Пошуковий запит: (<.>A=Зимовець В$<.>) |
Загальна кількість знайдених документів : 21
Представлено документи з 1 до 20
|
| |
1. |
Зимовець В. В. Запобігання віртуальному наркобізнесу в Internet: перспективи для України [Електронний ресурс] / В. В. Зимовець, І. В. Смирнова, Д. Е. Чувирін // Боротьба з організованою злочинністю і корупцією (теорія і практика). - 2007. - Вип. 16. - С. 59-69. - Режим доступу: http://nbuv.gov.ua/UJRN/boz_2007_16_5
|
2. |
Чувирін Д. Е. Концептуальні підходи зарубіжних кримінологів до детермінації комп’ютерної злочинності [Електронний ресурс] / Д. Е. Чувирін, В. В. Зимовець // Боротьба з організованою злочинністю і корупцією (теорія і практика). - 2010. - Вип. 23. - С. 331-341. - Режим доступу: http://nbuv.gov.ua/UJRN/boz_2010_23_40
|
3. |
Зимовець В. В. Фінансові ризики зростання безробіття в Україні та заходи по їх нейтралізації [Електронний ресурс] / В. В. Зимовець, О. М. Кошик, Н. І. Легінькова // Наукові праці Кіровоградського національного технічного університету. Економічні науки. - 2010. - Вип. 18(2). - С. 104-111. - Режим доступу: http://nbuv.gov.ua/UJRN/Npkntu_e_2010_18(2)__20
|
4. |
Зимовець В. В. Приватизація та націоналізація в контексті сучасної фінансово-економічної кризи [Електронний ресурс] / В. В. Зимовець, О. М. Кошик, Н. І. Легінькова, І. В. Фабрика // Наукові праці Кіровоградського національного технічного університету. Економічні науки. - 2012. - Вип. 21. - С. 338-346. - Режим доступу: http://nbuv.gov.ua/UJRN/Npkntu_e_2012_21_49
|
5. |
Зимовець В. В. Ефективність надання державних гарантій підприємствам в Україні [Електронний ресурс] / В. В. Зимовець // Фінанси України. - 2014. - № 12. - С. 56-68. - Режим доступу: http://nbuv.gov.ua/UJRN/Fu_2014_12_6
|
6. |
Даниленко А. І. Теоретико-методологічні засади ідентифікації ризиків і загроз безпеці сектору державних фінансів [Електронний ресурс] / А. І. Даниленко, В. В. Зимовець // Фінанси України. - 2012. - № 10. - С. 3-19. - Режим доступу: http://nbuv.gov.ua/UJRN/Fu_2012_10_2
|
7. |
Зимовець В. В. Нагромадження капіталу реального сектора та фінансова політика держави [Електронний ресурс] / В. В. Зимовець // Вісник Інституту економіки та прогнозування. - 2013. - 2013. - С. 39-46. - Режим доступу: http://nbuv.gov.ua/UJRN/viep_2013_13_9
|
8. |
Зимовець В. В. Корпоративні фінанси як домінанта фінансової науки [Електронний ресурс] / В. В. Зимовець, О. О. Терещенко // Фінанси України. - 2015. - № 9. - С. 78-95. - Режим доступу: http://nbuv.gov.ua/UJRN/Fu_2015_9_7
|
9. |
Зимовець В. Концептуальні засади та закордонний досвід фінансування інноваційної діяльності: уроки для України [Електронний ресурс] / В. Зимовець, І. Шовкун // Економіст. - 2015. - № 1. - С. 10-14. - Режим доступу: http://nbuv.gov.ua/UJRN/econ_2015_1_5
|
10. |
Даниленко А. І. Декапіталізація фінансового сектора економіки України: причини і наслідки [Електронний ресурс] / А. І. Даниленко, В. В. Зимовець, Н. М. Шелудько // Економіка і прогнозування. - 2015. - № 4. - С. 7-28. - Режим доступу: http://nbuv.gov.ua/UJRN/econprog_2015_4_3 Розглянуто причини, масштаби і наслідки декапіталізації фінансового сектора економіки України у 2014 - 2015 рр. Виділено фундаментальні макроекономічні причини декапіталізації фінансового сектора, з'ясовано форми і методи декапіталізації фінансового сектора залежно від типів фінансових інститутів, специфіки фінансових відносин, які виникають з іншими секторами економіки. Оцінено наслідки декапіталізації фінансового сектора для економіки України.
