Розроблено теоретичні та практичні засади формування адаптивно-критеріальних систем побудови інформаційних технологій обробки візуальної інформації (ВІ) з метою підвищення їх ефективності, уніфікації, достовірності та надійності прийняття рішень, а також ступеня автоматизації обробки ВІ в АСУ різного прикладного застосування. На базі запропонованої функціонально-інформаційної моделі розроблено систему показників якості й ефективності. Створено ряд моделей подання та обробки ВІ на основі інформаційного підходу, з використанням яких сконструйовано базис гіперболічного вейвлет-перетворення (ГВП), розроблено методи виділення контурів і бінаризації з регульованою деталізацією у просторі ГВП, а також ієрархічний структурно-статистичний спосіб ідентифікації. Запропоновано ітераційний метод пошуку екстремумів на базі ГВП, з використанням якого створено нові способи виявлення характерного фрагменту, виділення характерних точок і навчання нейтронних мереж.

  Скачати повний текст

Дисертаційна робота присвячена удосконаленню комунікаційних протоколів для гетерогенних бездротових сенсорних мереж (БСМ) на основі застосування метаевристичних методів кластерізації з метою збільшення тривалості життя мережі.^UThe thesis is devoted to the improvement of clustering protocols for heterogeneous wireless sensor networks (HWSN) based on the use of heuristic and metaheuristic clustering methods in order to save energy and increase the lifetime of the network. To achieve the goal the following contributions were made : the method of multipurpose quality assessment for communication protocols of heterogeneous WSN is improved which takes into account both spatial and energy characteristics of heterogeneous WSNs. A generalized model of meta-heuristic optimization was proposed. Preliminary assessment methods of the initial population of clustering was proposed, taking into account the numerical characteristic of spatial compactness of clusters based on the k-means method, which has reduced the sensitivity in selection of the initial population. The combined methods of multi-purpose meta-heuristic clustering (GA, PSO and BBO) were developed.

Об'єкт – процес інформаційного забезпечення підтримки прийняття управлінських рішень малих бізнес-структур; мета – полягає в розробленні теоретико-методичного підґрунтя та рекомендацій щодо удосконалення інформаційного забезпечення підтримки прийняття управлінських рішень малих бізнес-структур в умовах динамічних змін; методи – узагальнення, систематизації, емпіричного дослідження, системного та логічного підходу; індукції, дедукції, методи аналізу та синтезу, економіко-статистичного, факторного, експертного та порівняльного аналізу, інструментів аналізу Microsoft Excel, графічний, метод декомпозиції та аналогового моделювання; новизна – полягає в розробленні та науковому обґрунтуванні теоретико-методичного підґрунтя та рекомендацій щодо удосконалення інформаційного забезпечення підтримки прийняття управлінських рішень малих бізнес-структур в умовах динамічних змін; результати – теоретичні положення, висновки і рекомендації доведені до рівня завершених методичних розробок і пропозицій щодо удосконалення інструментарію інформаційного забезпечення підтримки прийняття управлінських рішень малих бізнес-структур в умовах динамічних змін; впроваджено ТОВ «Нове БТІ» (довідка No 39 р/31 від 04.02.2021 р.), ТОВ «7-40» (довідка No 23-1 від 20.01.2021 р.), ТОВ «ХЕІХТМАН ГРУП» (довідка No 4/8-с від 27.01.2021 р.), ТОВ «КАРЕ» (довідка No 217 від 29.03.2021 р.); в навчальному процесі Одеського національного політехнічного університету МОН України при підготовці навчальних програм і навчально-методичних матеріалів з дисциплін: «Менеджмент» – «Сучасні тренди в бізнесі та бізнес середовищі», «Системне управління бізнес процесами» (акт впровадження від 24.02.2021 р.).^UObject - the process of information support to support management decisions of small business structures; goal - is to develop a theoretical and methodological basis and recommendations for improving the information support of management decision-making of small business structures in a dynamic change; methods - generalization, systematization, empirical research, systematic and logical approach; induction, deduction, methods of analysis and synthesis, economic-statistical, factor, expert and comparative analysis, Microsoft Excel analysis tools, graphical, decomposition method and analog modeling; novelty - is to develop and scientifically substantiate the theoretical and methodological basis and recommendations for improving the information support to support management decisions of small business structures in a dynamic change; results - theoretical provisions, conclusions and recommendations are brought to the level of completed methodological developments and proposals for improving the tools of information support to support management decisions of small business structures in a dynamic change; introduced LLC "New BTI" (reference No. 39 r / 31 from 04.02.2021), LLC "7-40" (reference No. 23-1 from 20.01.2021), LLC "HEICHTMAN GROUP" (reference No. 4 / 8-s dated January 27, 2021), KARE LLC (reference No. 217 dated March 29, 2021); in the educational process of Odessa National Polytechnic University of the Ministry of Education and Science of Ukraine in the preparation of curricula and teaching materials in the disciplines: "Management" - "Modern trends in business and business environment", "System management of business processes" (act of implementation from 24.02.2021 ).

