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: | Журнали та продовжувані видання (1) | Реферативна база даних (10) |
Список видань за алфавітом назв: Авторський покажчик Покажчик назв публікацій  |
Пошуковий запит: (<.>A=Bezsonov O$<.>) | |||
|
Загальна кількість знайдених документів : 9 Представлено документи з 1 до 9 |
|||
| 1. | 
Bezsonov O. Processing of noisy digital images with use of evolving autoencoders [Електронний ресурс] / O. Bezsonov, O. Rudenko, S. Udovenko, O. Dudinova // Восточно-Европейский журнал передовых технологий. - 2017. - № 6(9). - С. 63-69. - Режим доступу: http://nbuv.gov.ua/UJRN/Vejpte_2017_6(9)__10 Запропоновано метод нейромережевої обробки зашумлених цифрових зображень, які можуть містити викривлені фрагменти. Метод засновано на використанні шумопригнічувальних автоенкодерів (ШАЕ). Для настроювання параметрів ШАЕ та вибору його структури застосовано нейроеволюційний підхід. Запропонована нейроеволюційна модель ШАЕ характеризується поліпшеними апроксимувальними властивостями. Результати моделювання свідчать про можливість практичного використання запропонованого методу (зокрема, для обробки даних у геоінформаційних системах). | ||
| 2. |
Rudenko O. Adaptive control over non-linear objects using the robust neural network FCMAC [Електронний ресурс] / O. Rudenko, O. Bezsonov, O. Lebediev // Восточно-Европейский журнал передовых технологий. - 2018. - № 2(4). - С. 4-14. - Режим доступу: http://nbuv.gov.ua/UJRN/Vejpte_2018_2(4)__2 Досліджено питання застосування штучних нейронних мереж (НМ) у ході вирішення задач ідентифікації та управління нелінійними динамічними системами. Досліджено характеристики мережі, що є результатом застосування апарату нечіткої логіки в класичній НМ СМАС і яка отримала назву FCMAC Fuzzy Cerebral Model Arithmetic Computer. Отримані результати підтверджено імітаційним моделюванням процесів ідентифікації та управління нелінійними динамічними системами. | ||
| 3. |
Rudenko O. Robust identification of non-stationary objects with nongaussian interference [Електронний ресурс] / O. Rudenko, O. Bezsonov, O. Lebediev, N. Serdiuk // Восточно-Европейский журнал передовых технологий. - 2019. - № 5(4). - С. 44-52. - Режим доступу: http://nbuv.gov.ua/UJRN/Vejpte_2019_5(4)__6 Розглянуто задачу ідентифікації нестаціонарних параметрів лінійного об'єкта, які можна описати Марківською моделлю першого порядку, за наявністю негаусівських завад. Алгоритм ідентифікації є градієнтною процедурою мінімізації комбінованого функціонала. Комбінований функціонал, своєю чергою, складається з квадратичного і модульного функціоналів, ваги яких встановлюються за допомогою параметра змішування. Така комбінація функціоналів надає можливість отримати оцінки, що володіють робастними властивостями. Алгоритм ідентифікації не вимагає знання інформації про ступінь нестаціонарності досліджуваного об'єкта. Він є найбільш простим, тому що використовує під час побудови моделі інформацію тільки про один такт (крок) вимірювань. Застосування Марківської моделі є досить ефективним, оскільки надає можливість отримати аналітичні оцінки властивостей алгоритму. Визначено умови збіжності градієнтного алгоритму під час оцінки нестаціонарних параметрів у середньому та середньоквадратичному за наявністю негаусовських завад вимірів. Отримані оцінки є досить загальними і залежать як від ступеня нестаціонарності об'єкту, так і від статистичних характеристик корисних сигналів і завад. Визначено вирази для асимптотичних значень помилки оцінювання параметрів та асимптотичної точності ідентифікації. У зв'язку з тим, що дані вирази містять ряд невідомих параметрів (значення дисперсій сигналів і завад, дисперсії, що характеризує нестаціонарність), для їх практичного застосування слід використовувати оцінки цих параметрів. З цією метою слід скористатися будь-якою рекурентною процедурою оцінки невідомих параметрів і використовувати одержувані оцінки для уточнення тих параметрів, які входять в алгоритми. Крім того, асимптотичні значення помилки оцінювання та точності ідентифікації залежать від вибору параметра змішування.