|
11. |
Зимовець В. В. Фінансові механізми розвитку машинобудування в Україні [Електронний ресурс] / В. В. Зимовець, П. О. Керімов // Фінанси України. - 2017. - № 3. - С. 111-121. - Режим доступу: http://nbuv.gov.ua/UJRN/Fu_2017_3_10
|
12. |
Зимовець В. В. Боргове навантаження та інвестиційна дисфункція в реальному секторі економіки України [Електронний ресурс] / В. В. Зимовець, Н. М. Шелудько // Економіка промисловості. - 2017. - № 3. - С. 82-95. - Режим доступу: http://nbuv.gov.ua/UJRN/econpr_2017_3_7
|
13. |
Зимовець В. В. Капіталізація ринку криптовалют та інвестиційний потенціал корпоративного сектору економіки [Електронний ресурс] / В. В. Зимовець // Наукові праці НДФІ. - 2017. - Вип. 4. - С. 34-38. - Режим доступу: http://nbuv.gov.ua/UJRN/Npndfi_2017_4_9
|
14. |
Зимовець В. В. Валютна політика: вплив на моделі фінансування бізнесу в Україні [Електронний ресурс] / В. В. Зимовець // Наукові праці НДФІ. - 2018. - Вип. 2. - С. 49-52. - Режим доступу: http://nbuv.gov.ua/UJRN/Npndfi_2018_2_12
|
15. |
Зимовець В. І. Система функціонального контролю привода шахтної підіймальної установки, здатна навчатися [Електронний ресурс] / В. І. Зимовець, А. С. Чирва, О. І. Марищенко // Журнал інженерних наук. - 2016. - Т. 3, № 2. - С. H15-H19. - Режим доступу: http://nbuv.gov.ua/UJRN/VSU_tekh_2016_3_2_14 Зазначено, що процес автоматизації керування технологічними процесами шляхом використання діагностування технічного стану електродвигунів у робочих режимах дозволяє до мінімуму знизити збиток від цих наслідків за рахунок раннього виявлення зароджуваних дефектів. Наразі не завершене розроблення єдиної теорії діагностування приводів шахтних підіймальних машин. На практиці контроль технічного стану в основному здійснюється під час проведення планових ремонтів, що не дозволяє виявити зароджувані дефекти і запобігти значним пошкодженням приводів аж до їх повного виходу з ладу. Труднощі одержання діагностичної інформації полягають у тому, що між головними функціональними вузлами електричних машин існує взаємозалежність. Це означає, що у разі виникнення фізичного пошкодження у будь-якому із вузлів, в інших вузлах, як наслідок, також з'являються умовні несправності. Основним шляхом підвищення функціональної ефективності автоматизованої системи керування приводами шахтних підіймальних машин є надання їй властивості адаптивності на основі використання ідей і методів машинного навчання та розпізнавання образів. Для підвищення експлуатаційної надійності та терміну служби електропривода шахтної підіймальної машини запропоновано інформаційно-екстремальний алгоритм машинного навчання системи функціонального контролю електропривода з гіперсферичним класифікатором. Як критерій функціональної ефективності навчання системи функціонального контролю використано нормовану ентропійну міру Шеннона.