Актуальність теми зумовлюється стрімким розвитком процесів, які потребують швидкого реагування на нетипові зміни для їх подальшого коригування, поки ціна наслідків є низькою. Задача виявлення таких нетипових змін називається задачею скринінгу, особливу групу серед яких складають засновані на аналізі планарних зображень задачі, які виникають, наприклад, при медичній діагностиці, дистанційному зондуванні Землі, метереології тощо. Автоматизація скринінгу дозволяє з більшою ефективністю вирішувати проблеми підвищення продуктивності діяльності людини-оператора, підвищити рентабельність відповідних процесів. Таким чином, має місце протиріччя між широкими можливостями щодо забезпечення достовірності рішення задачі автоматизованого скринінгу нейромережевими методами з одного боку, та обмеженістю існуючих методів отримання наборів анотованих даних для навчання глибинних нейронних мереж.Метою дослідження є підвищення достовірності класифікації та сегментації планарних зображень в системах автоматизованого скринінгу шляхом розробки нейромережевих моделей і методів.Для досягнення мети дослідження необхідно вирішити такі завдання:провести аналіз проблем автоматизованого скринінгу, показати переваги та недоліки нейромережевого підходу, та обґрунтувати напрямки досліджень;розробити параметричну модель набору даних, зокрема з частково-помилковими анотаціями, які характерні для реальних задач автоматизованого скринінгу;розробити модель нейронної мережі та методи навчання й передбачення для аналізу планарних зображень;розробити інструментальні засоби, які реалізують розроблені нейромережеві моделі та методи, та виконати апробацію і впровадження теоретичних результатів при вирішенні завдань автоматизованого скринінгу.Об'єктом дослідження є процеси аналізу планарних зображень в системах автоматизованого скринінгу.Предмет дослідження - нейромережеві моделі та методи класифікації і сегментації планарних зображень в задачах автоматизованого скринінгу. У рамках виконаних досліджень отримано такі наукові результати:вперше запропоновано параметричну формалізацію моделі набору даних із частково-помилковими анотаціями, які характерні для реальних задач автоматизованого скринінгу, що дозволило розробити метод генерації навчальних, тестових та валідаційних наборів даних;удосконалено} метод генерації наборів даних на основі параметричної моделі, що за рахунок генерації анотацій: частково-помилкових для тренувальної вибірки та достовірних - для тестової, що дало можливість підвищити ефективність тестування нейромережевих методів сегментації та класифікації в задачах автоматизованого скринінгу;удосконалено модель згорткової нейронної мережі шляхом додавання додаткового декодера класифікації з шаром нормалізації, що дало змогу побудувати методи багатозадачного навчання та передбачення результатів нейронної мережі, що вирішує задач сегментації та класифікації одночасно;удосконалено методи багатозадачного навчання та передбачення на основі удосконаленої моделі згорткових нейронних мереж шляхом об'єднання класифікації та сегментації і введення обмеження другого роду (зверху) при обчисленні функції втрат сегментації, що дозволило підвищити достовірність сегментації та класифікації в задачах автоматизованого скринінгу.Результати дисертаційної роботи впроваджено: в програмний продукт SafetyRadar компанії VITech Lab, програмні продукти компанії “ПЛАНЕТА ЮГ” та в науково-дослідні роботи кафедри Інформаційних систем Інституту Комп'ютерних систем Одеського національного політехнічного університету та в навчальний процес кафедри Інформаційних систем Інституту Комп'ютерних систем Одеського національного політехнічного університету.^UThe relevance of the topic is due to the rapid development of processes that require fast response to atypical changes for further adjustment, while the cost of consequences is low. The task of detecting such atypical changes is called screening, a special group of which consists of tasks based on the analysis of planar images, which arise, for example, in medical diagnostics, remote sensing of the Earth, meteorology, and more. Automation of screening allows to solve problems of increase of productivity of activity of the human operator with greater efficiency, to increase the profitability of the corresponding processes.There is a contradiction between the wide possibilities for ensuring the reliability of the solution of the problem of automated screening by neural network methods on the one hand, and the limitations of existing methods of obtaining sets of annotated data for training deep neural networks on the other.The aim of this work is to increase the precision of classification and segmentation of planar images in automated screening systems with the development of new neural-network-based models and methods.To achieve the aim of this work, following tasks have to be solved:to analyze the problems of automated screening, to show the advantages and disadvantages of the neural network approach, and to substantiate the directions of research;develop a parametric model of the data set, in particular with partially erroneous annotations, which are typical for real automated screening tasks;to develop a model of a neural network and methods of training and prediction for the analysis of planar images;to develop tools that implement the developed neural network models and methods, and to test and implement theoretical results in solving problems of automated screening.The object of research is the process of analysis of planar images in automated screening systems.The subject of research is neural network models and methods of classification and segmentation of planar images in automated screening problems.The following scientific results were obtained within the framework of the performed research:for the first time a parametric formalization of the data set model with partially erroneous annotations, which are characteristic of real automated screening tasks, was proposed, which allowed developing a method of generating training, test, and validation data sets;improved the method of data set generation based on parametric model with the generation of annotations: partially erroneous for training samples and reliable - for test, which made it possible to increase the efficiency of testing neural network segmentation and classification methods in automated screening tasks;Improved the model of convolutional neural network by adding an additional classification decoder with a normalization layer, which made it possible to build methods of multitasking learning and prediction of neural network results, which solves segmentation and classification problems simultaneously;improved methods of multi-task learning and prediction based on an improved model of convolutional neural networks by combining classification and segmentation and the introduction constraint in calculating the segmentation loss function, which increased the precision of segmentation and classification in automated screening problems.The results of the dissertation are implemented: in the software product SafetyRadar of VITech Lab, software products of the company "PLANET SOUTH" and in research work of the Department of Information Systems of the Institute of Computer Systems of Odessa National Polytechnic University and in the educational process of the Department of Information Systems of the Institute of Computer Systems Odessa National Polytechnic University.

