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 (5) |
Список видань за алфавітом назв: Авторський покажчик Покажчик назв публікацій  |
Пошуковий запит: (<.>A=Slyusar V$<.>) | |||
|
Загальна кількість знайдених документів : 12 Представлено документи з 1 до 12 |
|||
| 1. | 
Slyusar V. M. Informational Violence in The Symbolic Exchange and Modern Mediareality: The Modus Dimension [Електронний ресурс] / V. M. Slyusar // Вісник Житомирського державного університету імені Івана Франка. Філософські науки. - 2019. - Вип. 1. - С. 25-35. - Режим доступу: http://nbuv.gov.ua/UJRN/VZhDU_2019_1_5 | ||
| 2. | 
Kozlovets M. A. Privatized violence: the essence and types of its implementation in modern world [Електронний ресурс] / M. A. Kozlovets, V. M. Slyusar // Вісник Національного юридичного університету імені Ярослава Мудрого. Серія : Філософія, філософія права, політологія, соціологія. - 2020. - № 4. - С. 94-111. - Режим доступу: http://nbuv.gov.ua/UJRN/Vnyua_2020_4_9 | ||
| 3. |
Slyusar V. M. Adverting in the Modern Urban Space: a Socio-Philosophical Analysis [Електронний ресурс] / V. M. Slyusar, V. O. Koval // Вісник Житомирського державного університету імені Івана Франка. Філософські науки. - 2020. - Вип. 2. - С. 146-156. - Режим доступу: http://nbuv.gov.ua/UJRN/vzduffn_2020_2_16 | ||
| 4. | 
Slyusar V. Phenomenon of targeted advertising in postpanoptic society [Електронний ресурс] / V. Slyusar, M. Kozlovets, L. Horokhova, O. Chaplinska // Humanities studies. - 2021. - Вип. 8. - С. 48-56. - Режим доступу: http://nbuv.gov.ua/UJRN/humst_2021_8_7 | ||
| 5. | 
Slyusar V. Improvement of the object recognition model on aerophotos using deep convolutional neural network [Електронний ресурс] / V. Slyusar, M. Protsenko, A. Chernukha, P. Kovalov, P. Borodych, S. Shevchenko, O. Chernikov, S. Vazhynskyi, O. Bogatov, K. Khrustalev // Eastern-european journal of enterprise technologies. - 2021. - № 5(2). - С. 6-21. - Режим доступу: http://nbuv.gov.ua/UJRN/Vejpte_2021_5(2)__3 Detection and recognition of objects in images is the main problem to be solved by computer vision systems. As part of solving this problem, the model of object recognition in aerial photographs taken from unmanned aerial vehicles has been improved. A study of object recognition in aerial photographs using deep convolutional neural networks has been carried out. Analysis of possible implementations showed that the AlexNet 2012 model (Canada) trained on the ImageNet image set (China) is most suitable for this problem solution. This model was used as a basic one. The object recognition error for this model with the use of the ImageNet test set of images amounted to 15 %. To solve the problem of improving the effectiveness of object recognition in aerial photographs for 10 classes of images, the final fully connected layer was modified by rejection from 1,000 to 10 neurons and additional two-stage training of the resulting model. Additional training was carried out with a set of images prepared from aerial photographs at stage 1 and with a set of VisDrone 2021 (China) images at stage 2. Optimal training parameters were selected: speed (step) (0,0001), number of epochs (100). As a result, a new model under the proposed name of AlexVisDrone was obtained. The effectiveness of the proposed model was checked with a test set of 100 images for each class (the total number of classes was 10). Accuracy and sensitivity were chosen as the main indicators of the model effectiveness. As a result, an increase in recognition accuracy from 7 % (for images from aerial photographs) to 9 % (for the VisDrone 2021 set) was obtained which has indicated that the choice of neural network architecture and training parameters was correct. The use of the proposed model makes it possible to automate the process of object recognition in aerial photographs. In the future, it is advisable to use this model at ground stations of unmanned aerial vehicle complex control when processing aerial photographs taken from unmanned aerial vehicles, in robotic systems, in video surveillance complexes and when designing unmanned vehicle systems. | ||
| 6. |
Slyusar V. Construction of an advanced method for recognizing monitored objects by a convolutional neural network using a discrete wavelet transform [Електронний ресурс] / V. Slyusar, M. Protsenko, A. Chernukha, S. Gornostal, S. Rudakov, S. Shevchenko, O. Chernikov, N. Kolpachenko, V. Timofeyev, R. Artiukh // Eastern-european journal of enterprise technologies. - 2021. - № 4(9). - С. 65-77. - Режим доступу: http://nbuv.gov.ua/UJRN/Vejpte_2021_4(9)__9 The tasks that unmanned aircraft systems solve include the detection of objects and determining their state. This paper reports an analysis of image recognition methods in order to automate the specified process. Based on the analysis, an improved method for recognizing images of monitored objects by a convolutional neural network using a discrete wavelet transform has been devised. Underlying the method is the task of automating image processing in unmanned aircraft systems. The operability of the proposed method was