Книжкові видання та компакт-диски Журнали та продовжувані видання Автореферати дисертацій Реферативна база даних Наукова періодика України Тематичний навігатор Авторитетний файл імен осіб
|
Для швидкої роботи та реалізації всіх функціональних можливостей пошукової системи використовуйте браузер "Mozilla Firefox" |
|
|
Повнотекстовий пошук
Пошуковий запит: (<.>A=Русын Б$<.>) |
Загальна кількість знайдених документів : 4
Представлено документи з 1 до 4
|
1. |
Ковальчук О. Я. Модель отражения света поверхностью для задачи реконструкции формы объекта по полутонам [Електронний ресурс] / О. Я. Ковальчук, Б. П. Русын, П. И. Чопык // Компьютерная математика. - 2012. - Вып. 1. - С. 17-22. - Режим доступу: http://nbuv.gov.ua/UJRN/Koma_2012_1_4 Рассмотрена модель функции отражающей способности света поверхностью для задачи восстановления формы по полутоновым изображениям. Учтены физические и геометрические свойства поверхности для улучшения работы алгоритма. Предложены некоторые ограничения для упрощения модели.
| 2. |
Русын Б. П. Оценки надежности работы классификаторов на основании функции неподобия [Електронний ресурс] / Б. П. Русын, В. А. Таянов, А. А. Луцык // Кибернетика и системный анализ. - 2012. - Т. 48, № 4. - С. 132-141. - Режим доступу: http://nbuv.gov.ua/UJRN/KSA_2012_48_4_14 The approaches to calculating the upper-bound estimates of the recognition probability are proposed. This allows using them for a more general class of models. One of the estimates determines the stability of the object coverage by classification algorithms based on the distribution of the distances between objects. The second estimate is concerned with leave-one-out cross-validation. This makes the estimation much faster and easier.
| 3. |
Косаревич Р. Я. Сегментация изображений на основе оценивания тенденции к формированию кластеров элементами изображения с помощью характеристик точечного поля [Електронний ресурс] / Р. Я. Косаревич, Б. П. Русын, В. В. Корний, Т. И. Керод // Кибернетика и системный анализ. - 2015. - Т. 51, № 5. - С. 45-55. - Режим доступу: http://nbuv.gov.ua/UJRN/KSA_2015_51_5_6 Предложен новый подход к сегментации изображений, основанный на моделировании пространственного распределения точек в плоскости изображения и их способности идентифицировать кластеры. На основании обнаружения пиков гистограммы для фрагмента изображения формируется последовательность доминирующих яркостей. Для каждой яркости изображения формируются точечные поля и проверяется наличие кластеров с помощью характеристик второго порядка точечных полей. Объединение всех яркостей, для которых точечные поля формируют кластеры, образует объект сегментации. Приведены результаты сегментации ряда изображений в сравнении с такими методами, как выбор порога и наращивания начальных областей.
| 4. |
Лозинский А. Б. Оценивание экспериментальной функции распределения на основе конечных выборок случайной величины [Електронний ресурс] / А. Б. Лозинский, И. М. Романишин, Б. П. Русын // Проблемы управления и информатики. - 2019. - № 6. - С. 50-59. - Режим доступу: http://nbuv.gov.ua/UJRN/PUI_2019_6_7 Предложен новый подход к оцениванию функции распределения случайной величины на основе конечных (в том числе малых) выборок. Подход основан на определении оценок положений точек функции распределения. Дано теоретическое обоснование подхода, изложены алгоритмы оценивания функции распределения. Уравнения (интегральные) для определения точек на искомой функции распределения являются точными. Поэтому при знании распределения любой порядковой статистики точки искомой функции распределения определяются точно. В простейшем случае подход может быть сведен к определению медианы статистики. Обычно ее точное значение неизвестно. Поэтому в качестве медианы распределения статистики используют выборочную медиану. Рассмотрены состоятельность, смещенность и эффективность оценок положения точек на искомой функции распределения. Показано, что предложенные оценки являются состоятельными, но смещенными, причем смещение зависит от вида искомого распределения и уменьшается с ростом размера подвыборки. Численные эксперименты для наиболее важных практических случаев свидетельствуют о выигрыше по эффективности предложенного подхода по сравнению с классическим. Предложены упрощенные алгоритмы приближенного определения параметров распределения, а также приведены оценки погрешностей, которые свидетельствуют о приемлемости предложенных упрощенных алгоритмов. Приведены результаты численного моделирования, которые иллюстрируют соответствие построенной функции распределения модельной и преимущества подхода. Отмечено, что оценка функции распределения на основе предложенного подхода в виде интерполированной кривой позволяет проводить численное дифференцирование, фильтрацию и другие операции обработки сигналов. В то же время классическая функция распределения в виде ступенчатой кривой имеет ряд известных ограничений при применении этих операций обработки. Изложен метод фильтрации сигнала с импульсными некоррелированными помехами на основе предложенного подхода. В Приложении приведено определение абсцисс и ординат искомой функции распределения случайной величины через решение интегральных уравнений в аналитическом виде для случая равномерного распределения на основе подвыборок из двух элементов. Полученное решение полностью согласуется с упрощенными алгоритмами.Предложен новый подход к оцениванию функции распределения случайной величины на основе конечных (в том числе малых) выборок. Подход основан на определении оценок положений точек функции распределения. Дано теоретическое обоснование подхода, изложены алгоритмы оценивания функции распределения. Уравнения (интегральные) для определения точек на искомой функции распределения являются точными. Поэтому при знании распределения любой порядковой статистики точки искомой функции распределения определяются точно. В простейшем случае подход может быть сведен к определению медианы статистики. Обычно ее точное значение неизвестно. Поэтому в качестве медианы распределения статистики используют выборочную медиану. Рассмотрены состоятельность, смещенность и эффективность оценок положения точек на искомой функции распределения. Показано, что предложенные оценки являются состоятельными, но смещенными, причем смещение зависит от вида искомого распределения и уменьшается с ростом размера подвыборки. Численные эксперименты для наиболее важных практических случаев свидетельствуют о выигрыше по эффективности предложенного подхода по сравнению с классическим. Предложены упрощенные алгоритмы приближенного определения параметров распределения, а также приведены оценки погрешностей, которые свидетельствуют о приемлемости предложенных упрощенных алгоритмов. Приведены результаты численного моделирования, которые иллюстрируют соответствие построенной функции распределения модельной и преимущества подхода. Отмечено, что оценка функции распределения на основе предложенного подхода в виде интерполированной кривой позволяет проводить численное дифференцирование, фильтрацию и другие операции обработки сигналов. В то же время классическая функция распределения в виде ступенчатой кривой имеет ряд известных ограничений при применении этих операций обработки. Изложен метод фильтрации сигнала с импульсными некоррелированными помехами на основе предложенного подхода. В Приложении приведено определение абсцисс и ординат искомой функции распределения случайной величины через решение интегральных уравнений в аналитическом виде для случая равномерного распределения на основе подвыборок из двух элементов. Полученное решение полностью согласуется с упрощенными алгоритмами.
|
|
|