|
16. |
Зимовець В. В. Надмірна дебіторська заборгованість підприємств: причини виникнення та наслідки для фінансової системи України [Електронний ресурс] / В. В. Зимовець // Економіка і прогнозування. - 2019. - № 2. - С. 7-21. - Режим доступу: http://nbuv.gov.ua/UJRN/econprog_2019_2_3
|
17. |
Зимовець В. В. Капіталізація реального сектору економіки України: тенденції та наслідки [Електронний ресурс] / В. В. Зимовець, К. В. Багацька // Світ фінансів. - 2018. - Вип. 1. - С. 7-21. - Режим доступу: http://nbuv.gov.ua/UJRN/svitfin_2018_1_3
|
18. |
Зимовець В. І. Інформаційно-екстремальний кластер-аналіз вхідних даних при функціональному діагностуванні [Електронний ресурс] / В. І. Зимовець, О. С. Приходченко, М. І. Мироненко // Радіоелектронні і комп’ютерні системи. - 2019. - № 4. - С. 105–115. - Режим доступу: http://nbuv.gov.ua/UJRN/recs_2019_4_14 Мета дослідження - підвищення функціональної ефективності машинного навчання системи функціонального діагностування (СФД) багатоканатної шахтною підйомною машиною (ШПМ) шляхом кластер-аналізу діагностичних ознак. Для досягнення мети необхідно вирішити такі завдання: формалізувати постановку задачі інформаційного синтезу здатної навчатися СФД, яка функціонує в режимі кластер-аналізу діагностичних ознак; запропонувати категорійну модель і на її основі розробити алгоритм інформаційно-екстремального кластер-аналізу діагностичних ознак, в процесі інформаційно-екстремального машинного навчання СФД здійснити фазифікацію вхідних нечітких даних шляхом оптимізації геометричних параметрів гіперсферичних контейнерів класів розпізнавання, які характеризують можливі технічні стани об'єкту діагностування; запропонований алгоритм реалізувати на прикладі інформаційного синтезу СФД багатоканатної ШПМ. Об'єктом дослідження є процеси інформаційного синтезу здатної навчатися (СФД, інтегрованої в автоматизовану систему керування багатоканатної ШПМ. Предметом дослідження є категорійні моделі, алгоритм інформаційно-екстремального машинного навчання СФД, яка функціонує в режимі кластер-аналізу діагностичних ознак та вирішальні правила. Методи дослідження базуються на ідеях і методах інформаційно-екстремальної інтелектуальної технології аналізу даних, теоретико-інформаційного підходу до оцінки функціональної ефективності машинного навчання та на геометричному підході теорії розпізнавання образів. Отримано такі результати: запропоновано категорійну модель і на її основі розроблено та програмно реалізовано алгоритм інформаційно-екстремального машинного навчання СФД багатоканатної ШПМ, який дозволяє автоматично формувати вхідну класифіковану нечітку навчальну матрицю, що суттєво зменшує часові та матеріальні витрати при створенні вхідного математичного опису. Отриманий результат було досягнуто шляхом кластер-аналізу структурованих векторів діагностичних ознак, отриманих за архівними даними для трьох класів розпізнавання, з використанням процедури k-середніх, Як критерій оптимізації параметрів машинного навчання розглядалася модифікована міра Кульбака у вигляді функціонала від точнісних характеристик діагностичних рішень і дистанційних критеріїв близькості класів розпізнавання. За отриманими в процесі машинного навчання оптимальними геометричними параметрами контейнерів класів розпізнавання побудовано вирішальні правила, які дозволили класифікувати вектори діагностичних ознак класів розпізнавання із достатньо високою повною ймовірністю прийняття правильних діагностичних рішень. Висновки: наукова новизна отриманих результатів полягає в розробленні нового методу інформаційного синтезу СФД багатоканатної ШПМ, яка функціонує в режимі кластер-аналізу, що дозволило автоматично формувати вхідну класифіковану нечітку навчальну матрицю з наступною її дефазіфікацією в процесі інформаційно-екстремального машинного навчання системи.