Розглянуто результати застосування норми Кі Фана у контексті рішення задачі сегментації відеоданих. Оскільки задача аналізу відео зводиться до аналізу послідовності зображень, було прийнято рішення знайти спосіб формалізації опису відеокадру з використанням математичного апарату неквадратних матриць. При виборі методу ретельна увага приділялася саме універсальності по відношенню до розмірності вихідних даних, зважаючи на технічні характеристики відеоданих - відеокадри є матрицями довільної розмірності. Можливість пропустити крок приведення матриці до квадратної, або векторизації за допомогою деякого дескриптора надає можливість знизити обчислювальні витрати, визволяючи ресурси, необхідних для цього перетворення. Прийнято рішення використовувати як дескриптор зображення значення норми Кі Фана, оскільки вона побудована на базі сингулярних чисел матриці. Як відомо, сингулярні числа отримуються в ході сингулярного розкладання матриці і можуть бути використані для зниження розмірності вихідних даних. Сингулярний розклад не має обмежень ні до розмірності ні до характеру елементів вихідної матриці. Крім того, він може бути використаний для приведення до інших матричних розкладань, що мають необхідні характеристики. Проведено порівняльний аналіз ефективності отриманого дескриптора в разі використання k-норми і 1-норми, який показав, що 1-норма надає можливість виявляти найбільш суттєві зміни сцени, в той час як k-норма здатна детектувати і незначні. Іншими словами, залежно від характеру вихідних відеоданих і сфери застосування розробленого додатку, є можливість задавати чутливість до зміни сцени, варіюючи кількість задіяних сингулярних чисел. Рішення про наявність змін в контексті сцени відеокадру приймається на основі порівняння дескрипторів, тобто значення норми Кі Фана, двох послідовних зображень.

Зміна клімату є однією з найважливіших проблем, що стоять зараз перед людством. Важливою частиною кліматичних моделей є рух хмар, який різко впливає на параметри клімату. Невисокі хмари грають величезну роль у визначенні клімату Землі. Їхній рух також складно зрозуміти та представити в кліматичних моделях. На жаль, точне моделювання руху хмар є складною задачею та вимагає досконалого знання основних фізичних процесів і початкових станів. Межі між різними типами хмар зазвичай розмиті та їх важко визначити за допомогою систем прийняття рішень на основі правил. Спрощення етапу сегментації має вирішальне значення та може допомогти дослідникам у розробці більш досконалих кліматичних моделей. Конволюційні нейронні мережі були успішно застосовані в багатьох аналогічних областях, а також для самої сегментації хмар. Проте, існує проблема високої вартості хороших наборів даних із маркуванням на рівні пікселів, тому в галузі часто використовуються грубі набори даних із мітками рівня зображення. Запропоновано комплексний метод на основі глибокого навчання для класифікації та сегментації хмар різних типів з одного кольорового супутникового зображення. Запропоновано багатозадачний підхід до сегментації хмар. На додаток до моделі сегментації, вводиться окремий класифікатор, який використовує ознаки з середнього рівня моделі сегментації. Наведений метод можне використовувати грубі, нерівні і такі, що перекриваються, маски для хмар. Виходячи з результатів експериментів, запропонований метод демонструє стабільні результати і вивчає хороші загальні характеристики з зашумленних даних. Як спостерігали під час експериментів, модель правильно знаходить хмари, які не анотовані на зображеннях. Запропонований метод входить в топ 3 % серед конкуруючих методів на наборі даних Understanding Clouds from Satellite Images.

