Journal articles on the topic 'Набори даних'

Предметом вивчення у статті є процес тестування методів побудови рекомендаційних систем на основі відкритих наборів даних у мережі Інтернет. Метою є дослідження відкритих наборів даних веб-ресурсів у контексті застосування їх для тестування різних методів побудови рекомендаційних систем. Завдання: дослідити сучасні вебплатформи з відкритими наборами даних та можливість застосування їх даних для тестування якості роботи різних рекомендаційних систем. Отримані такі результати: Розглянуто найбільш популярні веб-платформи з відкритими наборами різнотипних мережевих даних. Здійснено порівняльний аналіз цих платформ з точки зору наявності вільного доступу до завантаження даних, їх функціональності та територіальної приналежності, формату даних та зручності для подальшого використання для машинного навчання, а також можливості застосування для тестування рекомендаційних систем. Також проведено оцінку актуальності даних, що зберігаються у репозиторіях з вільним доступом та наявності їх оновлення з часом. Висновки. Досліджено веб-платформи, що містять відкриті набори даних, які можна використати для тестування рекомендаційних систем. Основними перевагами більшості платформ є підтримка сучасних форматів даних та умовно вільний або вільний доступ. Серед недоліків розглянутих платформ слід зазначити недостатню структурованість деяких наборів даних, зокрема текстових, що значно обмежує їх застосування для тестування методів контентної фільтрації. Окрім того, одним з факторів, що обмежує використання відкритих наборів даних є їхня актуальність, тому що деякі набори, що зберігаються на платформах, є застарілими та не оновлюються. Усі розглянуті набори даних можуть бути застосовані для дослідницьких цілей та тестування роботи рекомендаційних систем.

В даній роботі проведено аналіз ефективності застосування штучних нейронних мереж для вирішення задачі класифікації для невеликих наборів медичних даних із сфери діагностування. Для дослідження було обрано два набори даних: дані про серцево-судинні захворювання та про хвороби печінки. Отримані результати було порівняно з результатами точності для стандартних методів машинного навчання, що використовуються в задачах класифікації Для проведення дослідження було обрано модель багатошарового перцептрона. Програмним засобом для реалізації став Python, що надає можливість використовувати допоміжні бібліотеки при роботі з методами машинного навчання.

Із аналізу експериментальних диференціальних перерізів пружного розсіяння нейтронів у області енергії до 440 кеВ визначено повні набори середніх резонансних параметрів S0, S1, R'0, R'1, S1,3/2 ядер телуру і неодиму з природним складом ізотопів. Проведено аналіз отриманих результатів, а також рекомендованих параметрів та деяких літературних даних.

Розглянуто особливості прогнозування попиту на пасажирські перевезення таксі методами нейронної мережі за різних наборів вхідних даних, складу параметрів архітектури мережі, конфігурації апаратного забезпечення та його потужності. З'ясовано, що для зменшення тривалості очікування нових замовлень та відстані до клієнтів доцільно використовувати відповідні інформаційно-аналітичні системи, робота яких ґрунтується на штучному інтелекті. Це дасть змогу вирішити проблему попиту на перевезення таксі у відповідний період доби з врахуванням погодних умов, святкових, вихідних і робочих днів, а також пори року. Врахування ж наявних транспортних об'єктів – авіарейсів, потягів чи автобусів значно покращують роботу такої дорадчої системи. Використана в роботі гібридна архітектура нейро-фаззі мережі дає змогу одночасно вирішувати завдання короткотермінового прогнозування попиту на пасажирські перевезення таксі, а також проводити діагностику самої мережі, що полягає у виявленні різких змін властивостей обчислювального процесу. Для досягнення відповідної точності прогнозу в роботі опрацьовано набори вхідних даних у кількості 4,5 млн поїздок таксі. Для зменшення тривалості процедури навчання нейронної мережі організовано паралельні обчислення між різними вузлами мережі за допомогою графічних процесорів. Проведено навчання нейронної мережі на центральному процесорі, одному та двох графічних процесорах відповідно. З'ясовано, що організація паралельних обчислень на декількох графічних процесорах не завжди зменшує тривалість процедури навчання мережі, оскільки витрати на синхронізацію градієнтів між активними процесами значно перевищують користь від паралельних розрахунків. Встановлено, що за умови великого обсягу даних для організації паралельних обчислень та відповідної архітектури нейронної мережі можна досягти деякого зменшення тривалості процедури її навчання. Визначено, що зменшення тривалості процедури навчання нейронної мережі залежить від таких чинників: її архітектури, кількості параметрів навчання, конфігурації апаратного забезпечення та організації паралельних розрахунків.

Сучасні сценарії аналітики стають все більш складними, багаторівневими та мережевими. Це означає, що існуючі алгоритми обробки даних, веб-сервіси, аналітичні платформи, чисельні плагіни, створені різними командами розробників, повинні бути доступними, зрозумілими та придатними для інтеграції у сценарії аналітика шляхом подолання різного роду неоднорідностей і логічних невідповідностей. Одним із методів подолання неоднорідності та логічної неузгодженості є семантичне посередництво — Mediation, яке здійснюється спеціальними програмними засобами, що використовують знання про певні набори даних предметної області, умови логічних переходів між кроками сценаріїв та інше. У статті розглянуто теоретичні аспекти вирішення проблем сумісності в галузі побудови складних сценаріїв. Особливу увагу приділено онтологічним аспектам подолання невідповідностей при здійснені багатофакторних переходів між кроками складного сценарію. Тобто розглянуто та класифіковано невідповідності, умови сумісності, зручність викорис-тання, їхні властивості та взаємозв’язки, концепції посередництва, функції семантичного медіатора. Запропоновано шляхи їхнього вирішення та розглянуто інструментальне середовище для реалізації семантичного медіатора.

