки та технології. - 2019. - № 3. - С. 131-139. - Режим доступу: http://nbuv.gov.ua/UJRN/tnt_2019_3_19 Сучасні тенденції розвитку теорії штучного інтелекту вимагають ефективних підходів та методів у задачах розпізнавання (класифікації) образів, але принциповою проблемою побудови логічних дерев класифікації є відсутність алгоритмів та методів, які б дозволили одноманітно описувати різні алгоритми розпізнавання у вигляді дерев класифікації. Робота присвячена проблемі логічних дерев класифікації. Запропоновано ефективний механізм донавчання та усунення помилок класифікації у структурі логічного дерева. Нині відомі різні методи та алгоритми побудови логічних дерев класифікації, проте всі вони здебільшого зводяться до побудови одного дерева класифікації за даними початкової навчальної вибірки, а в літературі дуже мало алгоритмів побудови логічних дерев для вибірок великого об'єму. Зрозуміло, що це має під собою об'єктивні фактори, які пов'язані з особливостями генерації таких складних структур, методиками роботи з ними та зберігання. Ця робота має намір хоча б частково подолати ці обмеження та присвячена розробці ефективного механізму донавчання та усунення помилок класифікації у структурі логічного дерева. Розглянуто останні публікації у відкритому доступі, які присвячені проблемі методів та алгоритмів логічних дерев класифікації в задачах розпізнавання образів. Можливість ефективної та економної роботи запропонованого методу зміни структури логічного дерева з масивами навчальних вибірок великого об'єму. Розробка простого та якісного методу роботи з великими масивами початкових вибірок шляхом синтезу мінімальних форм дерев класифікації та розпізнавання, які забезпечують ефективну апроксимацію навчальної інформації. Виявлення механізму, за допомогою якого можна було б будувати логічне дерево класифікації за неповною початковою інформацією (і за кількістю об'єктів, і за кількістю ознак). Таке логічне дерево буде безпомилково розпізнавати частину навчальної вибірки, за якою побудоване дерево, а на інших наборах давати помилки (уникнення такої ситуації пропонується за рахунок застосування схеми алгоритму усунення помилок у структурі дерева). Висновки: запропонований метод донавчання та усунення помилок у структурі логічного дерева класифікації надає змогу працювати з навчальними вибірками великого об'єму та забезпечує високу швидкість та економність апаратних ресурсів у процесі генерації кінцевої схеми класифікації.Сучасні тенденції розвитку теорії штучного інтелекту вимагають ефективних підходів та методів у задачах розпізнавання (класифікації) образів, але принциповою проблемою побудови логічних дерев класифікації є відсутність алгоритмів та методів, які б дозволили одноманітно описувати різні алгоритми розпізнавання у вигляді дерев класифікації. Робота присвячена проблемі логічних дерев класифікації. Запропоновано ефективний механізм донавчання та усунення помилок класифікації у структурі логічного дерева. Нині відомі різні методи та алгоритми побудови логічних дерев класифікації, проте всі вони здебільшого зводяться до побудови одного дерева класифікації за даними початкової навчальної вибірки, а в літературі дуже мало алгоритмів побудови логічних дерев для вибірок великого об'єму. Зрозуміло, що це має під собою об'єктивні фактори, які пов'язані з особливостями генерації таких складних структур, методиками роботи з ними та зберігання. Ця робота має намір хоча б частково подолати ці обмеження та присвячена розробці ефективного механізму донавчання та усунення помилок класифікації у структурі логічного дерева. Розглянуто останні публікації у відкритому доступі, які присвячені проблемі методів та алгоритмів логічних дерев класифікації в задачах розпізнавання образів. Можливість ефективної та економної роботи запропонованого методу зміни структури логічного дерева з масивами навчальних вибірок великого об'єму. Розробка