Розглянуто задачу ідентифікації нестаціонарних параметрів лінійного об'єкта, які можна описати Марківською моделлю першого порядку, за наявністю негаусівських завад. Алгоритм ідентифікації є градієнтною процедурою мінімізації комбінованого функціонала. Комбінований функціонал, своєю чергою, складається з квадратичного і модульного функціоналів, ваги яких встановлюються за допомогою параметра змішування. Така комбінація функціоналів надає можливість отримати оцінки, що володіють робастними властивостями. Алгоритм ідентифікації не вимагає знання інформації про ступінь нестаціонарності досліджуваного об'єкта. Він є найбільш простим, тому що використовує під час побудови моделі інформацію тільки про один такт (крок) вимірювань. Застосування Марківської моделі є досить ефективним, оскільки надає можливість отримати аналітичні оцінки властивостей алгоритму. Визначено умови збіжності градієнтного алгоритму під час оцінки нестаціонарних параметрів у середньому та середньоквадратичному за наявністю негаусовських завад вимірів. Отримані оцінки є досить загальними і залежать як від ступеня нестаціонарності об'єкту, так і від статистичних характеристик корисних сигналів і завад. Визначено вирази для асимптотичних значень помилки оцінювання параметрів та асимптотичної точності ідентифікації. У зв'язку з тим, що дані вирази містять ряд невідомих параметрів (значення дисперсій сигналів і завад, дисперсії, що характеризує нестаціонарність), для їх практичного застосування слід використовувати оцінки цих параметрів. З цією метою слід скористатися будь-якою рекурентною процедурою оцінки невідомих параметрів і використовувати одержувані оцінки для уточнення тих параметрів, які входять в алгоритми. Крім того, асимптотичні значення помилки оцінювання та точності ідентифікації залежать від вибору параметра змішування. | ||
| 4. |
Rudenko O. Analysis of convergence of adaptive single-step algorithms for the identification of non-stationary objects [Електронний ресурс] / O. Rudenko, O. Bezsonov, O. Romanyk, V. Lebediev // Восточно-Европейский журнал передовых технологий. - 2019. - № 1(4). - С. 6-14. - Режим доступу: http://nbuv.gov.ua/UJRN/Vejpte_2019_1(4)__2 Розглянуто задачу ідентифікації нестаціонарних параметрів лінійного об'єкта, які можна описати Марківською моделлю першого порядку, за допомогою найбільш простих в обчислювальному відношенні однокрокових адаптивних алгоритмів ідентифікації - модифікованих алгоритмів Качмажа і Нагумо - Ноди. Ці алгоритми не потребують знання інформації щодо ступеня нестаціонарності об'єкту, що досліджується, вони використовують при побудові моделі інформацію тільки про один такт (крок) вимірювань. Наявність в цих алгоритмах в знаменнику значень вхідних сигналів свідчить про необхідність введення в них деяких обмежень на ці сигнали. Модифікація полягає в використанні в алгоритмах регуляризуючого додатку, з метою покращання їх обчислювальних властивостей та уникнення поділу на нуль. Застосування Марковської моделі є досить ефективним, бо надає можливість отримати аналітичні оцінки властивостей алгоритмів. Показано, що використання регуляризуючого додатку в алгоритмах ідентифікації, покращуючи стійкість алгоритмів, призводить до деякого уповільнення процесу побудови моделі. Визначено умови збіжності регуляризованих алгоритмів Качмажа і Нагумо - Ноди у ході оцінювання нестаціонарних параметрів в середньому та середньоквадратичному і наявності завад вимірів. Отримані оцінки відрізняються від існуючих більшою точністю. Незважаючи на це, вони є досить загальними та залежать як від ступеня нестаціонарності об'єкту, так і від статистичних характеристик завад. Визначено вирази для оптимальних значень параметрів алгоритмів, що забезпечують їх максимальну швидкість збіжності за умов не стаціонарності та присутності гаусовських завад. Отримані аналітичні вирази містять ряд невідомих параметрів (помилка оцінювання, ступінь нестаціонарності об'єкту, статистичні характеристики завад). Для їх практичного застосування слід скористатися будь-якою рекурентною процедурою оцінювання цих невідомих параметрів і використовувати одержувані оцінки для уточнення тих параметрів, що входять в алгоритми. | ||