Для вимірювання на дослідницькому ядерному реакторі щільності потоку теплових нейтронів з метою визначення розподілу його щільності за радіусом і висотою активної зони, перерізом тепловидільної збірки, а також у штатних опроміню вальних пристроях використовувалися спеціальні метрологічні набори АКН (активаційний набір) і АКН-Т (активаційний набір тепловий) з детекторами з чистого золота та інших особливо чистих елементів. В даний час такі набори в Україні не виробляються. Пропонується замінити золоті детектори АКН-Т на метрологічно атестовані детектори з сусального золота, які не поступаються за ефективністю детекторам активаційного набору.

Дослідження присвячене вивченню коаліційної спроможності як однієї з невід’ємних характеристик, прита- манних третьому сектору. Натепер українські реалії показують, що об’єднання неурядових організацій (НУО) навколо спільної мети та їх спільна робота є більш результативними, ніж розрізнена діяльність в однаковому напрямі. Нині складно оцінити повною мірою рівень розвитку коаліційних спроможностей сектору неурядових організацій та ефективність таких об’єднань передусім через відсутність системи фіксації або висвітлення такої інформації. У даному дослідженні ми намагаємось дослідити вплив коаліційності на виконання сектором своїх основних функцій на прикладі однієї з діючих коаліцій неурядових організацій – спільноти громадського моніторингу публічних закупівель – “DoZorro”. Отримані результати дають можливість визначити розбудо- ву коаліцій як одну з ознак інституційної спроможності сектору й організаційної спроможності конкретної організації. Актуальність даного дослідження полягає в тому, що натепер питання коаліційності серед неурядових організацій досліджене не повною мірою, а отже, складно не лише прогнозувати долю третього сектору, але й оцінити сучасний етап його розвитку. Метою даної статті є підбір інструментарію, який дозволить досліджувати питання розбудови коаліцій серед неурядових організацій та відстежувати періодично наявний у цій сфері прогрес. Теоретичну основу даного дослідження становить інституційний підхід, а також загальнонаукові методи дослідження. Емпіричною базою дослідження стали набори відкритих даних, інформаційно-телекомунікаційні системи (сховища даних), а також інформація, яка автоматично фіксується на порталі спільноти “DoZorro” за результатами роботи організацій над громадським моніторингом публічних закупівель. Результати даного дослідження стануть у пригоді не лише в академічному середовищі, але можуть бути використані як елемент практичного рішення в середовищі неурядових організацій для промоції коаліційного способу діяльності, що особливо актуально для новостворених організацій.