Дисертація присвячена розробці моделей та методів підвищення ефективності розподілених трансдюсерних мереж на основі машинного навчання та периферійних обчислень. В роботі був проведений аналіз особливостей використання розподілених трансдюсерних мереж при побудові різних систем Інтернету речей, а також методів обробки та аналізу даних у цих мережах. Також в роботі було проаналізовано переваги та недоліки типових архітектур розподілених трансдюсерних мереж в умовах застосування глибинних нейронних мереж як інструменту аналізу даних. Показано, що функціонування сучасних систем Інтернету Речей засноване на аналізі показань множини сенсорів різного типу, з різною розмірністю даних та частотою отримання нових даних. Для вирішення цього завдання запропоновано метод попередньої обробки та форматування показань сенсорів для їх подальшого використання у якості вхідних даних в запропонованій ієрархічній нейромережевій моделі. Показано, що структури типових моделей нейронних мереж можуть бути надмірними для вирішення різних задач машинного навчання. Для вирішення цього завдання запропоновано метод компресії нейронних мереж з метою зниження вимог до обчислювальних та енергетичних ресурсів за рахунок скорочення множини зв'язків між нейронами мережі. Розроблено ієрархічну нейромережеву модель периферійних обчислень для аналізу мультисенсорних даних, яка дозволяє організувати нейромережеві обчислення за ієрархічним принципом без використання централізованого хмарного серверу. Був запропонований метод формування вхідного тензору з множини показників, які збираються сенсорами різних типів протягом деякого часу. Було розроблено метод компресії нейронних мереж з метою зниження вимог до обчислювальних та енергетичних ресурсів за рахунок скорочення множини зв'язків між нейронами мережі. Було розроблено інструментальні засоби, що реалізують запропоновані рішення. На основі розроблених інструментальних засобів створено програмний компонент для моделювання роботи розподілених трансдюсерних мереж у різних галузях застосування систем Інтернету Речей.^UThe qualification scientific work is devoted to the development of models and methods for improving the efficiency of distributed transducer networks based on machine learning and peripheral computing.The analysis of the peculiarities of the use of distributed transducer networks in the construction of various Internet of Things systems, as well as methods of data processing and analysis in these networks was carried out. The paper also analyzes the advantages and disadvantages of typical architectures of distributed transducer networks in the use of deep neural networks as a tool for data analysis. It is shown that the functioning of modern IoT systems is based on the analysis of the readings of many sensors of different types, with different data dimensions and frequency of obtaining new data. To solve this problem, a method of pre-processing and formatting of sensor readings for their further use as input data in the proposed hierarchical neural network model is proposed. It is shown that the structures of typical models of neural networks can be redundant to solve various machine learning problems. To solve this problem, a method of neural network compression is proposed to reduce the requirements for computing and energy resources by reducing the number of connections between network neurons.A hierarchical neural network model of peripheral computing for multisensory data analysis has been developed, which allows to organize neural network computations on a hierarchical principle without the use of a centralized cloud server. A method of forming an input tensor from a set of indicators collected by sensors of different types over a period of time has been proposed. A method of compressing neural networks was developed to reduce the requirements for computing and energy resources by reducing the connections between network neurons. Programming tools have been developed to implement the proposed solutions. On the basis of the developed tools the software component for modeling of work of the distributed transducer networks in various areas of application of systems of the Internet of Things is created.