простого та якісного методу роботи з великими масивами початкових вибірок шляхом синтезу мінімальних форм дерев класифікації та розпізнавання, які забезпечують ефективну апроксимацію навчальної інформації. Виявлення механізму, за допомогою якого можна було б будувати логічне дерево класифікації за неповною початковою інформацією (і за кількістю об'єктів, і за кількістю ознак). Таке логічне дерево буде безпомилково розпізнавати частину навчальної вибірки, за якою побудоване дерево, а на інших наборах давати помилки (уникнення такої ситуації пропонується за рахунок застосування схеми алгоритму усунення помилок у структурі дерева). Висновки: запропонований метод донавчання та усунення помилок у структурі логічного дерева класифікації надає змогу працювати з навчальними вибірками великого об'єму та забезпечує високу швидкість та економність апаратних ресурсів у процесі генерації кінцевої схеми класифікації. | ||
| 5. |
Повхан І. Метод побудови алгоритмічного дерева другого типу на основі апроксимації навчальної вибірки набором алгоритмів класифікації [Електронний ресурс] / І. Повхан // Технічні науки та технології. - 2020. - № 2. - С. 126-138. - Режим доступу: http://nbuv.gov.ua/UJRN/tnt_2020_2_14 Сучасні інформаційні технології, засновані на математичних моделях розпізнавання образів у вигляді ЛДК (логічних дерев класифікації), широко використовуються в соціально-економічних, екологічних та інших системах первинного аналізу та обробки великих масивів інформації, зрозуміло, що це пояснюється тим фактом, що такий підхід дозволяє усунути набір існуючих недоліки добре відомих класичних методів та досягти принципово новий результат. Робота присвячена тематиці моделей ЛДК, пропонує ефективний метод побудови моделей алгоритмічних дерев класифікації (АДК), які складаються з незалежних та автономних алгоритмів класифікації і будуть являти собою в певній мірі новий алгоритм розпізнавання (зрозуміло, що синтезований з відомих алгоритмів та методів). На сьогоднішній час відомі різні підходи та методи побудови моделей ЛДК (відомо більше ніж 3600 алгоритмів розпізнавання заснованих на різноманітних концепціях, які мають певні обмеження при їх використанні - точність, швидкодія, пам'ять, універсальність, надійність, тощо), проте всі вони, як правило, зводяться до побудови одного дерева класифікації за даними початкової навчальної вибірки. Зрозуміло, що доцільно не розробляти новий алгоритм, а запропонувати деяку концепцію раціонального використання вже накопиченого потенціалу алгоритмів та методів класифікації у вигляді моделей АДК, і саме тому дана робота має намір хоча би частково подолати ці обмеження та присвячена розробці методу побудови моделей алгоритмічних дерев класифікації. Розглянуті останні публікації у відкритому доступі, які присвячені проблематиці підходів, методів та алгоритмів логічних дерев класифікації (концепції дерев рішень) у задачах розпізнавання образів. Можливість ефективної та економної роботи запропонованого методу побудови алгоритмічного дерева класифікації на основі масивів навчальних вибірок (НВ) великого об'єму. Розробка простого та якісного методу побудови моделей АДК для великих масивів початкових вибірок шляхом синтезу мінімальних форм дерев класифікації та розпізнавання, які забезпечують ефективну апроксимацію навчальної інформації набором автономних та незалежних алгоритмів класифікації. Виявлення простого та ефективного механізму, за допомогою якого можна було би будувати АДК за фіксованою початковою інформацією у вигляді початкової НВ. Дане алгоритмічне дерево класифікації буде безпомилково розпізнавати всю НВ, за якою побудоване дерево класифікації мати мінімальну структуру (структурну складність) та складатися з автономних алгоритмів класифікації в якості вершин конструкції (атрибутів дерева). Висновки: запропонований метод побудови моделей АДК другого типу дозволяє працювати з НВ великого об'єму та забезпечує високу швидкість та економність апаратних ресурсів в процесі генерації кінцевої схеми класифікації, будувати дерева класифікації з наперед заданою точністю. | ||