Мета дослідження - підвищення функціональної ефективності машинного навчання системи функціонального діагностування (СФД) багатоканатної шахтною підйомною машиною (ШПМ) шляхом кластер-аналізу діагностичних ознак. Для досягнення мети необхідно вирішити такі завдання: формалізувати постановку задачі інформаційного синтезу здатної навчатися СФД, яка функціонує в режимі кластер-аналізу діагностичних ознак; запропонувати категорійну модель і на її основі розробити алгоритм інформаційно-екстремального кластер-аналізу діагностичних ознак, в процесі інформаційно-екстремального машинного навчання СФД здійснити фазифікацію вхідних нечітких даних шляхом оптимізації геометричних параметрів гіперсферичних контейнерів класів розпізнавання, які характеризують можливі технічні стани об'єкту діагностування; запропонований алгоритм реалізувати на прикладі інформаційного синтезу СФД багатоканатної ШПМ. Об'єктом дослідження є процеси інформаційного синтезу здатної навчатися (СФД, інтегрованої в автоматизовану систему керування багатоканатної ШПМ. Предметом дослідження є категорійні моделі, алгоритм інформаційно-екстремального машинного навчання СФД, яка функціонує в режимі кластер-аналізу діагностичних ознак та вирішальні правила. Методи дослідження базуються на ідеях і методах інформаційно-екстремальної інтелектуальної технології аналізу даних, теоретико-інформаційного підходу до оцінки функціональної ефективності машинного навчання та на геометричному підході теорії розпізнавання образів. Отримано такі результати: запропоновано категорійну модель і на її основі розроблено та програмно реалізовано алгоритм інформаційно-екстремального машинного навчання СФД багатоканатної ШПМ, який дозволяє автоматично формувати вхідну класифіковану нечітку навчальну матрицю, що суттєво зменшує часові та матеріальні витрати при створенні вхідного математичного опису. Отриманий результат було досягнуто шляхом кластер-аналізу структурованих векторів діагностичних ознак, отриманих за архівними даними для трьох класів розпізнавання, з використанням процедури k-середніх, Як критерій оптимізації параметрів машинного навчання розглядалася модифікована міра Кульбака у вигляді функціонала від точнісних характеристик діагностичних рішень і дистанційних критеріїв близькості класів розпізнавання. За отриманими в процесі машинного навчання оптимальними геометричними параметрами контейнерів класів розпізнавання побудовано вирішальні правила, які дозволили класифікувати вектори діагностичних ознак класів розпізнавання із достатньо високою повною ймовірністю прийняття правильних діагностичних рішень. Висновки: наукова новизна отриманих результатів полягає в розробленні нового методу інформаційного синтезу СФД багатоканатної ШПМ, яка функціонує в режимі кластер-аналізу, що дозволило автоматично формувати вхідну класифіковану нечітку навчальну матрицю з наступною її дефазіфікацією в процесі інформаційно-екстремального машинного навчання системи.
|
19. |
Довбиш А. С. Оптимізація ієрархічної структури даних інтелектуальної системи функціонального діагностування технічного стану складної машини [Електронний ресурс] / А. С. Довбиш, В. І. Зимовець, М. В. Бібик // Вісник Національного технічного університету "ХПІ". Серія : Системний аналіз, управління та інформаційні технології. - 2018. - № 44. - С. 42-49. - Режим доступу: http://nbuv.gov.ua/UJRN/vcpisa_2018_44_10
|
20. |
Зимовець В. В. Макроекономічні та інституційні бар’єри "нормалізації" моделей фінансування підприємств в Україні [Електронний ресурс] / В. В. Зимовець, Н. М. Шелудько, С. Є. Шишков // Економіка промисловості. - 2021. - № 2. - С. 45-58. - Режим доступу: http://nbuv.gov.ua/UJRN/econpr_2021_2_4
|
| |