tested using an example of processing an image (aircraft, tanks, helicopters) acquired by the optical system of an unmanned aerial vehicle. A discrete wavelet transform has been used to build a database of objects' wavelet images and train a convolutional neural network based on them. That has made it possible to improve the efficiency of recognition of monitored objects and automate a given process. The effectiveness of the improved method is achieved by preliminary decomposition and approximation of the digital image of the monitored object by a discrete wavelet transform. The stages of a given method include the construction of a database of the wavelet images of images and training a convolutional neural network. The effectiveness of recognizing the monitored objects' images by the improved method was tested on a convolutional neural network, which was trained with images of 300 monitored objects. In this case, the time to make a decision, based on the proposed method, decreased on average from 0,7 to 0,84 s compared with the artificial neural networks ResNet and ConvNets. The method could be used in the information processing systems in unmanned aerial vehicles that monitor objects; in robotic complexes for various purposes; in the video surveillance systems of important objects. | ||
| 7. |
Slyusar V. Improving a neural network model for semantic segmentation of images of monitored objects in aerial photographs [Електронний ресурс] / V. Slyusar, M. Protsenko, A. Chernukha, V. Melkin, O. Petrova, M. Kravtsov, S. Velma, N. Kosenko, O. Sydorenko, M. Sobol // Eastern-european journal of enterprise technologies. - 2021. - № 6(2). - С. 86-95. - Режим доступу: http://nbuv.gov.ua/UJRN/Vejpte_2021_6(2)__9 This paper considers a model of the neural network for semantically segmenting the images of monitored objects on aerial photographs. Unmanned aerial vehicles monitor objects by analyzing (processing) aerial photographs and video streams. The results of aerial photography are processed by the operator in a manual mode; however, there are objective difficulties associated with the operator's handling a large number of aerial photographs, which is why it is advisable to automate this process. Analysis of the models showed that to perform the task of semantic segmentation of images of monitored objects on aerial photographs, the U-Net model (Germany), which is a convolutional neural network, is most suitable as a basic model. This model has been improved by using a wavelet layer and the optimal values of the model training parameters: speed (step) - 0,001, the number of epochs - 60, the optimization algorithm - Adam. The training was conducted by a set of segmented images acquired from aerial photographs (with a resolution of 6,000 x 4,000 pixels) by the Image Labeler software in the mathematical programming environment MATLAB R2020b (USA). As a result, a new model for semantically segmenting the images of monitored objects on aerial photographs with the proposed name U-NetWavelet was built. The effectiveness of the improved model was investigated using an example of processing 80 aerial photographs. The accuracy, sensitivity, and segmentation error were selected as the main indicators of the model's efficiency. The use of a modified wavelet layer has made it possible to adapt the size of an aerial photograph to the parameters of the input layer of the neural network, to improve the efficiency of image segmentation in aerial photographs; the application of a convolutional neural network has allowed this process to be automatic. | ||
| 8. |
Slyusar V. M. Substantive approach to the definition of "advertising": philosophical and communicative aspect [Електронний ресурс] / V. M. Slyusar, L. L. Shkil, M. V. Slyusar // Вісник Житомирського державного університету імені Івана Франка. Філософські науки. - 2021. - Вип. 2. - С. 103-112. - Режим доступу: http://nbuv.gov.ua/UJRN/vzduffn_2021_2_12 | ||
| 9. |
Slyusar V. Improving the model of object detection on aerial photographs and video in unmanned aerial systems [Електронний ресурс] / V. Slyusar, M. Protsenko, A. Chernukha, V. Melkin, O. Biloborodov, M. Samoilenko, O. Kravchenko, H. Kalynychenko, A. Rohovyi, M. Soloshchuk // Eastern-European journal of enterprise technologies. - 2022. - № 1(9). - С. 24–34. - Режим доступу: http://nbuv.gov.ua/UJRN/Vejpte_2022_1(9)__5 This paper considers a model of object detection on aerial photographs and video using a neural network in unmanned aerial systems. The development of artificial intelligence and computer vision systems for unmanned systems (drones, robots) requires the improvement of models for detecting and recognizing objects in images and video streams. The results of video and aerial photography in unmanned aircraft systems are processed by the operator manually but there are objective difficulties associated with the operator's processing of a large number of videos and aerial photographs, so it is advisable to automate this process. Analysis of neural network models has revealed that the YOLOv5x model (USA) is most suitable, as a