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) | Реферативна база даних (30) |
Список видань за алфавітом назв: Авторський покажчик Покажчик назв публікацій  |
Пошуковий запит: (<.>A=Oliinyk A$<.>) | ||||
|
Загальна кількість знайдених документів : 30 Представлено документи з 1 до 20 |
||||
| ||||
| 1. | 
Oliinyk A. A. Neural network synthesis based on evolutionary optimization [Електронний ресурс] / A. A. Oliinyk, S. A. Subbotin // Системні дослідження та інформаційні технології. - 2015. - № 1. - С. 77-86. - Режим доступу: http://nbuv.gov.ua/UJRN/sdtit_2015_1_10 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. | |||
| 2. | 
Subbotin S. Induction of classification rules in case of uneven distribution of classes [Електронний ресурс] / S. Subbotin, A. Oliinyk, V. Levashenko, E. Zaitseva // Радіоелектронні і комп’ютерні системи. - 2016. - № 6. - С. 176–180. - Режим доступу: http://nbuv.gov.ua/UJRN/recs_2016_6_28 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. | |||
| 3. | 
Oliinyk A. The model for estimation of computer system used resources while extracting production rules based on parallel computations [Електронний ресурс] / A. Oliinyk, S. Yu. Skrupsky, V. V. Shkarupylo, S. Subbotin // Радіоелектроніка, інформатика, управління. - 2017. - № 1. - С. 142-152. - Режим доступу: http://nbuv.gov.ua/UJRN/riu_2017_1_18 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. | |||
| 4. |
Oliinyk A. O. Parallel multiagent method of big data reduction for pattern recognition [Електронний ресурс] / A. O. Oliinyk, S. Yu. Skrupsky, V. V. Shkarupylo, O. Yu. Blagodariov // Радіоелектроніка, інформатика, управління. - 2017. - № 2. - С. 82-92. - Режим доступу: http://nbuv.gov.ua/UJRN/riu_2017_2_11 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. | |||
| 5. |
Kolpakova T. Integrated method of extraction, formalization and aggregation of competitive agents expert evaluations in group [Електронний ресурс] / T. Kolpakova, A. Oliinyk, V. Lovkin // Радіоелектроніка, інформатика, управління. - 2017. - № 2. - С. 100-108. - Режим доступу: http://nbuv.gov.ua/UJRN/riu_2017_2_13 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. | |||
| 6. |
Oliinyk A. Information technology of diagnosis models synthesis based on parallel computing [Електронний ресурс] / A. Oliinyk, S. Subbotin, S. Skrupsky, V. Lovkin, T. Zaiko // Радіоелектроніка, інформатика, управління. - 2017. - № 3. - С. 139-151. - Режим доступу: http://nbuv.gov.ua/UJRN/riu_2017_3_18 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. | |||
| 7. |
Oliinyk A. The system of criteria for feature informativeness estimation in pattern recognition [Електронний ресурс] / A. Oliinyk, S. Subbotin, V. Lovkin, O. Blagodariov, T. Zaiko // Радіоелектроніка, інформатика, управління. - 2017. - № 4. - С. 85-96. - Режим доступу: http://nbuv.gov.ua/UJRN/riu_2017_4_12 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. | |||
| 8. | 
Stepanenko O. Development of the method for decomposition of superpositions of unknown pulsed signals using the second-order adaptive spectral analysis [Електронний ресурс] / O. Stepanenko, A. Oliinyk, L. Deineha, T. Zaiko // Восточно-Европейский журнал передовых технологий. - 2018. - № 2(9). - С. 48-54. - Режим доступу: http://nbuv.gov.ua/UJRN/Vejpte_2018_2(9)__7 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. | |||
| 9. |
Oliinyk A. Parallel method of big data reduction based on stochastic programming approach [Електронний ресурс] / A. Oliinyk, S. Subbotin, V. Lovkin, M. Ilyashenko, O. Blagodariov // Радіоелектроніка, інформатика, управління. - 2018. - № 2. - С. 60-72. - Режим доступу: http://nbuv.gov.ua/UJRN/riu_2018_2_9 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. | |||
| 10. | 
Furtak I. Information technology in medicine and public health sphere [Електронний ресурс] / I. Furtak, I. Parobetska, М. Maмchyn, A. Oliinyk, R. Hrytsko, S. Kaschevska // Україна. Здоров'я нації. - 2018. - № 3. - С. 138. - Режим доступу: http://nbuv.gov.ua/UJRN/Uzn_2018_3_47 | |||