Будь-яка, навіть найефективніша, логічно обґрунтована і корисна інновація (чи то теорія геліоцентризму Коперника або «походження видів» Дарвіна), якщо вона суперечить існуючій на даний момент догмі, приречена на ірраціональний скепсис, тривале і навмисне замовчування, обумовлене специфікою суспільних процесів і включеність людської психіки в ці процеси.Томас Семюел Кун Існуюча система освіти перестала влаштовувати практично всі держави світу і піддається активному реформуванню в наші дні. Перспективним напрямом використання в навчальному процесі є нова інформаційна технологія, яка дістала назву хмарні обчислення (Cloud computing). Концепція хмарних обчислень стала результатом еволюційного розвитку інформаційних технологій за останні десятиліття.Без сумніву, результати досліджень російських вчених: А. П. Єршова, В. П. Зінченка, М. М. Моісєєва, В. М. Монахова, В. С. Лєдньова, М. П. Лапчика та ін.; українських вчених В. Ю. Бикова, В. М. Глушкова, М. І. Жалдака, В. С. Михалевича, Ю. І. Машбиця та ін.; учених Білорусії Ю. О. Бикадорова, А. Т. Кузнєцова, І. О. Новик, А. І. Павловського та ін.; учених інших країн суттєво вплинули на становлення та розвиток сучасних інформаційних технологій навчання [1], [2], але в організації освітнього процесу виникають нові парадигми, наприклад, хмарні обчислення. За оцінками аналітиків Гартнер груп (Gartner Group) хмарні обчислення вважаються найбільш перспективною стратегічною технологією майбутнього, прогнозується міграція більшої частини інформаційних технологій в хмари на протязі найближчих 5–7 років [17].Згідно з офіційним визначенням Національного інституту стандартів і технологій США (NIST), хмарні обчислення – це система надання користувачеві повсюдного і зручного мережевого доступу до загального пулу інформаційних ресурсів (мереж, серверів, систем зберігання даних, додатків і сервісів), які можуть бути швидко надані та гнучко налаштовані на його потреби з мінімальними управлінськими зусиллями і необхідністю взаємодії з провайдером послуг (сервіс-провайдером) [18].У США в університетах функціонують віртуальні обчислювальні лабораторії (VCL, virtual computing lab), які створюються в хмарах для обслуговування навчального та дослідницьких процесів. В Південній Кореї запущена програма заміни паперових підручників для середньої школи на електронні, які зберігаються в хмарі і доступні з будь-якого пристрою, який може бути під’єднаний до Інтернету. В Росії з 2008 року при Російській академії наук функціонує програма «Університетський кластер», в якій задіяно 70 університетів та дослідних інститутів [3], в якій передбачається використання хмарних технологій та створення web-орієнтованих лабораторій (хабів) в конкретних предметних галузях для надання принципово нових можливостей передавання різноманітних інформаційних матеріалів: лекцій, семінарів, лабораторних робіт і т. п. Є досвід певних російських вузів з використання цих технологій, зокрема в Московському економіко-статистичному інституті вся інфраструктура переводиться на хмарні технології, а в навчальних програмах включені дисципліни з навчання технологій.На сьогодні в Україні теж почалося створення національної освітньої інформаційної мережі на основі концепції хмарних обчислень в рамках національного проекту «Відкритий світ», який планується здійснити протягом 2010-2014 рр. Відповідно до наказу Міністерства освіти та науки України від 23.02.2010 р. №139 «Про дистанційне моніторингове дослідження рівня сформованості у випускників загальноосвітніх навчальних закладів навичок використання інформаційно-комунікаційних технологій у практичній діяльності» у 2010 році було вперше проведено дистанційне моніторингове дослідження з метою отримання об’єктивних відомостей про стан інформатичної освіти та розроблення стратегії її подальшого розвитку. Для цих цілей було обрано портал (приклад гібридної хмари), створений на основі платформи Microsoft Azure [4].Як показує зарубіжний досвід [8], [11], [12], [14], [15], вирішити названі проблеми можна шляхом впровадження в навчальний процес хмарних обчислень. У вищих навчальних закладах України розроблена «Програма інформатизації і комп’ютеризації навчального процесу» [1, 166]. Але, проаналізувавши стан впровадження у ВНЗ хмарних технологій, можна зробити однозначний висновок про недостатню висвітленість цього питання в літературних та Інтернет-джерелах [1], [7].Переважна більшість навчальних закладів лише починає впроваджувати хмарні технології в навчальний процес та включати відповідні дисципліни для їх вивчення. Аналіз педагогічних праць виявив недостатнє дослідження питання використання хмарних обчислень у навчальному процесі. Цілком очевидно, що інтеграція хмарних сервісів в освіту сьогодні є актуальним предметом для досліджень.Для навчальних закладів все більшого значення набуває інформаційне наповнення та функціональність систем управління віртуальним навчальним середовищем (VLE, virtual learning environment). Не існує чіткого визначення VLE-систем, та й в самих системах в міру їх заглиблення в Інтернет постійно удосконалюються наявні і з’являються нові інструменти (блоги, wiki-ресурси). VLE-системи критикують в основному за слабкі можливості генерації та зберігання створюваного користувачами контенту і низький рівень інтеграції з соціальними мережами.Існує кілька полярних підходів до способів надання освіти за допомогою сучасних інформаційно-комунікаційних технологій та інформаційних ресурсів. З одного боку – навчальні заклади з віртуальним навчальним середовищем VLE, а з іншого – персональне навчальне середовище, створене з Web 2.0 сайтів та кероване учнями. Але варто звернути увагу на нову модель, що може зруйнувати обидва наявні підходи. Сервіси «Google Apps для навчальних закладів» та «Microsoft Live@edu» включають в себе широкий набір інструментів, які можна налаштувати згідно потреб користувача. Описувані системи розміщуються в так званій «обчислювальній хмарі» або просто «хмарі».Хмара – це не просто новий модний термін, що застосовується для опису Інтернет-технологій віддаленого зберігання даних. Обчислювальна хмара – це мережа, що складається з численної кількості серверів, розподілених в дата-центрах усього світу, де зберігаються безліч копій. За допомогою такої масштабної розподіленої системи здійснюється швидке опрацювання пошукових запитів, а система є надзвичайно відмовостійка. Система побудована так, що після закінчення тривалого періоду при потребі можна провести заміну окремих серверів без зниження загальної продуктивності системи. Google, Microsoft, Amazon, IBM, HP і NEC та інші, мають високошвидкісні розподілені комп’ютерні мережі та забезпечують загальнодоступність інформаційних ресурсів.Хмара може означати як програмне забезпечення, так і інфраструктуру. Незалежно від того, є сервіс програмним чи апаратним, необхідно мати критерій, для допомоги визначення, чи є даний сервіс хмарним. Його можна сформулювати так: «Якщо для доступу до інформаційних матеріалів за допомогою даного сервісу можна зайти в будь-яку бібліотеку чи Інтернет-клуб, скористатися будь-яким комп’ютером, при цьому не ставлячи ніяких особливих вимог до операційної системи та браузера, тоді даний сервіс є хмарним».Виділимо три умови, за якими визначатимемо, чи є сервіс хмарним.Сервіс доступний через Web-браузер або за допомогою спеціального інтерфейсу прикладної програми для доступу до Web-сервісів;Для користування сервісом не потрібно жодних матеріальних затрат;В разі використання додаткового програмного забезпечення оплачується тільки той час, протягом якого використовувалось програмне забезпечення.Отже, хмара – це великий пул легко використовуваних і доступних віртуалізованих інформаційних ресурсів (обладнання, платформи розробки та/або сервіси). Ці ресурси можуть бути динамічно реконфігуровані для обслуговування мінливого навантаження (масштабованості), що дозволяє також оптимізувати використання ресурсів. Такий пул експлуатується на основі принципу «плати лише за те, чим користуєшся». При цьому гарантії надаються постачальником послуг і визначаються в кожному конкретному випадку угодами про рівень обслуговування.Існує три основних категорії сервісів хмарних обчислень [10]:1. Комп’ютерні ресурси на зразок Amazon Elastic Compute Cloud, використання яких надає організаціям можливість запускати власні Linux-сервери на віртуальних комп’ютерах і масштабувати навантаження гранично швидко.2. Створені розробниками програми для пропрієтарних архітектур. Прикладом таких засобів розробки є мова програмування Python для Google Apps Engine. Він безкоштовний для використання, однак існують обмеження за обсягом даних, що зберігаються.3. Сервіси хмарних обчислень – це різноманітні прикладні програмні засоби, розміщені в хмарі і доступні через Web-браузер. Зберігання в хмарі не тільки даних, але і програм, змінює обчислювальну парадигму в бік традиційної клієнт-серверної моделі, адже на стороні користувача зберігається мінімальна функціональність. Таким чином, оновлення програмного забезпечення, перевірка на віруси та інше обслуговування покладається на провайдера хмарного сервісу. А загальний доступ, управління версіями, спільне редагування стають набагато простішими, ніж у разі розміщення програм і даних на комп’ютерах користувачів. Це дозволяє розробникам постачати програмні засоби на зручних для них платформах, хоча необхідно переконатися, що програмні засоби придатні до використання при роботі з різними браузерами.З точки зору досконалості технології, програмне забезпечення в хмарах розвинуте значно краще, ніж апаратна складова.Особливу увагу звернемо на програмне забезпечення як послугу (SaaS, Software as a Servise), що позначає програмну складову у хмарі. Більшість систем SaaS є хмарними системами. Для користувачів системи SaaS не важливо, де встановлене програмне забезпечення, яка операційна система при цьому використовується та якою мовою воно описане. Головне – відсутня необхідність встановлювати додаткове програмне забезпечення.Наприклад, Gmail представляє собою програму електронної пошти, яка доступна через браузер. Її використання забезпечує ті ж функціональні можливості, що Outlook, Apple Mail, але для користування нею необхідно «thick client» («товстий клієнт»), або «rich client» («багатий клієнт»). В архітектурі «клієнт – сервер» це програми з розширеними функціональними характеристиками, незалежно від центрального сервера. При такому підході сервер використовується як сховище даних, а вся робота з опрацювання і подання даних переноситься на клієнтський комп’ютер.Системи SaaS наділені деякими визначальними характеристиками:– Доступність через Web-браузер. Програмне забезпечення типу SaaS не потребує встановлення жодних додаткових програм на комп’ютер користувача. Доступ до систем SaaS здійснюється через Web-браузер з використанням відкритих стандартів або універсальний плагін браузера. Хмарні обчислення та програмне забезпечення, яке є власністю певної компанії, не поєднуються між собою.– Доступність за вимогою. За наявності облікового запису можна отримувати доступ до програмного забезпечення в будь-який момент та з будь-якої географічної точки земної кулі.– Мінімальні вимоги до інфраструктури ІТ. Для конфігурування систем SaaS потрібен мінімальний рівень технічних знань (наприклад, для управління DNS в Google Apps), що не виходить за рамки, характерні для звичайного користувача. Висококваліфікований IT-адміністратор для цього не потрібний.Переваги хмарної інфраструктури. Наявність апаратних засобів у власності потребує їх обслуговування. Планування необхідної потужності та забезпечення ресурсами завжди актуальні. Хмарні обчислення спрощують вирішення двох проблем: необхідність оцінювання характеристик обладнання та відсутність коштів для придбання нового потужного обладнання. При використанні хмарної інфраструктури необхідні потужності додаються за лічені хвилини.Зазвичай на кожному сервері передбачено резерв, що забезпечує вирішення типових апаратних проблем. Наприклад, резервний жорсткий диск, призначений для заміни диска, що вийшов з ладу, в складі масиву RAID. Необхідно скористатися послугами для встановлення нового диску на сервер. Для цього потрібен час та висока кваліфікація спеціаліста, щоб роботу виконати швидко з метою уникнення повного виходу сервера з ладу. Якщо сервер остаточно вийшов з ладу, використовується якісна, актуальна резервна копія та досконалий план аварійного відновлення. Тільки тоді є можливість провести відновлення системи в короткий термін, причому завжди в ручному режимі.При використанні хмар немає потреби перейматись проблемами стосовно апаратних засобів, що використовуються. Користувач може і не дізнатися про те, що фізичний сервер вийшов з ладу. Якщо правильно дібрано інструментарій, можливе автоматично відновлення даних після надскладної аварійної ситуації. При використанні хмарної інфраструктури у такому випадку можна відмовитись від віртуального сервера і отримати інший. Немає потреби думати про утилізацію та перейматися про нанесену шкоду навколишньому середовищу.Хмарне сховище. Абстрагування від апаратних засобів в хмарі здійснюється не тільки завдяки заміні фізичних серверів віртуальними. Віртуалізації підлягають і системи фізичного зберігання даних.При використанні хмарного сховища можна переносити дані в хмару, не переймаючись, яким чином вони зберігаються та не турбуючись про їх резервне копіювання. Як тільки дані, переміщені в хмару, будуть потрібні, достатньо буде просто звернутись в хмару і отримати їх. Існує кілька підходів до хмарного сховища. Йдеться про поділ даних на невеликі порції та зберігання їх на багатьох серверах. Порції даних наділяються індивідуально обчисленими контрольними сумами, щоб дані можна було швидко відновити в критичних ситуаціях.Часто користувачі працюють з хмарним сховищем так, ніби мають справу з мережевим накопичувачем. Щодо принципу функціонування хмарне сховище принципово відрізняється від традиційних накопичувачів, оскільки у нього принципово інше призначення. Обмін даними при використанні хмарного сховища повільніший, воно більш структуроване, внаслідок чого його використання як оперативного сховища даних непрактичне. Зазначимо, що використання хмарного сховища недоцільне для транзакцій в хмарних прикладних програмах. Хмарне сховище сприймається, як аналог резервної копії на стрічковому носієві, хоча на відміну від системи резервного копіювання зі стрічковим приводом в хмарі не потрібні ні привід, ні стрічки.Grid Computing (англ. grid – решітка, грати) – узгоджене, відкрите та стандартизоване комп’ютерне середовище, що забезпечує гнучкий, безпечний, скоординований розподіл обчислювальних ресурсів і ресурсів збереження інформації, які є частиною даного середовища, в рамках однієї віртуальної організації [http://gridclub.ru/news/news_item.2010-08-31.0036731305]. Концепція Grid Computing представляє собою архітектуру множини прикладних програмних засобів – найпростіший метод переходу до хмарної архітектури. Програмні засоби, де використовуються grid-технології, є програмним забезпеченням, при функціонуванні якого інтенсивно використовуються ресурси процесора. В grid-програмах розподіляються операції опрацювання даних на невеликі набори елементарних операцій, що виконуються ізольовано.Використання хмарної інфраструктури суттєво спрощує та здешевлює створення grid-програм. Якщо потрібно опрацювати якісь дані, використовують сервер для опрацювання даних. Після завершення опрацювання даних сервер можна призупинити, або задати для опрацювання новий набір даних.На рисунку 1 подано схему функціонування grid-програми. На сервер, або кластер серверів, поступає набір даних, які потрібно опрацювати. На першому етапі дані передаються в чергу повідомлень (1). На інших вузлах аналізується чергою повідомлень (2) про нові набори даних. Коли набір даних з’являється в черзі повідомлень, він аналізується на першому комп’ютері, де його виявлено, а результати надсилаються назад в чергу повідомлень (3), звідки вони зчитуються сервером або кластером серверів (4). Обидва компоненти можуть функціонувати незалежно один від одного, а кожен з них може функціонувати навіть в тому випадку, якщо другий компонент не задіяний на жодному комп’ютері. Рис. 1. Архітектура grid-програм У такій ситуації використовуються хмарні обчислення, оскільки при цьому не потрібні власні сервери, а за відсутності даних для опрацювання не потрібні сервери взагалі. Таким чином можна масштабувати потужності, що використовуються. Інакше кажучи, щоб комп’ютер не використовувався «вхолосту», важливо опрацьовувати дані за мірою їх надходження. Сервери включаються, коли потік даних інтенсивний, а виключаються в міру ослаблення інтенсивності потоку. Grid-програми мають дещо обмежену область застосування (опрацювання великих об’ємів наукових і фінансових даних). В переважній частині таких програм використовуються транзакційні обчислення.Транзакційна система – це система, де один і більше вхідних наборів даних опрацьовуються одночасно в рамках однієї транзакції та в

