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: | Реферативна база даних (7) |
Список видань за алфавітом назв: Авторський покажчик Покажчик назв публікацій  |
Пошуковий запит: (<.>A=Dovbysh A$<.>) | |||
|
Загальна кількість знайдених документів : 9 Представлено документи з 1 до 9 |
|||
| 1. | 
Dovbysh A. Designing algorithms for optimization of parameters of functioning of intelligent system for radionuclide myocardial diagnostics [Електронний ресурс] / A. Dovbysh, A. Moskalenko, V. Moskalenko, I. Shelehov // Восточно-Европейский журнал передовых технологий. - 2016. - № 3(9). - С. 11-18. - Режим доступу: http://nbuv.gov.ua/UJRN/Vejpte_2016_3(9)__3 | ||
| 2. |
Dovbysh A. Information synthesis of adaptive system for visual diagnostics of emotional and mental state of a person [Електронний ресурс] / A. Dovbysh, I. Shelehov, D. Prylepa, I. Golub // Восточно-Европейский журнал передовых технологий. - 2016. - № 4(9). - С. 11-17. - Режим доступу: http://nbuv.gov.ua/UJRN/Vejpte_2016_4(9)__3 Розглянуто процес візуального визначення емоційно-психічного стану, що базується на оцінці подібності лівопівкульного та правопівкульного портретів людини. Запропоновано метод аналізу подібності таких портретів за модифікованою ентропійною мірою Шеннона в межах інформаційно-екстремальної інтелектуальної технології. Доведено, що запропонований метод надав можливість зменшити поріг чутливості системи психодіагностування до зміни емоційно-психічного стану через визначення в процесі навчання оптимальних в інформаційному розумінні співвідношень RGB-складових зображень обличчя. | ||
| 3. |
Dovbysh A. Information-extreme machine learning of the control system over the power unit of a thermal power main line [Електронний ресурс] / A. Dovbysh, D. Velykodnyi, I. Shelehov, М. Bibyk // Восточно-Европейский журнал передовых технологий. - 2017. - № 5(4). - С. 17-24. - Режим доступу: http://nbuv.gov.ua/UJRN/Vejpte_2017_5(4)__4 Розглянуто інформаційно-екстремальний метод навчання системи підтримки прийняття рішень для керування генеруючим енергоблоком теплоелектроцентралі. В процесі машинного навчання оптимізація контейнерів класів розпізнавання, що відновлювалися в радіальному базисі простору ознак, здійснювалася за модифікованим критерієм Кульбака. При цьому показано, що застосування вкладених контейнерів класів розпізнавання підвищує функціональну ефективність машинного навчання у порівнянні з контейнерами класів розпізнавання, центри яких розподілено в просторі ознак.Мета дослідження - підвищення функціональної ефективності машинного навчання системи виявлення кібератак. Розроблено метод інформаційно-екстремального машинного навчання (ІЕМН) системи виявлення кібератак з оптимізацією контрольних допусків на ознаки розпізнавання, які відбивали властивості трафіка інфокомунікаційної системи. Метод розроблено в рамках функціонального підходу до моделювання когнітивних процесів природнього інтелекту при формуванні та прийнятті класифікаційних рішень. Такий підхід на відміну від відомих методів інтелектуального аналізу даних, включаючи нейроподібні структури, дозволяє надати системі розпізнавання властивості адаптивності до довільних початкових умов формування навчальної матриці та гнучкості при перенавчанні системи через розширення алфавіту класів розпізнавання. Ідея методу полягає в максимізації інформаційної спроможності системи виявлення атак в процесі машинного навчання. Як критерій оптимізації параметрів машинного навчання використовується модифікована інформаційна міра Кульбака. Згідно із запропонованою категорійною функціональною моделлю розроблено і програмно реалізовано алгоритмічне забезпечення системи виявлення атак в режимі машинного навчання з глибиною другого рівня. При цьому рівень глибини визначався кількістю параметрів машинного навчання, що оптимізувалися. Як параметри оптимізації розглядалися геометричні параметри гіперсферичних контейнерів класів розпізнавання і контрольні допуски на ознаки розпізнавання. які відігравали роль рівнів квантування вхідних даних при перетворенні вхідної евклідової навчальної матриці типу "об'єкт-властивість" в робочу бінарну навчальну матрицю, задану в просторі Хеммінга. Шляхом допустимих перетворень робочої навчальної матриці запропонований метод дозволяє адаптувати вхідний математичний опис системи виявлення атак до максимальної повної ймовірності прийняття правильних класифікаційних рішень. За результатами ІЕМН в рамках геометричного підходу побудовано вирішальні правила, практично інваріантні до багато вимірності простору ознак розпізнавання. Результати комп'ютерного моделювання ІЕМН системи виявлення атак для розпізнавання чотирьох хостових трафіків різного профілю підтверджують працездатність розробленого методу. | ||