| 5. |
Rudenko О. Studying the properties of a robust algorithm for identifying linear objects, which minimizes a combined functional [Електронний ресурс] / О. Rudenko, O. Bezsonov, O. Lebediev, V. Lebediev, K. Oliinyk // Восточно-Европейский журнал передовых технологий. - 2020. - № 4(4). - С. 37-46. - Режим доступу: http://nbuv.gov.ua/UJRN/Vejpte_2020_4(4)__6 Розглянуто задачу ідентифікації параметрів лінійного об'єкта за наявністю негаусівських завад. Алгоритм ідентифікації є градієнтною процедурою мінімізації комбінованого функціонала (КФ). КФ своєю чергою складається з функціонала четвертого ступеня та модульного, ваги яких встановлюються за допомогою параметра змішування. Така комбінація функціоналів надає можливість отримати оцінки, що володіють робастними властивостями. Визначено умови збіжності процедури, що застосовується, в середньому та середньоквадратичному за наявністю негаусівських завад вимірів. Отримано вирази для визначення оптимальних значень параметрів алгоритму, що забезпечують його максимальну швидкість збіжності. На підставі отриманих оцінок визначено асимптотичні та не асимптотичні значення похибок оцінювання параметрів і похибок ідентифікації. У зв'язку з тим, що і завад), для їх практичного застосування слід використовувати оцінки цих параметрів. Досліджено питання сталості усталеного процесу ідентифікації та визначено умови цієї сталості. Показано, що для визначення цих умов необхідно вирішувати рівняння третього ступеня, коефіцієнти якого залежать від особливостей задачі, яка вирішується. Отримані співвідношення є досить громіздкими, однак їх спрощення надає можливість провести якісний аналіз питань сталості. Слід зазначити, що всі отримані оцінки залежать від вибору параметра змішування, проблема визначення якого залишається відкритою. Отримані оцінки надають можливість попередньо оцінити можливості алгоритму ідентифікації та ефективність його використання при вирішенні практичних задач. | ||
| 6. | 
Rudenko O. G. ADALINE Robust Multistep Training Algorithm [Електронний ресурс] / O. G. Rudenko, O. O. Bezsonov // Control systems & computers. - 2020. - № 3. - С. 15-27. - Режим доступу: http://nbuv.gov.ua/UJRN/USM_2020_3_4 Адаптивний лінійний елемент (АДАЛІНА) - перша лінійна нейронна мережа, запропонована Уїдроу Б. і Хоффом М. Є., є альтернативою персептрону. Навчання АДАЛІНИ здійснюється за допомогою алгоритму Качмажа розв'язку систем лінійних алгебричних рівнянь. Цей алгоритм є оптимальним в сенсі швидкості збіжності однокроковим алгоритмом у припущеннях про лінійність і гауссовість сигналів, однак у разі порушення цих припущень він стає нестійким. Для забезпечення його робастності необхідно використовувати неквадратичні критерії, найбільш поширеними серед яких є комбіновані функціонали, запропоновані Хьюбером і Хемпелем. Однак ефективність їх застосування істотно залежить від численних параметрів, використовуваних в цих умовах та обираємих на основі досвіду дослідника. Результати численних досліджень свідчать про те, що за наявності в вимірах негауссівського, зокрема, імпульсного шуму, досить ефективним є підхід, в основі якого знаходяться інформаційні характеристики сигналів, а більш відповідним виявляється критерій, що враховує всі статистики сигналу помилки вищого порядку. Таким критерієм є критерій максимуму корентропії. Розглянуто багатокроковий алгоритм навчання (БКАН) АДАЛІНИ, що дає більш високу швидкість збіжності при використанні