basic model, for performing the task of object detection on aerial photographs and video. The Microsoft COCO suite (USA) is used to train this model. This set contains more than 200,000 images across 80 categories. To improve the YOLOv5x model, the neural network was trained with a set of VisDrone 2021 images (China) with the choice of such optimal training parameters as the optimization algorithm SGD; the initial learning rate (step) of 0,0005; the number of epochs of 25. As a result, a new model of object detection on aerial photographs and videos with the proposed name VisDroneYOLOv5x was obtained. The effectiveness of the improved model was studied using aerial photographs and videos from the VisDrone 2021 set. To assess the effectiveness of the model, the following indicators were chosen as the main indicators: accuracy, sensitivity, the estimation of average accuracy. Using a convolutional neural network has made it possible to automate the process of object detection on aerial photographs and video in unmanned aerial systems. | ||
| 10. | 
Slyusar V. А classification of text as images using neural networks pre-trained on the imagenet [Електронний ресурс] / V. Slyusar // Artificial intelligence. - 2023. - № 1. - С. 37-47. - Режим доступу: http://nbuv.gov.ua/UJRN/II_2023_1_6 | ||
| 11. |
Slyusar V. M. Is dialogue possible in the post-truth era? (Media philosophy and social and communication studies) [Електронний ресурс] / V. M. Slyusar, G. V. Khrystokin, A. O. Yastrebova // Вісник Житомирського державного університету імені Івана Франка. Філософські науки. - 2023. - Вип. 1. - С. 29-40. - Режим доступу: http://nbuv.gov.ua/UJRN/vzduffn_2023_1_5 | ||
| 12. |
Nazarenko I. Determining the influence of higher harmonics of nonlinear technological load in dynamic action systems [Електронний ресурс] / I. Nazarenko, O. Dedov, I. Bernyk, A. Bondarenko, A. Onyshchenko, R. Lisnevskyi, V. Slyusar // Eastern-European journal of enterprise technologies. - 2023. - № 4(7). - С. 79–88. - Режим доступу: http://nbuv.gov.ua/UJRN/Vejpte_2023_4(7)__11 Комплексно досліджено вплив раціонів годівлі та породи корів на технологічні властивості молока та якісні характеристики сиру типу голандського. Незважаючи на велику кількість інформації щодо взаємозв'язку між годівлею тварин і технологічними параметрами виробництва сирів, можлива взаємодія між особливими властивостями породи тварин, змінами в раціонах годівлі та позитивним впливом на якість продукції потребує глибокого вивчення. Тому актуальним є дослідження впливу породи тварин та оптимізації раціонів їх годівлі на комплекс технологічних показників і показники якості сирів типу голандського. Сир голандський виробляли в серії експериментів із молока корів різних порід, отриманого за різних раціонів годівлі. Проведено порівняння хімічного складу молока трьох груп корів - української бурої молочної, лебединської та симентальської порід за різних раціонів годівлі. Отримані результати свідчать, що використання люцернового сінажу сприяє підвищенню у молоці масової частки сухого знежиреного молочного залишку, покращанню його сиропридатності у порівнянні з молоком, отриманим у силосно-сінний період. Опрацьовано технологічні режими виробництва твердого голландського сиру з молока трьох порід корів за різних раціонів годівлі. Показано, що за умови застосування у раціоні годівлі тварин люцернового сінажу тривалість основних технологічних операцій скорочується. Це сприяє зменшенню відходу сухих речовин (у т. ч. жиру) до сироватки, а також збільшує вихід готового продукту. Зразки твердого голландського сиру, отримані з молока всіх трьох груп тварин у сінажно-сінний період, характеризувалися вищим вмістом незамінних амінокислот, а також вільних амінокислот, розчинного та небілкового азоту. Це обумовило у них вищий ступінь зрілості та вищу балову оцінку за органолептичними показниками (на 7 - 9 балів) у порівнянні зі зразками сиру, виробленого з молока, отриманого у силосно-сінний період. Найвищу балову оцінку за органолептичними показниками (99 балів) отримали зразки сиру голландського, вироблені з молока тварин української бурої молочної породи, отриманого у сінажно-сінний період. Встановлено, що порода тварини значною мірою впливає на сиропридатність молока та вихід готового продукту. Найбільш значимий вплив оптимізованого раціону годівлі отримано на органолептичні та сенсорні показники сиру голландського. Підтвердженням цього є показники протеолітичної активності. Збільшився приріст азоту розчинних фракцій, прискорився процес визрівання, про що свідчить накопичення низькомолекулярних азотистих фракцій. Найбільшу сумарну кількість вільних амінокислот містили сири, отримані з молока корів за умов годівлі покращаним раціоном із використанням люцернового сінажу. Розроблені раціони годівлі, вдосконалені технологічні параметри виробництва голандського сиру, як методи управління собівартістю та якістю продукції можуть бути рекомендовані для масового та крафтового виробництва сирів. | ||
Попередній перегляд: 
Реферативна БД
 |
| Відділ наукової організації електронних інформаційних ресурсів |
 Пам`ятка користувача |