Основною метою прогнозування нестаціонарних часових рядів є побудова, ідентифікація, налаштування та перевірка їх моделей. Показано ефективність використання технологій машинного навчання для аналізу нестаціонарних часових рядів завдяки їх здатності моделювати складні нелінійні залежності в поведінці часового ряду як залежно від попередніх значень, так і зовнішніх чинників, аналізувати особливості, відносини та складні взаємодії. Обговорено особливості прогнозування часових рядів із використанням одновимірної згорткової нейронної мережі (ОВЗНМ). Розглянуто особливості архітектури та процесу навчання при використанні ОВЗНМ на прикладі рішення задач прогнозування продажів і побудови прогнозу цін акцій компанії. Для поліпшення якості прогнозу, вихідні часові ряди піддавалися попередній обробці методом ковзного середнього в вікні. Комп'ютерне моделювання задачі прогнозування з застосуванням ОВЗНМ виконано на мові програмування Python. У прогнозі продажів із використанням архітектури запропонованої моделі ОВЗНМ зроблено прогноз продаж легкових і комерційних автомобілів у В'єтнамі в період із 2011 по 2018 рр. Модель ОВЗНМ показала високу точність прогнозування з даними сезонного тренду. У прогнозуванні цін на акції використано іншу архітектуру моделі ОВЗНМ, яка відповідає нестаціонарним даним із великими довжинами серій даних при невеликому інтервалі між відліками, такими як дані статистики торгівлі акціями за хвилину. У цьому проекті дані взято з AmazonNasdaq100 для 40 560 точок даних. Дані поділяються на навчальний і тестовий набори. Тестовий набір використовується для перевірки фактичної продуктивності моделі. Показано, що модель ОВЗНМ надає хороші результати при наявності як сезонної, так і трендової складових часового ряду за великих розмірів даних.

Мета роботи - провести аналіз сучасних підходів до аналізу та обробки даних; вивчити основні алгоритми для аналізу та обробки даних; на основі застосування новітніх технологій створити програму, яка буде збирати дані, проектувати архітектуру програми для більш ефективного використання; очистити дані, застосовуючи методи мінімізації інформаційних втрат; проаналізувати отримані очищені дані застосовуючи підходи до аналізу та обробки текстових даних; зробити висновки за результатами всіх вищезгаданих робіт. Існує досить велика кількість різновидів перерахованих завдань, а також методів їх вирішення. Інформація є одним із найважливіших ресурсів сучасного бізнес-середовища. Для будь-якої компанії важко досягти успіху, не маючи достатньої інформації про своїх клієнтів, співробітників та інших ключових зацікавлених сторін. Щодня компанії отримують неструктурований і структурований текст із різних джерел, таких як результати опитування, твіти, нотатки до коллцентру, телефонні розсилки, онлайн-відгуки клієнтів, записані взаємодії, листи та інші документи. Ці джерела надають необроблений текст, який нелегко зрозуміти без використання правильного інструменту аналізу тексту. Можна виконувати аналітику тексту вручну, але процес вручну є неефективним. Традиційні системи використовують ключові слова і не можуть читати та розуміти мову в електронних листах, твітах, веб-сторінках і текстових документах. Із цих причин компанії використовують програмне забезпечення для аналізу текстів великих обсягів текстових даних. Програмне забезпечення допомагає користувачам отримувати інформацію з текстових даних, щоб діяти відповідно. В даний час найбільш поширене ручне анотування, до переваг якого можна віднести, безумовно, високу якість складання анотації та її "осмисленість". Типові недоліки ручних систем анотування, систем аналізу текстової інформації - це високі матеріальні витрати та притаманна їм низька швидкість роботи. Мета роботи - дослідження методів за допомогою яких можна ефективно анотувати відгуки про різноманітні товари з найбільшого торгівельного майданчику України; методів і засобів за допомогою яких можна мінімізувати інформаційні втрати при аналізі та обробці текстових даних. Об'єктом дослідження є процес мінімізації інформаційних втрат при аналізі та обробці текстових даних. В ході дослідження проведено аналіз останніх досліджень з аналізу та обробки текстової інформації та методів обробки текстової інформації та алгоритми Data Mining.

Проаналізовано стан і перспективи використання машинного навчання комп'ютерних біоінформатичних систем. Показано, що різнорідність біомедичних даних і широке коло завдань біоінформатики позначилися на виробленні спеціалізованих рішень для кожної окремої сфери чи задачі. Це ускладнює можливість зіставлення ефективності окремих методів і використання кращих варіантів для проектування систем під нові завдання. Наведено результати досліджень щодо розвитку принципів побудови систем комп'ютерного опрацювання біосигналів із використанням технологій машинного навчання. Обгрунтувано доцільність виділення системних рівнів у процесі опрацювання біосигналів та окреслено їх функції. Інновативність запропонованого підходу полягає у розмежуванні функцій нижнього, середнього та верхнього рівнів від методів, за допомогою яких вони реалізуються, а також варіантів імплементації цих методів на апаратних і програмних засобах. Підкреслюється, що середній системний рівень є значною мірою інваріантним, як до вирішуваної задачі, так і до виду біосигналу. В той же час, верхній рівень є специфічним щодо завдання, а нижній рівень - специфічним щодо виду біосигналу. Чітке окреслення функцій кожного системного рівня та міжрівневих інтерфейсів відкриває перспективи структуризації відомостей під час аналізу відомих рішень, спрощує порівняльний аналіз і зіставлення ефективності цих рішень. Спрощується і потенційно пришвидшується процес проектування комп'ютерної системи під конкретні завдання за рахунок можливості перенесення кращих результатів із суміжних задач. На основі розробленої концепції трьох системних рівнів розглянуто та проаналізовано коло проблемних завдань, пов'язаних із застосуванням машинного навчання опрацювання біосигналів на всіх системних рівнях.