як критерію навчання інформаційного критерію корентропіі, що забезпечує робастність одержуваних оцінок. Мета роботи - дослідження властивостей БКАН АДАЛІНИ при виборі як критерію - критерію максимуму корентропії та розробка рекомендацій щодо його практичного застосування. Методи дослідження базуються на теорії ідентифікації. На їх основі досліджено властивості модифікованого багатокрокового алгоритму Качмажа. Визначено умови збіжності алгоритму та показано, що в сталому режимі одержувана оцінка є незміщеною. Отримані неасимптотичні та асимптотичні оцінки є досить загальними та залежать від статистичних характеристик сигналів і перешкод. Як показали результати досліджень, використання БКАН, прискорює процес побудови нейромережевої моделі. Визначено умови збіжності алгоритму при виборі критерію максимуму корентропіі. Показано, що в сталому режимі одержувана оцінка є незміщеною. Відзначено важливість вибору ширини Гауссова ядра, що впливає на швидкість збіжності алгоритмів оцінювання та помилку в сталому режимі, і вказано на доцільність розробки процедур адаптивної корекції ширини ядра. | ||
| 7. |
Rudenko O. Developing a multi-step recurrent algorithm to maximize the criteria of correntropy [Електронний ресурс] / O. Rudenko, O. Bezsonov, V. Borysenko, T. Borysenko, S. Lyashenko // Восточно-Европейский журнал передовых технологий. - 2021. - № 1(4). - С. 54-63. - Режим доступу: http://nbuv.gov.ua/UJRN/Vejpte_2021_1(4)__6 This paper considers the task of constructing a linear model of the object studied using a robust criterion. The functionality applied, in this case, is correntropy. That makes it possible to obtain estimates that have robust properties. The evaluation algorithm is a multi-step procedure that employs a limited number of information measurements, that is, it has limited memory. The feature of the algorithm is that the matrices and observation vectors involved in estimate construction are formed in the following way: they include information about the newly arrived measurements and exclude information about the oldest ones. Depending on the way these matrices and vectors are built (new information is added first, and then outdated is excluded, or the outdated is first excluded, and then a new one is added), two estimate forms are possible. The second Lyapunov method is used to study the convergence of the algorithm. The conditions of convergence for a multi-step algorithm have been defined. The analysis of the established regime has revealed that the algorithm ensures that unbiased estimates are obtained. It should be noted that all the estimates reported in this work depend on the choice of the width of the nucleus, the information weighting factor, and the algorithm memory, the task of determining which remains open. Therefore, these parameters' estimates should be applied for the practical use of such multi-step algorithms. The estimates obtained in this paper allow the researcher to pre-evaluate the possibilities of identification using a multi-step algorithm, as well as the effectiveness of its application when solving practical tasks. | ||
| 8. |
Bezsonov O. Breed recognition and estimation of live weight of cattle based on methods of machine learning and computer vision [Електронний ресурс] / O. Bezsonov, O. Lebediev, V. Lebediev, Y. Megel, D. Prochuhan, O. Rudenko // Eastern-european journal of enterprise technologies. - 2021. - № 6(9). - С. 64-74. - Режим доступу: http://nbuv.gov.ua/UJRN/Vejpte_2021_6(9)__9 A method of measuring cattle parameters using neural network methods of image processing was proposed. To this end, several neural network models were used: a convolutional artificial neural network and a multilayer perceptron. The first is used to recognize a cow in a photograph and identify its breed followed by determining its body dimensions using the stereopsis method. The perceptron was