| 11. |
Oliinyk A. Additional training of neuro-fuzzy diagnostic models [Електронний ресурс] / A. Oliinyk, S. Subbotin, S. Leoshchenko, M. Ilyashenko, N. Myronova, Y. V. Mastinovsky // Радіоелектроніка, інформатика, управління. - 2018. - № 3. - С. 106-119. - Режим доступу: http://nbuv.gov.ua/UJRN/riu_2018_3_14 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. | |||
| 12. | 
Yakimenko A. I. Analogues of Josephson junctions and black hole event horizons in atomic Bose–Einstein condensates [Електронний ресурс] / A. I. Yakimenko, O. I. Matsyshyn, A. O. Oliinyk, V. M. Biloshytskyi, O. G. Chelpanova, S. I. Vilchynskii // Фізика низьких температур. - 2018. - Т. 44, № 10. - С. 1316-1325. - Режим доступу: http://nbuv.gov.ua/UJRN/PhNT_2018_44_10_10 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. | |||
| 13. |
Pryshliak M. Constructing a method for the conversion of numerical data in order to train the deep neural networks [Електронний ресурс] / M. Pryshliak, S. Subbotin, A. Oliinyk // Восточно-Европейский журнал передовых технологий. - 2018. - № 5(4). - С. 48-54. - Режим доступу: http://nbuv.gov.ua/UJRN/Vejpte_2018_5(4)__7 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. | |||
| 14. |
Lymariev I. O. Methods of large-scale signals transformation for diagnosis in neural network models [Електронний ресурс] / I. O. Lymariev, S. A. Subbotin, A. A. Oliinyk, I. V. Drokin // Радіоелектроніка, інформатика, управління. - 2018. - № 4. - С. 113-120. - Режим доступу: http://nbuv.gov.ua/UJRN/riu_2018_4_13 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. | |||
| 15. |
Shkarupylo V. Development of stratified approach to software defined networks simulation [Електронний ресурс] / V. Shkarupylo, S. Skrupsky, A. Oliinyk, T. Kolpakova // Восточно-Европейский журнал передовых технологий. - 2017. - № 5(9). - С. 67-73. - Режим доступу: http://nbuv.gov.ua/UJRN/Vejpte_2017_5(9)__9 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. | |||
| 16. |
Leoshchenko S. D. Modification and parallelization of genetic algorithm for synthesis of artificial neural networks [Електронний ресурс] / S. D. Leoshchenko, A. O. Oliinyk, S. A. Subbotin, V. A. Lytvyn, V. V. Shkarupylo // Радіоелектроніка, інформатика, управління. - 2019. - № 4. - С. 68-82. - Режим доступу: http://nbuv.gov.ua/UJRN/riu_2019_4_9 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.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. | |||
| 17. | 
Kogut G. M. Statement of optimization tasks for the process of developing normative documents for gas infrastructure [Електронний ресурс] / G. M. Kogut, A. P. Oliinyk, M. O. Karpash, A. M. Klyun // Науковий вісник Національного гірничого університету. - 2020. - № 4. - С. 105-110. - Режим доступу: http://nbuv.gov.ua/UJRN/Nvngu_2020_4_17 Purpose. To establish and formulate optimization tasks in elaborating strategies for developing normative documents that identify the work performance at gas infrastructure facilities and the effectiveness of these measures in the pre-emergency and emergency situations. Methodology. To develop the necessary regulatory support for the operation of natural gas transportation and distribution operators, the study presents a mathematical formalization of the optimization problems selection and probability estimate for the identification of strategies for developing new documents that will allow standardizing the basic parameters of trouble-free operation. Findings. The factors that affect the safe operation of the gas transmission and gas distribution network, and cause emergencies, were identified and argued in the article. An experiential mathematical formalization for the process of developing normative documents was carried out; theoretically-justified optimization procedure based on a probabilistic optimization criterion and under conditions of incomplete definiteness was performed. Originality. The research originality is in the