У системах медико-соціологічного моніторингу (МСМ) для збільшення оперативності прийняття класифікаційних рішень використовують можливості навчання глибинних нейронних із вчителем. Але дані, що накопичуються в процесі моніторингу є слабко структурованими та маркованими. Це значно знижує швидкість і підвищує помилку машинного навчання із вчителем. Запропоновано евристичні моделі та методи застосування мережі Кохонена (МК) для збільшення швидкості навчання з частковим залученням вчителя без втрати рівня достовірності класифікації даних в інтелектуальних системах МСМ. А саме вдосконалено моделі представлення слабко структурованих і маркованих даних МСМ у просторах властивостей та ознак за рахунок формалізації процедури агрегації деталізованих даних, а також метод навчання МК із частковим залученням вчителя з використанням методу узгодження наявних попередньо маркованих даних із отриманими маркерами кластерів ознак. Крім того отримав подальший розвиток метод корегування вагових коефіцієнтів у процесі навчання нейронної МК за рахунок використання модифікованого генетичного алгоритму для класифікації даних МСМ. Запропонована модифікація генетичного алгоритму полягає у використанні методу узгодження маркерів класів і кластерів при розрахуванні оцінки пристосованості хромосом у популяції, яка генерується для кожного прикладу з навчальної вибірки даних МСМ. Для оцінки пристосованості хромосом запропоновано розраховувати повноту класифікації, як відношення кількості представників позитивного класу, яких знайдено до всіх представників позитивного класу. При виконанні процедури селекції на основі отриманої оцінки пристосованості обирається по дві найбільш ("переможець" і "віце-переможець") пристосовані хромосоми, які схрещуються та найменш ("лузер" і "віце-лузер") пристосовані хромосоми які видаляються. Схрещування реалізовано як обмін генами між хромосомами "переможець" і "віце-переможець" з урахуванням випадково обраної точки кросинговеру. При мутації до кожного гену хромосоми додається випадкове число, розподілене за рівномірним законом, що є допоміжним методом для створення нової хромосоми для запобігання виродження популяції. Запропоновані евристичні моделі та методи є основою для реалізації окремого модуля у складі інтелектуальної системи МСМ. Апробація модифікованої інтелектуальної системи на відомих тестових прикладах із бази даних машинного навчання та реальних медико-соціологічних даних показала підвищення швидкості навчання МК із забезпеченням заданого рівня достовірності класифікації.

Швидкість перетворення та простота реалізації є одними з ключових факторів підстановок. Розглянуто реалізацію підстановки довільної розрядності в області комп'ютерної інженерії на одному з класів комбінаційних структур лінійної складності від кількості змінних - одновимірних каскадів конструктивних модулів. Використано той факт, що відображення, яке формує вказана лінійна структура, повністю збігається з відображенням відповідного скінченного автомата Мілі як прототипу конструктивного модуля каскаду. Це надало можливість досліджувати властивості конструктивних модулів і каскаду в цілому у розрізі понять теорії цифрових автоматів. Реалізація підстановок довільної розрядності полягає у використанні приведених автоматів для таблиці станів і використанні унікальних комбінацій без повторів для кожного рядку таблиці виходів. Метою реалізації даної підстановки є швидке перетворення даних великих об'ємів із можливістю застосування в кількох напрямках досліджень за простої реалізації на апаратному або програмному рівні. Виконано дослідження забезпечення бієктивності відображення та проведено аналіз еквівалентності відображень. Показано алгоритми формування автоматів для реалізації прямих та обернених підстановок, а також приклади формування таблиць переходів і виходів. Наведено приклади апаратної реалізації на програмованих логічних інтегральних схемах. Виконано оцінку об'єму таблиць переходів і виходів для апаратної та програмної реалізації. Виконано оцінку кількості унікальних бієктивних відображень (БЄВ). Проведено теоретичну оцінку швидкості БЄВ при реалізації на програмованих логічних інтегральних схемах, а також при програмній реалізації згідно з сучасними показниками швидкості видів пам'яті обчислювальних пристроїв для кожного виду. Наведено експериментальну оцінку, а також проведено практичну перевірку швидкості перетворення за допомогою програмної реалізації. Запропоновано області застосування досліджених реалізацій підстановок довільної розрядності.