| 6. | 
Повхан І. Ф. Питання синтезу дискретних зображень в задачах розпізнавання образів [Електронний ресурс] / І. Ф. Повхан // Вісник Вінницького політехнічного інституту. - 2020. - № 4. - С. 50-57. - Режим доступу: http://nbuv.gov.ua/UJRN/vvpi_2020_4_8 Під час розв'язування широкого класу задач розпізнавання (класифікації) зображень, зазвичай стикаємося з такою ситуацією - наразі накопичена значна кількість алгоритмічних та методичних інструментів, які розв'язують деякі часткові задачі, підзадачі (опис або представлення) зображень, виділення характерних ознак (структурних елементів) на зображеннях та інше, проте відсутня єдина методологія їх спільного ефективного використання, та відсутня проста, універсальна методологія інформаційного (ознакового) опису зображення. На сьогодні існує низка підходів, методів та алгоритмів для виділення ознак на зображеннях та пакети інструментальних програм для їх реалізації. Проте, залишається проблема знаходження системи оптимальним (в певному сенсі, для поточної задачі) ознак, тобто пошук таких властивостей зображень (визначення та фіксація ознакового простору) в просторі яких класифікація (розпізнавання) була би можливою та не дуже складною (економічно вигідною) задачею. Використання існуючих алгоритмів та методів для цієї задачі стає можливим лише за наявності методів, які би за результатами роботи різних систем, дозволили виділяти системи ознак, найякісніших в межах поточної задачі. Причому, для кожної практичної задачі класифікації зображень, системи ознак, актуальних на цьому етапі (важливі відносно фіксованої задачі або класу задач), як правило, різні і їх потрібно заново визначати. Звідси, стає очевидною актуальність цього дослідження, відносно важливої задачі знаходження оптимальних (в певному сенсі) систем ознак. Часто задачу знаходження оптимальних систем ознак зводять до задачі мінімізації вихідного опису зображення. Проте, це стосується лише випадку, коли оптимальна система ознак є серед множин ознак, що задають опис зображень, що є, зазвичай, тільки припущенням. Запропоновано спосіб мінімізації вихідного опису дискретних зображень, що дозволяє побудувати мінімальне за ознаковим описом зображення довільної структури на основі концепції Т-опорної множини. Також введено поняття Т-опорної множини, та основі нього пропонується використання наборів цих множин як ознак дискретних зображень. | ||
| 7. |
Повхан І. Питання складності процедури побудови схеми алгоритмічного дерева класифікації [Електронний ресурс] / І. Повхан // Технічні науки та технології. - 2020. - № 3. - С. 142-153. - Режим доступу: http://nbuv.gov.ua/UJRN/tnt_2020_3_16 На сучасному етапі розвитку інформаційних систем та технологій, які базуються на математичних моделях теорії штучного інтелекту (методах та схемах алгоритмічних дерев класифікації), виникає принципова проблема вузької спеціалізації наявних підходів та методів у соціально-економічних, екологічних та інших системах первинного аналізу та обробки великих масивів інформації. Задачі, які об'єднуються тематикою розпізнавання образів, дуже різноманітні та виникають у сучасному світі в усіх сферах економіки та соціального контенту діяльності людини, що приводить до необхідності побудови та дослідження математичних моделей відповідних систем. На сьогодні немає універсального підходу до їх розв'язання, запропоновано декілька досить загальних теорій та підходів, що дозволяють вирішувати багато типів (класів) задач, але їх прикладні застосування відрізняються досить великою чутливістю до специфіки самої задачі або предметної області застосування. Розглянуто проблеми моделей логічних та алгоритмічних дерев класифікації (схем ЛДК/АДК), пропонує