used to estimate the cow's weight based on its breed and size information. Mask RCNN (Mask Regions with CNNs) convolutional network was chosen as an artificial neural network. To clarify information on the physical parameters of animals, a 3D camera (Intel RealSense D435i) was used. Images of cows taken from different angles were used to determine the parameters of their bodies using the photogrammetric method. The cow body dimensions were determined by analyzing animal images taken with synchronized cameras from different angles. First, a cow was identified in the photograph and its breed was determined using the Mask RCNN convolutional neural network. Next, the animal parameters were determined using the stereopsis method. The resulting breed and size data were fed to a predictive model to determine the estimated weight of the animal. When modeling, Ayrshire, Holstein, Jersey, Krasnaya Stepnaya breeds were considered as cow breeds to be recognized. The use of a pre-trained network with its subsequent training applying the SGD algorithm and Nvidia GeForce 2080 video card has made it possible to significantly speed up the learning process compared to training in a CPU. The results obtained confirm the effectiveness of the proposed method in solving practical problems. | ||
| 9. | 
Rudenko O. Adaptive identification under the maximum correntropy criterion with variable center [Електронний ресурс] / O. Rudenko, O. Bezsonov // Радіоелектронні і комп’ютерні системи. - 2022. - № 1. - С. 216–228. - Режим доступу: http://nbuv.gov.ua/UJRN/recs_2022_1_20 Розглянуто задачу ідентифікації параметрів лінійного об'єкта за наявністю негаусівських завад. Алгоритм ідентифікації є градієнтною процедурою максимізації функціоналу, що являє собою корентропію. Такий функціонал дозволяє отримати оцінки, які володіють робастними властивостями. На відміну від гаусівських ядер, що зазвичай застосовуються, центри яких знаходяться в нулі і ефективних для розподілів з нульовим середнім, у роботі розглядається модифікація критерію, придатна для розподілів з ненульовим середнім. Модифікація полягає у використанні корентропії зі змінним центром. Використання гаусівських ядер зі змінним центром дозволить оцінювати невідомі параметри за умов гаусівських та негаусівських завад, що мають розподіли з нульовим та ненульовим середнім і забезпечити можливість розробки нових технологій аналізу та обробки даних. Важливим є розроблення алгоритму робастної ідентифікації на основі корентропії зі змінним центром. Їх властивості при ідентифікації стаціонарних та нестаціонарних об'єктів є предметом дослідження. Мета дослідження - розроблення алгоритму робастної ідентифікації, що максимізує критерій корентропії зі змінним центром з використанням процедур налаштування центрів та ширини ядра та дослідження його збіжності в стаціонарному та нестаціонарному випадках за умов негаусівських завад. Отримано вирази для значень сталого стану помилки оцінювання, які залежать від виду розподілу завад та степені нестаціонарності параметрів, що оцінюються. Розв'язуються такі завдання: дослідити збіжність алгоритму та визначити умови сталості усталеного процесу ідентифікації. Використовуються методи теорії оцінювання (ідентифікації) та теорії ймовірності. Отримано такі результати: розроблений алгоритм забезпечує отримання робастних оцінок за наявності завад, що мають розподіл з нульовим та ненульовим середнім; досліджено його збіжність у стаціонарному та нестаціонарному випадках в умовах гаусівських та негаусівських завад; проведено імітаційне моделювання роботи алгоритму. Висновки: результати дослідження дозволять покращити існуючі технології обробки даних на основі робастних оцінок та прискорять розробку нових обчислювальних програм у реальному часі. | ||
Попередній перегляд: 
Реферативна БД
 |
| Відділ наукової організації електронних інформаційних ресурсів |
 Пам`ятка користувача |