| 4. | 
Dovbysh A. S. Optimization of parameters of machine learning of the system of functional diagnostics of the electric drive of a shaft lifting machine [Електронний ресурс] / A. S. Dovbysh, D. V. Velykodnyi, O. B. Protsenko, V. I. Zimovets // Радіоелектроніка, інформатика, управління. - 2018. - № 2. - С. 44-50. - Режим доступу: http://nbuv.gov.ua/UJRN/riu_2018_2_7 Розв'язана актуальна задача підвищення функціональної ефективності машинного навчання системи функціонального діагностування електроприводу шахтної підйомної машини. Мета роботи - розробка методу інформаційного синтезу здатної навчатися системи функціонального діагностування електроприводу шахтної підйомної машини, який дозволяє за побудованими в процесі машинного навчання вирішальними правилами підвищити достовірність та оперативність діагностичних рішень. Запропоновано метод інформаційно-екстремального машинного навчання системи функціонального діагностування електроприводу шахтної підйомної машини, що грунтується на максимізації інформаційної спроможності системи в процесі її навчання. За отриманими в результаті машинного навчання оптимальними в інформаційному розумінні параметрами гіперсферичних контейнерів класів розпізнавання побудовано в рамках геометричного підходу вирішальні правила, практично інваріантні до багатовимірності простору діагностичних ознак. Крім того, підвищення оперативності машинного навчання системи досягається шляхом паралельно-послідовної оптимізації контрольних допусків на діагностичні ознаки. При цьому отримані в процесі паралельної оптимізації квазіоптимальні контрольні допуски на діагностичні ознаки використовуються як стартові при їх послідовній оптимізації. Як критерій оптимізації параметрів машинного навчання використовується модифікована інформаційна міра Кульбака, яка є функціоналом від точнісних характеристик діагностичних рішень. Розроблено алгоритмічне та програмне забезпечення машинного навчання системи функціонального діагностування електроприводу шахтної підйомної машини, яке дозволяє побудувати вирішальні правила для прийняття високо достовірних діагностичних рішень при функціонуванні системи в робочому режимі. Висновки: за результатами фізичного моделювання підтверджено працездатність запропонованого методу машинного навчання і розробленого програмного забезпечення системи функціонального діагностування електроприводу шахтної підйомної машини, що дозволяє їх рекомендувати для розв'язання практичних задач діагностування і автоматичного керування тяговими машинами. | ||
| 5. |
Moskalenko V. Improving the effectiveness of training the on-board object detection system for a compact unmanned aerial vehicle [Електронний ресурс] / V. Moskalenko, A. Dovbysh, I. Naumenko, A. Moskalenko, A. Korobov // Восточно-Европейский журнал передовых технологий. - 2018. - № 4(9). - С. 19-26. - Режим доступу: http://nbuv.gov.ua/UJRN/Vejpte_2018_4(9)__4 Запропоновано модель детектора об'єктів і критерій ефективності навчання моделі. Модель містить 7 перших модулів згорткової мережі Squeezenet, 2 згорткові різномасштабні шари, та інформаційно-екстремальний класифікатор. Як критерій ефективності навчання моделі детектора розглянуто мультиплікативну згортку частинних критеріїв, що враховує ефективність виявлення об'єктів на зображенні та точність класифікаційного аналізу. При цьому додаткове використання алгоритму ортогонального узгодженого кодування під час обчислення високорівневих ознак надає можливість збільшити точність моделі на 4 %. Розроблено алгоритм навчання детектора об'єктів за умов малого обсягу розмічених навчальних зразків та обмежених обчислювальних ресурсів, доступних на борту малогабаритного безпілотного апарату. Суть алгоритму полягає в адаптації верхніх шарів моделі до доменної області використання на базі алгоритмів зростаючого розріджено кодувального нейронного газу та симуляції відпалу. Навчання верхніх шарів без вчителя надає можливість ефективно використати нерозмічені дані з доменної області та визначити необхідну кількість нейронів. Показано, що за відсутності тонкої настройки