Проведено аналіз основних тенденцій розвитку сучасних суднових електроенергетичних систем (ЕЕС). Мета роботи - аналіз енергетичних режимів і розробка критеріїв переходів між різними режимами комбінованої силової установки, що забезпечують максимальну ефективність використання палива та моторесурсу основних машин судна. Запропоновано виділити, крім режиму берегового живлення, 4 основні режими роботи за наявності в системі синхронної машини на гребному валу та перетворювача, що забезпечує роботу цієї машини в режимах двигуна та генератора. Розділивши навантаження головного двигуна на 4 рівні - мале, середнє, номінальне і велике - система автоматичного керування може відповідно управляти (або в напівавтоматичному режимі рекомендувати) послідовність перемикання комутаційної апаратури та виконавчих машин і механізмів. На прикладі суднових енергетичних установок деяких контейнеровозів показано, що при пересуванні рівня, який може бути забезпечений дизель-генераторами (ДГ) ЕЕС (PTH mode). Це, з одного боку, надає можливість економити паливо, а з іншого боку підвищує повноту згоряння палива, так як ДГ працюють за оптимального навантаження на відміну від головного двигуна, навантаження якого досягає лише десяти відсотків. Аналогічно за неповного завантаження головного двигуна рекомендується перехід на живлення всіх споживачів від головного двигуна з валогенератором (PTO mode), а за необхідності отримання підвищеної потужності пропульсивної системи - синхронна машина переводиться в режим двигуна з живленням від ДГ (PTI mode). Крім того, можливість швидкого перемикання між режимами PTH-PTO-PTI-MAIN в аварійних ситуаціях підвищує рівень живучості та безпеки судна. На підставі проведеного аналізу запропоновано алгоритм перемикання між режимами, який може бути реалізований в системі керування, диспетчеризації та збору даних суднових енергетичних систем, зокрема на фізичному тренажері в Національному університеті "Одеська морська академія".

При проектуванні нових і модернізації існуючих пневмотранспортних систем (ПТС) необхідно враховувати зміни електромеханічних параметрів роботи обладнання при пуску або інших перехідних режимах, найбільш небезпечних із точки зору виникнення завалу пневмотраси. З огляду на високу вартість електроенергії та великі обсяги виробництва при транспортуванні сипких матеріалів, актуальним завданням є зниження питомої витрати стисненого повітря при транспортуванні, врахування при розробці систем автоматичного керування основних факторів, а саме, втрату тиску на виході пневмотраси, що впливають на виникнення завалів ПТС. Мета роботи - проведення експериментальних досліджень і комп'ютерного моделювання особливостей виникнення завалу ПТС при транспортуванні сипучих матеріалів, пов'язаних із втратою тиску на виході ПТС. Поставлена мета досягається за рахунок проведення експериментів, на підставі яких отримано аналітичний вираз для визначення швидкості руху суміші, що забезпечує мінімально допустимий за технологічним процесом тиск на виході пневмотраси. Встановлено аналітичну залежність виникнення можливої точки закупорки від падіння тиску на виході пневмотраси, що визначає мінімальний крок впливу на транспортований двофазний потік із метою перешкоджання виникненню завалів, а також за необхідності вказує на місце виникнення завалу. Встановлено, що за збільшення різниці тиску на вході та виході трубопроводу точка можливої закупорки зміщується в бік камерного живильника. Стабілізація вологості стисненого повітря, що подається в пневмомагістраль, за рахунок використання більш чутливого та швидкодіючого вимірювального обладнання та засобів автоматизованого керування знизить можливість виникнення завалу, забезпечить економію електроенергії, а отже, підвищить ефективність ПТС. Розроблено математичну та комп'ютерну моделі електроприводу ПТС, отримано графіки електромеханічних процесів, що підтверджують її адекватність з точністю 10 - 12 %. Використання названих моделей надасть можливість заощадити час і кошти на проведення попередніх експериментів при розробці нових і модернізації існуючих ПТС.