Розробка параметра конфігурації порожнини була обґрунтована потребою квантифікації співвідношення показників полімеризаційної усадки та полімеризаційного стресу відповідно до особливостей геометрії відпрепарованого каріозного дефекту. Однак за даними різних досліджень, рівень розподілу полімеризаційного стресу вираженіше залежить від абсолютних розмірів досліджуваних зразків реставрацій, а не безпосередньо від показника С-фактора, що проте не було достатньою мірою доказово інтерпретовано з точки зору клінічної значимості отриманих результатів. Мета дослідження – проаналізувати вплив фактора конфігурації відпрепарованої порожнини на успішність функціонування прямих реставрацій у процесі розробки моделі прогностичної оцінки розподілу напруг на межі інтерфейсу композитного матеріалу та тканин зуба. Матеріали і методи. Для проведення пошуку використовували форму пошуку Google Scholar (http://scholar.google.com) із застосуванням її розширених функцій. У результаті застосування операторів «пошук за фразою» та «в заголовку» були сформовані наступні набори ключових слів «С-factor», «dental cavity configuration», «cavity geometry», «direct restoration», «composite restoration», які використовували у різних комбінаціях. Кожен отриманий результат пошуку за комбінацією ключових слів являв собою набір академічних робіт відповідної тематики, які в подальшому підлягали контент-аналізу. Результати досліджень та їх обговорення. Виходячи із наведених літературних даних, було підтверджено, що зменшення рівня усадкового стресу при зростанні кількісного показника С-фактора та зниження прогностичного показника успішності композитної реставрації при аналогічній тенденції. Показники С-фактору у діапазоні 0,3–2,3 не є гранично критичними з точки зору ризику формування мікропроміжку між композитом та стінкою зуба порівняно із показниками С-фактора, що наближаються до 3,0. Висновки. Подальша розробка складної моделі скінчених елементів із репрезентацією у її структурі елементів різної щільності (зокрема емалі, дентину, різних композитних та прокладочних матеріалів) та відповідною математичною аргументацією векторів полімеризаційної усадки та стресу, дозволить об’єктивізувати кумулятивний вплив показника С-фактора на успішність функціонування композитної реставрації, виходячи із полінаправленості напруг на межі бондингового інтерфейсу композитного матеріалу та тканин зуба.

