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 (2) | Реферативна база даних (8) |
Список видань за алфавітом назв: Авторський покажчик Покажчик назв публікацій  |
Пошуковий запит: (<.>A=Leoshchenko S$<.>) | |||
|
Загальна кількість знайдених документів : 7 Представлено документи з 1 до 7 |
|||
| 1. | 
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. | ||
| 2. |
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. | ||
| 3. | 
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 | ||
| 4. |
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. | ||
| 5. |
Leoshchenko S. D. Synthesis of a neural network model of industrial construction processes using an indicator system [Електронний ресурс] / S. D. Leoshchenko, A. O. Oliinyk, S. A. Subbotin, V. V. Netrebko, Ye. O. Gofman // Радіоелектроніка, інформатика, управління. - 2021. - № 4. - С. 69-77. - Режим доступу: http://nbuv.gov.ua/UJRN/riu_2021_4_9 Розглянуто задачу побудови нейромережевої моделі промислових процесів із визначенням оптимальної топології, що відрізняється високим рівнем логічної прозорості та прийнятною точністю. Об'єктом дослідження є процес нейромережевого моделювання промислових процесів із застосуванням індикаторної системи для спрощення та вибору топології нейромоделі. Мета роботи полягає у побудові нейромережевої моделі промислових процесів з високим рівнем логічної прозорості та прийнятною точністю на основі використанні системи. Метод. Запропоновано використовувати штучні нейронні мережі прямого поширення для моделювання промислових процесів. Після оцінки загального рівня складності задачі моделювання на основі індикаторної системи було прийнято рішення будувати нейромодель на основі історичних даних. Використовуючи характеристики вхідних даних задачі було розраховано найбільш оптимальну структуру нейронної мережі для подальшого моделювання системи. Високий рівень логічної прозорості нейромоделей, значно розширює їх практичне використання та знижує ресурсоємність промислових процесів. Результати. Отримано нейромоделі промислових процесів на основі історичних даних. Використання індикаторної системи дозволило в значній мірі збільшити рівень логічної прозорості моделей, зберігаючи високий рівень точності. Побудовані нейромоделі знижують ресурсоємність промислових процесів за рахунок збільшення рівня попереднього моделювання. Висновки: проведені експерименти підтвердили працездатність запропонованого математичного забезпечення і дозволяють рекомендувати його для використання на практиці при моделюванні промислових процесів. Перспективи подальших досліджень можуть полягати нейроеволюційному синтезі більш складних топологій штучних нейронних мереж для виконання багатокритеріальної оптимізації. | ||
| 6. |
Subbotin S. A. Neuromodeling of operational processes [Електронний ресурс] / S. A. Subbotin, H. V. Pukhalska, S. D. Leoshchenko, A. O. Oliinyk, Ye. O. Gofman // Радіоелектроніка, інформатика, управління. - 2022. - № 1. - С. 120-129. - Режим доступу: http://nbuv.gov.ua/UJRN/riu_2022_1_14 Розглянуто завдання побудови нейромережевої моделі експлуатаційних процесів з визначенням оптимальної топології, яка відрізняється високим рівнем логічної прозорості та прийнятною точністю. Об'єктом дослідження є процес нейромережевого моделювання експлуатаційних процесів із застосуванням індикаторної системи для спрощення вибору топології нейромоделей. Мета роботи - побудова нейромережевої моделі експлуатаційних процесів з високим рівнем логічної прозорості і прийнятною точністю на основі використання індикаторної системи. Метод. Запропоновано використовувати систему індикаторів для визначення топологічних особливостей штучних нейронних мереж, які є базисом для моделювання експлуатаційних процесів. Оцінка рівня складності задачі отримана на основі інформації про вхідні дані та значень критеріїв оцінки специфічності задачі дозволяє категоризувати задачу до одного з видів складності, щоб визначити підхід до синтезу нейромоделі. Категорія складності організована простота дозволяє на основі аналітичних даних про вибірку вхідних даних отримати точну кількість нейронів в прихованому шарі для синтезу нейромоделі з високим рівнем логічної прозорості, що значно розширює їх практичне використання і знижує вартість наступних експлуатаційних процесів. Результати. Отримані нейромоделі експлуатаційних процесів на основі історичних даних. Використання системи індикаторів дозволило в значній мірі збільшити рівень логічної прозорості моделей, зберігаючи високу точність. Синтезовані нейромоделі знижують ресурсоємність промислових процесів за рахунок збільшення рівня попереднього моделювання. Висновки: проведені експерименти підтвердили працездатність запропонованого математичного забезпечення і дозволяють рекомендувати його для використання на практиці при моделюванні експлуатаційних процесів. Перспективи подальших досліджень можуть полягати у використанні більш складних методів відбору ознак для фіксації групових взаємозв'язків інформаційних ознак для побудови більш складних моделей. | ||
| 7. |
Leoshchenko S. D. Neural network diagnostics of aircraft parts based on the results of operational processes [Електронний ресурс] / S. D. Leoshchenko, H. V. Pukhalska, S. A. Subbotin, A. O. Oliinyk, Ye. O. Gofman // Радіоелектроніка, інформатика, управління. - 2022. - № 2. - С. 69-79. - Режим доступу: http://nbuv.gov.ua/UJRN/riu_2022_2_9 Розглянуто завдання синтезу оптимальної нейромережевої моделі для діагностики авіаційних деталей після експлуатаційних процесів. Об'єкт дослідження - процес синтезу нейромережевих діагностичних моделей для авіаційних деталей за результатами експлуатаційних процесів. Мета роботи - синтез нейромережевих діагностичних моделей авіаційних деталей після експлуатаційних процесів з високим рівнем точності. Запропоновано дослідити використання двох підходів до синтезу нейромережевих діагностичних моделей. Так використовуючи систему індикаторів, обчислюється топологія нейронної мережі, яка в подальшому буде навчена з використанням методу зворотного поширення помилки. Другий же підхід грунтується на використанні нейроеволюційного підходу, який дозволяє зробити повний синтез нейронної мережі, динамічно модифікуючи крім параметрів і топологію рішення. Підсумкові рішення порівнюються в точності роботи на навчальному і тестовому наборі даних. Такий підхід дозволить визначити можливість і коректність використання нейроеволюційних методів для синтезу діагностичних моделей. Отримано нейромоделі для діагностики авіаційних деталей за результатами експлуатаційних процесів. Отримані результати порівняння використовуваних для синтезу методів дозволили сформувати рекомендації для імплементації нейроеволюційних методів в процеси синтезу діагностичних нейромоделей. Висновок: отримані в ході експериментів результати підтвердили працездатність використовуваного математичного забезпечення і дозволили сформувати рекомендації для подальшого використання розглянутих методів на практиці з метою синтезу діагностичних нейромоделей. Перспективи подальших досліджень можуть полягати в розширенні вхідних наборів даних з метою синтезу і дослідження більш складних топологій нейромережевих моделей. | ||
Попередній перегляд: 
Реферативна БД
 |
| Відділ наукової організації електронних інформаційних ресурсів |
 Пам`ятка користувача |