Індекс рубрикатора НБУВ: К235.160.4

Рубрики:

Стани та структура титану та його сплавів

Шифр НБУВ: Ж28502 Пошук видання у каталогах НБУВ 

Індекс рубрикатора НБУВ: К235.160.4

Рубрики:

Стани та структура титану та його сплавів

Шифр НБУВ: Ж28502 Пошук видання у каталогах НБУВ 

Індекс рубрикатора НБУВ: К204.3

Рубрики:

Структурні та фазові перетворення в металах і сплавах. Теорія термічної обробки

Шифр НБУВ: Ж22412/а Пошук видання у каталогах НБУВ 

Індекс рубрикатора НБУВ: К234.304

Рубрики:

Стани та структура платинових металів та їх сплавів

Шифр НБУВ: Ж28502 Пошук видання у каталогах НБУВ 

Індекс рубрикатора НБУВ: К232.304 + К235.170.4

Рубрики:

Стани та структура кобальту та його сплавів

Стан і структура цирконію та його сплавів

Шифр НБУВ: Ж28502 Пошук видання у каталогах НБУВ 

Індекс рубрикатора НБУВ: К230.43

Рубрики:

Структурні та фазові перетворення в кольорових металах і сплавах

Шифр НБУВ: Ж28502 Пошук видання у каталогах НБУВ 

Вперше запропоновано використання стимулюючих антитіл у моделі з штучної імунної мережі, які характеризуються високими значеннями афінностей до антигенів і презентують групи найближчих до них антитіл, що не підлягають клонуванню, для прискорення їх мутації та формування кластерів, що призводить до зростання швидкодії алгоритмів класифікації та кластеризації даних без зменшення точності групування. Набув подальшого розвитку метод відбору клонів, який, на відміну від існуючих, використовує конкурентно-цільовий відбір, що призводить до зменшення кількості антигенів в процесі обчислення афінностей імунних об'єктів після мутації на етапі редагування популяції антитіл, наслідком чого є зростання швидкості класифікації та кластеризації даних. Набув подальшого розвитку метод мутації клонів, який, на відміну від існуючих, використовує афінність далекого предка для клонів, що підлягають мутації, яка є мінімальним порогом в ході обчислення коефіцієнта мутації, що призводить до підвищення швидкості та точності класифікації об'єктів. Набули подальшого розвитку гібридні моделі класифікації об'єктів на основі методів k-means та kNN в яких, на відміну від існуючих, використовується імунний підхід для визначення кількості кластерів (метод k-means) і кількості найближчих сусідів (метод kNN), що без зменшення точності призводить до зростання швидкості групування даних.

Індекс рубрикатора НБУВ: К230.4

Рубрики:

Стани та структура кольорових металів і сплавів

Шифр НБУВ: Ж28502 Пошук видання у каталогах НБУВ 

Розглянуто сучасний стан і перспективи розвитку інформаційних систем і технологій електронних мультимедійних видань. Сформовано тривимірний набір показників, що відображає стан ІТ-індустрії України та включає інвестиційну привабливість регіонів, внутрішній стан ІТ-ринку та зарплату. Запропоновано технологію створення спільного контенту у веб-базованому навчальному кабінеті. Наведено класифікацію електронних науково-технічних текстів в інформаційно-пошукових системах. Розроблено модель інформаційної безпеки для захисту медичної інформації та компонентів інформаційної системи. Запропоновано нечітко-множинну методику оцінки конкурентноспроможності підприємства.

Індекс рубрикатора НБУВ: К232.204

Рубрики:

Стани та структура нікеля та його сплавів

Шифр НБУВ: Ж28502 Пошук видання у каталогах НБУВ 

Індекс рубрикатора НБУВ: К230.43

Рубрики:

Структурні та фазові перетворення в кольорових металах і сплавах

Шифр НБУВ: Ж28502 Пошук видання у каталогах НБУВ 

Індекс рубрикатора НБУВ: К230.4 + Г534.12

Рубрики:

Стани та структура кольорових металів і сплавів

Діаграми склад-властивість. Діаграми стану, p-T-x діаграми

Шифр НБУВ: Ж28502 Пошук видання у каталогах НБУВ 

Представлено монографію, в якій розглянуто стан та перспективи розвитку сучасних інформаційних технологій і систем різних видів і різного прикладного характеру. Включено наступні розділи: інтегрування чат-бота, кредитоспроможності позичальника, мультиагентна система розподіленної торгової фірми, створення пристроїв контролю і локалізації помилок в розподілених системах, регуляризований рекурентний метод поточного регресійного аналізу для побудови лінійних моделей, класифікація об'єктів на основі моделі деревовидної штучної імунної мережі, дослідження посилальних методів ранжування документів за результатами інформаційного пошуку, методологія safe та її використання для впровадження виконання цілей кібербезпеки у гнучкому підході до розробки програмного забезпечення, підходи до забезпечення якості програмного забезпечення, моделювання відтворення плоских кривих ламаними за асимптотично-оптимальним алгоритмом інтерполяції, розробка педагогічної моделі формування компетенцій фахівців поліграфічного профілю з позиції системного підходу.

Значною актуальністю в області інформаційних технологій користуються моделі та методи, які дозволяють проводити інтелектуальну обробку та систематизацію даних. Серед таких моделей можна виділити моделі, які працюють на основі біологічних принципів організації обчислень, такі як штучні нейронні мережі, генетичні алгоритми та штучні імунні системи. На сьогоднішній день існує декілька видів моделей штучних імунних систем, які використовують специфічні імунні оператори, що впливають на швидкість роботи моделі та якість вирішення практичних задач. Мета роботи - дослідження впливу організації роботи найбільш поширених імунних операторів на швидкість роботи імунних алгоритмів та точність прийняття рішення щодо класифікації об'єктів з контрольованим навчанням. Об'єктом дослідження є імунні оператори клонування, мутації та супресії, а також оцінка швидкості процесу формування імунної відповіді мережі антитіл на популяцію антигенів. Предметом дослідження є модель штучно імунної мережі та алгоритм aiNET, імунні оператори та їх вплив на процес формування імунної відповіді для класифікації об'єктів з контрольованим навчанням. Запропоновано оптимальне налаштування імунних операторів для забезпечення високої швидкості формування імунної відповіді алгоритмом aiNET під час вирішення задачі класифікації. Окрім того запропоновано використання цільових імунних об'єктів для пришвидшення класифікації антитіл, що не набули стану специфічності до антигенів навчальної вибірки. Висновок: модифікований метод aiNET класифікації з контрольованим навчанням планується використовувати у подальшому для керування поведінкою персонажів в ігрових додатках типу action.