Розглянуто задачу побудови інтегрального індикатору на основі агрегування набору часткових показників. В рамках концепції машинного навчання передбачається, що набір вихідних даних складається з набору статистичних даних вимірювань часткових показників та експертних оцінок відповідних значень інтегрального індикатору. Для оцінки параметрів лінійної моделі інтегрального індикатору використовується метод оптимального узгодження експертних і статистичних оцінок.

Розглянуто використання векторних SIMD інструкцій на x86 сумісних процесорах для покращення ефективності обчислення та обробки даних. Застосування векторного набору інструкцій дозволяє збільшити кількість операцій виконуваних за такт, при цьому зменшення розгалужень у алгоритмах позитивно влипає на швидкість виконання програми за рахунок меншого навантаження на модуль передбачення умовних переходів у процесорі. До цього часу існує програмне забезпечення, що виконується на x86 архітектурі процесорних ядер, даний факт не завжди дає змогу використовувати новітні векторні інструкції починаючи з SSE4.1. Головним недоліком попередніх реалізацій векторних наборів інструкцій – це відсутність логічних і арифметичних операцій з деякими типами даних, особливо це спостерігається у операціях з цілими числами. Використання особливості бінарної реалізації цілих чисел зі знаком і без знаку, дозволяє компенсувати відсутність логічних операцій для цих типів даних. Експлуатація вироджених та непрямих властивостей деяких інструкцій допомагає, як компенсувати відсутність арифметичних операцій з необхідними типами даних або операцій для цілих чисел іншої розрядності, так і оптимізувати виконання математичних операцій таких, як знаходження суми, різниці, множення та скалярного добутку. арифметична операція, векторна інструкція, набір інструкцій процесора, операнд константи, оптимізація процесу обробки даних, паралелізм на рівні інструкцій, паралельне обчислення.