оцінку складності структур алгоритмічних дерев (моделей дерев класифікації), які складаються з незалежних та автономних алгоритмів класифікації і будуть являти собою певною мірою новий алгоритм розпізнавання (зрозуміло, що синтезований із відомих схем, алгоритмів та методів). Нині актуальні різні підходи до побудови систем розпізнавання у вигляді дерев класифікації (ЛДК/АДК), причому інтерес до методів розпізнавання, які використовують дерева класифікації, викликаний багатьма корисними властивостями, якими вони володіють. При цьому відомо, що процес класифікації нових, таких, що досі не зустрічалися, об'єктів світу багатьох тварин і людей (за винятком об'єктів, інформація про які передається генетичним шляхом (наслідковим), а також в деяких інших випадках), відбувається за так званим логічним деревом рішень (у зв'язку з нейромережевою концепцією). Зрозуміло, що доцільно не розробляти новий алгоритм, а запропонувати деяку концепцію раціонального використання вже накопиченого потенціалу алгоритмів та методів класифікації у вигляді моделей структур АДК. Саме тому ця робота має намір хоча б частково подолати ці обмеження та присвячена оцінці складності процедури побудови моделей алгоритмічних (логічних) дерев класифікації в галузі задач розпізнавання. Розглянуто останні наукові публікації у відкритому доступі, які присвячені загальній проблемі підходів, методів, алгоритмів та схем розпізнавання (моделей ЛДК/АДК) дискретних об'єктів (дискретних зображень) у задачах розпізнавання образів (теорії штучного інтелекту). Можливість простого та економного методу побудови моделі або структур АДК/ЛДК та оцінка складності такої процедури (моделі структури АДК/ЛДК) на основі початкових масивів дискретної інформації великого об'єму. Запропоновано оцінку складності процедури побудови АДК для довільного випадку (для умов слабкого та сильного розділення класів навчальної вибірки). Розв'язок цього питання має принциповий характер, щодо питань оцінки структурної складності моделей класифікації (у вигляді деревоподібних конструкцій), структур АДК дискретних об'єктів для широкого класу прикладних задач класифікації та розпізнавання в плані розробки перспективних схем та методів іх фінальної оптимізації (мінімізації) конструкції. Висновки: досліджені питання структурної складності конструкцій ЛДК/АДК, запропоновано верхню оцінку складності для процедурипобудови алшоритмічного дерева класифікації в умовах слабкого та сильного розділення класів початкової навчальної вибірки. | ||
| 8. | 
Повхан І. Ф. Задача загальної оцінки складності максимального побудованого логічного дерева класифікації [Електронний ресурс] / І. Ф. Повхан // Вісник Національного технічного університету "ХПІ". Серія : Інформатика та моделювання. - 2019. - № 13. - С. 104-115. - Режим доступу: http://nbuv.gov.ua/UJRN/vcpiim_2019_13_12 | ||
| 9. |
Повхан І. Ф. Питання побудови деревоподібних моделей розпізнавання образів [Електронний ресурс] / І. Ф. Повхан // Вісник Національного технічного університету "ХПІ". Серія : Інформатика та моделювання. - 2019. - № 28. - С. 39-57. - Режим доступу: http://nbuv.gov.ua/UJRN/vcpiim_2019_28_6 | ||
| 10. |
Повхан І. Особливості програмних реалізації моделей логічних дерев класифікації на основі селекції наборів елементарних ознак [Електронний ресурс] / І. Повхан // Технічні науки та технології. - 2020. - № 4. - С. 72-90. - Режим доступу: http://nbuv.gov.ua/UJRN/tnt_2020_4_11 | ||
| 11. | 