згорткових шарів забезпечується 69 % виявлених об'єктів на зображеннях тестової вибірки Inria Aerial Image. У цьому випадку після тонкої настройки на базі алгоритму симуляції відпалу забезпечується 95 % виявлених об'єктів на тестових зображеннях. Показано, що використання попереднього навчання без вчителя надає можливість підвищити узагальнювальну здатність вирішальних правил і прискорити ітераційний процес знаходження глобального максимуму у разі навчання з учителем на вибірці обмеженого обсягу. У цьому випадку усунення ефекту перенавчання здійснюється шляхом оптимального вибору значення гіперпараметру, що характеризує ступінь покриття вхідних даних нейронами мережі. | ||
| 6. | 
Vodyanitsky G. Mathematical modeling of mixing-grinding of feed by vertical conical screw [Електронний ресурс] / G. Vodyanitsky, I. Slyusarenko, V. Tymkiv, V. Mamchur, A. Dovbysh // Вісник Тернопільського національного технічного університету. - 2019. - № 3. - С. 67-74. - Режим доступу: http://nbuv.gov.ua/UJRN/tstub_2019_3_10 | ||
| 7. | 
Kovalev V. Comparative features of open source software products for the development of an automated breast cancer diagnostic program [Електронний ресурс] / V. Kovalev, Y. Diachenko, V. Malyshev, S. Rjabceva, O. Kolomiets, M. Lyndin, R. Moskalenko, A. Dovbysh, A. Romaniuk // Eastern Ukrainian Medical Journal. - 2019. - Т. 7, № 4. - С. 377-385. - Режим доступу: http://nbuv.gov.ua/UJRN/eumj_2019_7_4_13 Рак молочної залози (РМЗ) - одне з найчастіших онкологічних захворювань у світі серед жінок з високою захворюваністю та смертністю. Надійність гістологічної верифікації РМЗ залежить від досвіду, знань патолога, його готовності до самовдосконалення та вивчення спеціалізованої літератури. Цифрова патологія також широко використовується в навчальних цілях, в телепатології, телеконсультаціях та науково-дослідних проектах. Нещодавно розроблена система Whole Slide Image (WSI) відкриває великі можливості у покращанні якості гістопатологічної діагностики. Розробка різноманітного програмного забезпечення для морфологічної діагностики - важливий напрямок для підвищення якості гістологічної верифікації діагнозу в онкопатології. Мета роботи - пошук і порівняльний аналіз існуючих програмних засобів з відкритим вихідним кодом для обробки повнослайдових гістологічних зображень. У результаті здійснено детальне дослідження програмних продуктів з відкритим вихідним кодом ASAP, Orbit, Cytomine та QuPath. Проаналізовано їх особливості та методи обробки зображень, на основі яких було визначено, що програмне забезпечення QuPath має найкращі характеристики для використання у розробці автоматизованої програми діагностики онкологічної патології. QuPath поєднує в собі зручний простий інтерфейс, розширюваність функціоналу користувацькими модулями та відсутність високих вимог до обчислювальної потужності. Крім цього, QuPath направлений на роботу з повнослайдовими зображеннями з імуногістохімічними маркерами; функції, реалізовані в даному програмному забезпеченні, надають змогу проводити морфометричний аналіз. Використання QuPath допоможе зберегти час на розробку графічного інтерфейсу користувача і надасть систему, яку можна розширювати - додавати нові ключові функції, визначені метою. QuPath підтримує розширення, розроблені за допомогою різних мов програмування, включаючи MATLAB та Python.Рак молочної залози (РМЗ) - одне з найчастіших онкологічних захворювань у світі серед жінок з високою захворюваністю та смертністю. Надійність гістологічної верифікації РМЗ залежить від досвіду, знань патолога, його готовності до самовдосконалення та вивчення спеціалізованої літератури. Цифрова патологія також широко використовується в навчальних цілях, в телепатології, телеконсультаціях та науково-дослідних проектах. Нещодавно розроблена система Whole Slide Image (WSI) відкриває великі можливості у покращанні якості гістопатологічної діагностики. Розробка різноманітного програмного забезпечення для морфологічної діагностики - важливий напрямок для підвищення якості гістологічної верифікації діагнозу в онкопатології. Мета роботи - пошук і порівняльний аналіз існуючих програмних засобів з відкритим вихідним кодом для обробки повнослайдових гістологічних зображень. У результаті здійснено детальне дослідження програмних продуктів з відкритим вихідним кодом ASAP, Orbit, Cytomine та QuPath. Проаналізовано їх особливості та методи обробки зображень, на основі