У статті розглянуто наукові підходи до визначення понять «інформаційне моделювання будівель», «будівельна інформаційна модель» та обґрунтовано зв’язок між ними. Виявлено чим відрізняється інформаційна модель від 3D-моделі. Дано відповіді на наступні питання: «як працює BIM?», «на якому етапі потрібен BIM?», «яка інформація є основою BIM?», «які можливості BIM-систем». Сформовано основні принципи BIM: тривимірне моделювання, автоматичне отримання креслень, інтелектуальна параметризація об'єктів, набори проєктних даних, що відповідають об'єктам, розподіл процесу будівництва за тимчасовими етапами. Сформульовано основні цілі і завдання сучасного BIM-проєктування: розробка проєктної документації на новому якісному рівні, прискорення оформлення та прийняття готових проєктних рішень, аналітики та прогнозування експлуатаційних властивостей створюваних і вже діючих об'єктів, оперативної підготовки будівельних планів і кошторисної документації, швидкого розміщення замовлень на виробництво необхідних конструкцій, матеріалів і устаткування. Виявлено основні переваги технології BIM на кожній стадії життєвого циклу будівельного об'єкта, практичну користь від інформаційної моделі будівлі, форми отримання інформації з BIM-моделі придатну для подальшого використання різними програмними засобами проєктування, розрахунку та аналізу будівлі та всіх вхідних в нього компонентів і систем, основні завдання BIM-менеджера – забезпечити ефективне застосування технології всередині організації, між її відділами, з підрядниками. Схематично продемонстровано яка інформація відноситься до BIM, що надходить в модель і отримується з моделі. Намічено основні шляхи розвитку BIM: підвищення конкурентоспроможність вітчизняного будівельного комплексу; зниження собівартість на етапі проєктування і проведення експертизи проєктної документації; мінімізує ризики виникнення надзвичайних ситуацій в ході проєктування і будівництва різних об'єктів. Досліджено еволюцію, етапи становлення та перспективи розвитку інформаційного моделювання в будівельному проєктуванні.

Предметом вивчення в статті є необхідно достатній функціонал роботи з геопросторовими даними. Метою є визначення переліку та загального функціоналу геоінформаційних ресурсів для здійснення геоінформаційної підтримки та ведення геопросторового аналізу. Завдання: визначити базовій набір геоінформаційних ресурсів який є мінімально необхідним для забезпечення геоінформаційної підтримки та ведення геопросторового аналізу; визначити загальний функціонал типових геоінформаційних ресурсів базового набору, який необхідний для забезпечення геоінформаційної підтримки та ведення геопросторового аналізу. Використовуваними методами є: методи статистичного аналізу, методи оптимізації, методи моделювання, методи побудови складних систем Отримані такі результати. Встановлено, що актуальним є питання створення такого набору геоінформаційних ресурсів, який би на мінімально достатньому рівні задовольняв потреби у геоінформаційній підтримці та забезпечив максимальну ефективність побудованої геоінформаційної системи. Встановлено, що існує геоінформаційні ресурсі, які затребувані у бідь-якій сфері діяльності, а їх функціонал роботи з геопросторовими даними від неї не залежить. Визначено наступний базовий набір типових геоінформаційних ресурсів: геоінформаційні ресурси, які призначені для збору, систематизації та накопичення базового набору геопросторових даних; геоінформаційні ресурси, які призначені для збору, систематизації, накопичення та відображення геопросторових даних та іншої інформації про об’єкти, які розташовані на певній території (акваторії); геоінформаційні ресурси, які призначені для відображення оперативної інформації (новини, події, розвідувальні дані, тощо) на визначній карті з прив’язкою до місцевості або об’єкту, яких стосується ця інформація. Також, визначено загальний функціонал цих ресурсів. Висновки. Визначений базовий набір типових геоінформаційних ресурсів охоплює всі основні питання геоінформаційної підтримки та геопросторового аналізу. Такий підхід надає змогу, за умов можливості, необхідності та достатності отримання даних, мати оперативну поінформованість де?, що? і коли? відбувається і відбувалось та найповнішу інформацію про потрібні території та об’єкти на них. Можливість цих базових типових геоінформаційних ресурсів використовувати інформацію з баз даних, які не входять до складу ГІС і супроводжуються окремо або у складі інших інформаційних систем, унеможливлює дублювання цієї інформації та значно спрощує структуру власних баз даних ГІС.