Повхан І. Ф. Оцінка загальної складності процедури побудови бінарного логічного дерева класифікації для довільного випадку [Електронний ресурс] / І. Ф. Повхан // Телекомунікаційні та інформаційні технології. - 2020. - № 2. - С. 100-111. - Режим доступу: http://nbuv.gov.ua/UJRN/vduikt_2020_2_11 Запропоновано верхню оцінку складності процедури синтезу бінарного логічного дерева класифікації для довільного випадку (для умов слабкого та сильного розділення класів навчальної вибірки). Розв'язок даного питання має принциповий характер, щодо оцінки структурної складності моделей класифікації (у вигляді деревоподібних конструкцій) дискретних об'єктів для широкого спектра прикладних задач класифікації та розпізнавання в плані розробки перспективних схем і методів їх фінальної оптимізації (мінімізації) структури. Дане дослідження має актуальність не лише для конструкцій логічних дерев класифікації, але надає можливість розширити саму схему оцінки складності та на загальний випадок структур алгоритмічних дерев класифікації (концепції дерев алгоритмів і дерев узагальнених ознак). Досліджено актуальне питання складності загальної процедури побудови логічного дерева класифікації на основі концепції поетапної селекції наборів елементарних ознак (можливих їх різнотипних множин і сполучень), яке для заданої початкової навчальної вибірки (масиву дискретної інформації) будує деревоподібну структуру (модель класифікації), з набору елементарних ознак (базових атрибутів) оцінених на кожному кроці схеми побудови моделі за даною вибіркою. Так сучасні інформаційні технології, засновані на математичних моделях розпізнавання образів (логічних та алгоритмічних дерев класифікації), широко використовуються в соціально-економічних, екологічних та інших системах первинного аналізу та обробки великих масивів інформації. Причому це пояснюється тим фактом, що такий підхід надає можливість усунути набір існуючих недоліків добре відомих класичних методів, схем і досягти принципово новий результат. Робота присвячена проблематиці моделей дерев класифікації (дерев рішень), і пропонує оцінку складності структур логічних дерев (моделей дерев класифікації), які складаються з відібраних і ранжованих наборів елементарних ознак побудованих на основі загальної концепції розгалуженого вибору ознак. Даний метод при формуванні поточної вершини логічного дерева (вузла) забезпечує виділення найбільш інформативних (якісних) елементарних ознак із початкового набору. Такий підхід при побудові результуючого дерева класифікації надає можливість значно скоротити розмір і складність дерева (загальну кількість гілок та ярусів структури) підвищити якість його наступного аналізу (інтерпретабельність). | ||
| 12. |
Повхан І. Ф. Метод алгоритмічних дерев класифікації на основі обмежень [Електронний ресурс] / І. Ф. Повхан // Вісник Національного технічного університету "ХПІ". Серія : Інформатика та моделювання. - 2021. - № 1. - С. 17-38. - Режим доступу: http://nbuv.gov.ua/UJRN/vcpiim_2021_1_4 | ||
| 13. | 
Міца О. В. Про пришвидшення оптимізаційних методів для задачі синтезу багатошарових оптичних покриттів [Електронний ресурс] / О. В. Міца, П. І. Стецюк, О. М. Левчук, В. І. Пецко, І. Ф. Повхан // Проблемы управления и информатики. - 2021. - № 6. - С. 13-26. - Режим доступу: http://nbuv.gov.ua/UJRN/PUI_2021_6_4 | ||
| 14. | 
Повхан І. Ф. Метод обмежених структур логічних дерев у задачі класифікації дискретних об’єктів [Електронний ресурс] / І. Ф. Повхан // Ukrainian Journal of Information Technology. - 2021. - Vol. 3, Nr. 1. - С. 22-29. - Режим доступу: http://nbuv.gov.ua/UJRN/ukjit_2021_3_1_6 | ||
| 15. |
Повхан І. Метод синтезу логічних дерев класифікації на підставі селекції елементарних ознак [Електронний ресурс] / І. Повхан // Ukrainian Journal of Information Technology. - 2022. - Vol. 4, Nr. 2. - С. 25-32. - Режим доступу: http://nbuv.gov.ua/UJRN/ukjit_2022_4_2_5 | ||
| 16. |
Повхан І. Проблема збіжності процедури побудови класифікаторів у схемах логічних і алгоритмічних дерев класифікації [Електронний ресурс] / І. Повхан // Ukrainian Journal of Information Technology. - 2022. - Vol. 4, Nr. 1. - С. 29-36. - Режим доступу: http://nbuv.gov.ua/UJRN/ukjit_2022_4_1_5 | ||
Попередній перегляд: 
Реферативна БД
 |
| Відділ наукової організації електронних інформаційних ресурсів |
 Пам`ятка користувача |