new approach to scientific justification for the elaboration of strategies for normative document development in the gas industry. Practical value. The results of the study allow establishing a scientifically based basis for the further development of the standardization system for gas infrastructure facilities in the context of EU policy priorities regarding safe, sustainable and affordable energy. The mathematical apparatus can be used by specialists of natural gas transportation and distribution companies to elaborate strategies and road maps for the development of gas transmission and gas distribution systems, respectively. | |||
| 18. | 
Leoshchenko S. Usage of swarm intelligence strategies during projection of parallel neuroevolution methods for neuromodel synthesis [Електронний ресурс] / S. Leoshchenko, A. Oliinyk, S. Subbotin, T. Zaiko // Технологический аудит и резервы производства. - 2020. - № 5(2). - С. 12-17. - Режим доступу: http://nbuv.gov.ua/UJRN/Tatrv_2020_5(2)__4 | |||
| 19. | 
Malynovskyy J. Approaches to the Development of Business Growth Strategy [Електронний ресурс] / J. Malynovskyy, N. Petryshyn, J. Malynovska, A. Oliinyk // Journal of Vasyl Stefanyk Precarpathian National University. Series of social and human sciences. - 2017. - Vol. 4, no. 3-4. - С. 88-94. - Режим доступу: http://nbuv.gov.ua/UJRN/jovspnu_2017_4_3-4_12 | |||
| 20. |
Leoshchenko S. D. Implementation of the indicator system in modeling of complex technical systems [Електронний ресурс] / S. D. Leoshchenko, S. A. Subbotin, A. O. Oliinyk, O. E. Narivs’kiy // Радіоелектроніка, інформатика, управління. - 2021. - № 1. - С. 117-126. - Режим доступу: http://nbuv.gov.ua/UJRN/riu_2021_1_14 Розглянуто задачу визначення оптимальної топології нейромоделі, що відрізняється високим рівнем логічної прозорості при моделюванні складних технічних систем. Об'єкт дослідження - процес застосування індикаторної системи для спрощення та вибору топології нейромоделі. Мета роботи - розробка та використання системи індикаторів для визначення рівню складності задачі моделювання та поступовому підборі оптимальної логічно прозорої топології нейромоделі. Запропоновано метод для підбору оптимальної, логічно прозорої топології нейронної мережі для моделювання складних технічних систем з використанням системи відповідних індикаторів. На початку метод визначає загальний рівень складності задачі моделювання та використовуючи отриману оцінку визначає спосіб подальшої оптимізації нейромоделі. Потім використовуючи дані про задачу та характеристики вхідних даних метод дозволяє отримати найбільш оптимальну структуру нейронної моделі для подальшого моделювання системи. Метод дозволяє скоротити час навчання та підвищити рівень логічної прозорості нейромоделі, що значно розширює практичне використання таких моделей, без використання нейроеволюційних методів, що можуть бути не виправдано ресурсоємними при ряді задач. Розроблений метод реалізовано та досліджено при вирішенні задачі моделювання динаміки піттінгових процесів стальних сплавів. Використання розробленого методу дозволило скоротити час навчання моделі на 22 %, в залежності від використовуваних обчислювальних ресурсів. Також метод дозволило підвищити рівень логічної прозорості моделі скоротивши кількість обчислювальних вузлів на 50 %, що також свідчить про прискорення та більш раціональне використання ресурсів. Висновки: проведені експерименти підтвердили працездатність запропонованого математичного забезпечення і дозволяють рекомендувати його для використання на практиці при проектуванні топологій нейромоделей для подальшого вирішення задач моделювання, діагностування та оцінювання. Перспективи подальших досліджень можуть полягати в розробці методів структурної оптимізації попередньо синтезованих моделей та розробці нових методів відбору інформаційних ознак. | |||
| ||||
Попередній перегляд: 
Реферативна БД
 |
| Відділ наукової організації електронних інформаційних ресурсів |
 Пам`ятка користувача |