Глобальні кліматичні зміни і триваюче збільшення землекористування викликають помітне збільшення частоти та інтенсивності зсувів. Зсуви є важливою складовою низки значних стихійних лих і несуть відповідальність за набагато більш великі втрати, ніж загальновизнано. Зазвичай часто про зсуви згадують у зв'язку з повенями, землетрусами або виверженнями вулканів навіть при тому, що втрати від зсувних руйнувань можуть перевищувати всі інші збитки від загальної катастрофи. Протягом останнього десятиліття (з 2000 по 2009) стихійні лиха пошкодили та зруйнували близько одного мільйона об'єктів, що безпосередньо торкнулося майже 2,5 млрд людей в усьому світі. Щорічно у Європі трапляється близько 20 великих зсувів – значно більше, ніж повеней, землетрусів та ураганів. Системи раннього попередження про небезпеку є ефективним інструментам для запобігання та пом'якшення ризиків, пов'язаних з виникненням різного типу загроз (зсувів у тому числі). У статті представлена і описана концепція та практична реалізація нової інтегрованої методології систем раннього попередження, яка заснована на інтеграції між сучасними технологіями моніторингу і всебічним чисельним моделюванням досліджуваного обєкту. Основна концепція EWS, встановлених на зсувах, полягає в тому, щоб елементи, котрі схильні до ризику, особливо люди, що знаходяться далеко від небезпечної зони, мали достатньо часу для евакуації у випадку очікування неминучого колапсу. Тому дійова і ефективна EWS повинна включати в себе чотирі основні набори дій: моніторинг активності об’єкта спостереження: збір даних, передача і обслуговування обладнання; аналіз і моделювання досліджуваного об’єкта; попередження - розповсюдження простої і зрозумілої інформації про об’єкт спостереження; ефективна реакція у відповідь елементів схильних до ризику; повне знання ризику. Наведено приклади практичної реалізаії запропонованої інтегрованої методології для різних будівельних об’єктів та природно-техногенних систем: 1) Центральна Лівадійська зсувна система та Лівадійський палац, 2) система моніторингу зсувонебезпевних ділянок Харьківської обл., 3) система раннього попередження зсувів з використанням безпілотних літальних аппаратів в якості спеціалізованої системи моніторингу зсувних деформацій.

Глобальні кліматичні зміни і триваюче збільшення землекористування викликають помітне збільшення частоти та інтенсивності зсувів. Зсуви є важливою складовою низки значних стихійних лих і несуть відповідальність за набагато більш великі втрати, ніж загальновизнано. Зазвичай часто про зсуви згадують у зв'язку з повенями, землетрусами або виверженнями вулканів навіть при тому, що втрати від зсувних руйнувань можуть перевищувати всі інші збитки від загальної катастрофи. Протягом останнього десятиліття (з 2000 по 2009) стихійні лиха пошкодили та зруйнували близько одного мільйона об'єктів, що безпосередньо торкнулося майже 2,5 млрд людей в усьому світі. Щорічно у Європі трапляється близько 20 великих зсувів – значно більше, ніж повеней, землетрусів та ураганів. Системи раннього попередження про небезпеку є ефективним інструментам для запобігання та пом'якшення ризиків, пов'язаних з виникненням різного типу загроз (зсувів у тому числі). У статті представлена і описана концепція та практична реалізація нової інтегрованої методології систем раннього попередження, яка заснована на інтеграції між сучасними технологіями моніторингу і всебічним чисельним моделюванням досліджуваного обєкту. Основна концепція EWS, встановлених на зсувах, полягає в тому, щоб елементи, котрі схильні до ризику, особливо люди, що знаходяться далеко від небезпечної зони, мали достатньо часу для евакуації у випадку очікування неминучого колапсу. Тому дійова і ефективна EWS повинна включати в себе чотирі основні набори дій: моніторинг активності об’єкта спостереження: збір даних, передача і обслуговування обладнання; аналіз і моделювання досліджуваного об’єкта; попередження - розповсюдження простої і зрозумілої інформації про об’єкт спостереження; ефективна реакція у відповідь елементів схильних до ризику; повне знання ризику. Наведено приклади практичної реалізаії запропонованої інтегрованої методології для різних будівельних об’єктів та природно-техногенних систем: 1) Центральна Лівадійська зсувна система та Лівадійський палац, 2) система моніторингу зсувонебезпевних ділянок Харьківської обл., 3) система раннього попередження зсувів з використанням безпілотних літальних аппаратів в якості спеціалізованої системи моніторингу зсувних деформацій.

В роботі було проведено короткий аналіз функцій баз даних SQL та NoSQL, були приведені їх основні відмінності. На сьогоднішній день існують два найбільш поширених типу систем управління даними: реляційні бази даних та NoSQL. Існує величезне різноманіття моделей даних та API (Application Programming Interface) запитів для NoSQL. Зокрема для порівняння були обрані Apache Cassandra, DynamoDB, MongoDB. Модель даних та функціональність Apache Cassandra має схожість з іншими масштабованими сховищами. Оновлення та угруповання стовпців кешується в оперативній пам'яті, після чого скидаються на диск. Основною метою роботи було порівняння продуктивності реляційних SQL баз даних та NoSQL, на прикладі PostgreSQL, MySQL, Apach Cassandra, MongoDB, Amazon DynamoDB. Для тестування продуктивності було розроблено окремий програмний продукт. Основним предметом дослідження є продуктивність базових операцій цих систем. Результати про продуктивність кожної з них були отримані за допомогою розробленої системи тестування, адаптованої для потреб дослідження. Розроблена система тестування озволила тестувати швидкість виконання складних аналітичних операцій, робити додаткові налаштування, використовувати великий обсяг даних. Система була розширена для виконання тестування розширеного набору операцій над схемою даних, що містить зв'язки між таблицями. Ця система тестування містить набір готових навантажень, які покривають основні аспекти функціонування й підтримують створені користувачем навантаження. За допомогою системи тестування були отримано дані про продуктивність представлених систем управління базами даних для набору різних запитів. Для аналізу продуктивності вимірювався час відгуку систем на запит – час між початком запиту й одержанням відповіді. Порівнювалися два види показників – середній відгук по виконані операції й деталізований аналіз. Отримані дані були представлені у вигляді діаграм, і по ним був зроблений висновок про продуктивність баз даних SQL та NoSQL. Вибір баз даних повинен максимально ґрунтуватися на типі вирішуваних завдань й також повинен враховувати обсяги даних, час відгуку системи.