яких було визначено, що програмне забезпечення QuPath має найкращі характеристики для використання у розробці автоматизованої програми діагностики онкологічної патології. QuPath поєднує в собі зручний простий інтерфейс, розширюваність функціоналу користувацькими модулями та відсутність високих вимог до обчислювальної потужності. Крім цього, QuPath направлений на роботу з повнослайдовими зображеннями з імуногістохімічними маркерами; функції, реалізовані в даному програмному забезпеченні, надають змогу проводити морфометричний аналіз. Використання QuPath допоможе зберегти час на розробку графічного інтерфейсу користувача і надасть систему, яку можна розширювати - додавати нові ключові функції, визначені метою. QuPath підтримує розширення, розроблені за допомогою різних мов програмування, включаючи MATLAB та Python. | ||
| 8. | 
Dovbysh A. Information-extreme machine learning of a cyber attack detection system [Електронний ресурс] / A. Dovbysh, V. Liubchak, I. Shelehov, J. Simonovskiy, A. Tenytska // Радіоелектронні і комп’ютерні системи. - 2022. - № 3. - С. 121–131. - Режим доступу: http://nbuv.gov.ua/UJRN/recs_2022_3_13 Розглянуто інформаційно-екстремальний метод навчання системи підтримки прийняття рішень для керування генеруючим енергоблоком теплоелектроцентралі. В процесі машинного навчання оптимізація контейнерів класів розпізнавання, що відновлювалися в радіальному базисі простору ознак, здійснювалася за модифікованим критерієм Кульбака. При цьому показано, що застосування вкладених контейнерів класів розпізнавання підвищує функціональну ефективність машинного навчання у порівнянні з контейнерами класів розпізнавання, центри яких розподілено в просторі ознак.Мета дослідження - підвищення функціональної ефективності машинного навчання системи виявлення кібератак. Розроблено метод інформаційно-екстремального машинного навчання (ІЕМН) системи виявлення кібератак з оптимізацією контрольних допусків на ознаки розпізнавання, які відбивали властивості трафіка інфокомунікаційної системи. Метод розроблено в рамках функціонального підходу до моделювання когнітивних процесів природнього інтелекту при формуванні та прийнятті класифікаційних рішень. Такий підхід на відміну від відомих методів інтелектуального аналізу даних, включаючи нейроподібні структури, дозволяє надати системі розпізнавання властивості адаптивності до довільних початкових умов формування навчальної матриці та гнучкості при перенавчанні системи через розширення алфавіту класів розпізнавання. Ідея методу полягає в максимізації інформаційної спроможності системи виявлення атак в процесі машинного навчання. Як критерій оптимізації параметрів машинного навчання використовується модифікована інформаційна міра Кульбака. Згідно із запропонованою категорійною функціональною моделлю розроблено і програмно реалізовано алгоритмічне забезпечення системи виявлення атак в режимі машинного навчання з глибиною другого рівня. При цьому рівень глибини визначався кількістю параметрів машинного навчання, що оптимізувалися. Як параметри оптимізації розглядалися геометричні параметри гіперсферичних контейнерів класів розпізнавання і контрольні допуски на ознаки розпізнавання. які відігравали роль рівнів квантування вхідних даних при перетворенні вхідної евклідової навчальної матриці типу "об'єкт-властивість" в робочу бінарну навчальну матрицю, задану в просторі Хеммінга. Шляхом допустимих перетворень робочої навчальної матриці запропонований метод дозволяє адаптувати вхідний математичний опис системи виявлення атак до максимальної повної ймовірності прийняття правильних класифікаційних рішень. За результатами ІЕМН в рамках геометричного підходу побудовано вирішальні правила, практично інваріантні до багато вимірності простору ознак розпізнавання. Результати комп'ютерного моделювання ІЕМН системи виявлення атак для розпізнавання чотирьох хостових трафіків різного профілю підтверджують працездатність розробленого методу. | ||
| 9. | 
Denysenko A. Artificial Intelligence Approach in Prostate Cancer Diagnosis: Bibliometric Analysis [Електронний ресурс] / A. Denysenko, T. Savchenko, A. Dovbysh, A. Romaniuk, R. Moskalenko // Галицький лікарський вісник. - 2022. - Т. 29, число 2. - С. 32-38. - Режим доступу: http://nbuv.gov.ua/UJRN/glv_2022_29_2_7 | ||
Попередній перегляд: 
Реферативна БД
 |
| Відділ наукової організації електронних інформаційних ресурсів |
 Пам`ятка користувача |