Розкрито принципи формування електронного архіву даних як основи для здійснення інформаційно-пошукового запиту. Визначено поняття електронного архіву даних, електронний архів документів це багатогранна система, призначена для зберігання електронних документів у будь-якому форматі в залежності від їх призначення і вимог користувачів. Підкреслено, що система архівації електронних документів дозволяє класифікувати документи за типами та видами залежно від їх призначення і затребуваності, а також проводити релевантний пошук документів за ключовими словами, реквізитами та іншими параметрами. Наголошується, що формування електронного архіву даних як основи для здійснення інформаційно-пошукового запиту умовно можна розбити на кілька етапів: визначення масиву документації, яка підлягає розміщенню в електронному архіві; оцифровка документів; структурування електронних документів на основі різного роду критеріїв; розробка регламентів роботи; визначення рівнів доступу співробітників до документів для їх перегляду або редагування і забезпечення безпеки. Наведено структурну схему цифрового архіву та схему реалізації інформаційно-пошукового запиту на базі електронного архіву даних. Описано стадії наповнення електронного архіву документів та обґрунтовано способи наповнення. Запропоновано алгоритм реалізації інформаційно-пошукового запиту на базі електронного архіву та проаналізовано моделі інформаційно-пошукового запиту на базі електронного архіву даних з відокремленням їх переваг та недоліків, що представлені у вигляді порівняльної таблиці. Зазначено, що практичний аспект реалізації інформаційно-пошукового запиту на базі електронного архіву даних ґрунтується на наборі термінів, що представляють собою окремі слова або словосполучення, а математична складова відображення електронного документу являє побою покриття аналізу частин (фрагментів) документу, де кожному окремому фрагменту співвідноситься набір даних.

Досліджено процес прогнозування дефектів у програмному забезпеченні (ПЗ) з використанням алгоритмів глибинного навчання. Показано, що цей процес складається з декількох основних етапів: пошук та підготовка даних, побудова абстрактного синтаксичного дерева (АСД), обхід дерева та кодування значень вершин у цілі числа, збалансування даних, побудова та навчання нейронної мережі. З'ясовано, що застосування цього процесу прогнозування дефектів у ПЗ може пришвидшити та полегшити пошук дефектів та відповідно знизити вартість їх виправлення. Встановлено, що передові алгоритми машинного навчання, які на цей момент використовуються на етапі побудови та навчання нейронної мережі, досі є недостатньо ефективними, щоб можна було застосовувати прогнозування дефектів у комерції, демонструючи нестабільну точність 40-60 %. За результатами досліджень встановлено, що застосування алгоритмів глибинного навчання дає точніші результати, ніж інші алгоритми машинного навчання. Для зниження дисперсії та підвищення середньої точності прогнозування запропоновано новий метод прогнозування дефектів у ПЗ на підставі поєднання двох останніх модифікацій алгоритмів глибинного навчання CNN та RNN за допомогою бінарного класифікатора логістична регресія. Проведено навчання нейронної мережі на наборі даних розміром 50 000 файлів вихідного коду, отриманих з 13-ти проєктів мовою Java. За результатами досліджень виявлено, що метод CNN+RNN в середньому дає на 10-9 % вищу точність, ніж RNN та на 2 % вищу точність, ніж CNN, що доводить доцільність використання поєднання алгоритмів глибинного навчання у задачі прогнозування дефектів. Проаналізовано точність методу CNN+RNN по кожному з ПЗ проектів з набору даних, унаслідок чого виявлено, що для 11-ти з 13-ти проєктів поєднання CNN+RNN дає не меншу точність, ніж окремо взяті CNN та RNN.

У наш час найбільш точні моделі для розпізнавання об’єктів базуються на двоступеневому підході, популяризованому як R-CNN. На відміну від них, одноступеневі моделі, що застосовуються під час регулярного, детального відбору зразків, можуть бути швидшими та простішими, але вони не досягають точності двоступеневих моделей. Проте з новою функцією втрат, дисбаланс класу, який виникає під час тренування на наборі даних, зникає. Саме тому одноступенева модель має переваги в продуктивності та точності на відміну від двоступеневої. У роботі використано цей дисбаланс класів, щоб переформувати стандартні, перехресні ентропійні втрати таким чином, щоб зменшити їх. В архітектурі RetinaNet[1], функція втрат Focal Loss[1] сфокусовує навчання на наборі даних, які зустрічаються рідше, і запобігає перевантаженню моделі під час тренувань. Архітектура RetinaNet була протестована на наборі даних CROHME[4], що був розширений за допомогою алгоритму Data Augmentation[9] для збільшення частоти входження певних елементів формул. Також було порівняно дві бібліотеки машинного навчання: TensorFlow та Torch. Отримані результати показують, що коли модель тренується з фокальною втратою, RetinaNet показує дуже добрі результати та має хорошу швидкість виконання. Окрім того, отриману модель було інтегровано в веб-застосунок на основі мікросервісної архітектури. Основними веб-фреймворками було використано NodeJs для серверної частини та VueJs для рівня подання. Для роботи з базами даних ми використовуємо MongoDB. Розгортання програми відбувається за допомогою хмарної служби AWS на основі Lambda-функцій, що дає змогу виокремити процеси навчання, обробки, візуалізації та контролювати ресурси серверу окремо для кожного процесу.

У роботі проведено аналіз задач, які виникають при застосуванні безпілотних авіаційних комплексів в охороні кордону. Показано, що вирішення цих задач пов’язане з використанням геоінформаційних технологій, зокрема, геообробки з урахуванням різних наборів даних в геоінформаційній системі. Визначена проблематика забезпечення достатньої точності просторових даних про рельєф та об’єкти у прикордонній місцевості. При вирішенні задач ефективного і безпечного застосування безпілотної авіації в охороні кордонів, зокрема, раціонального планування маршрутів польоту безпілотних літальних апаратів, запропоновано використання геоінформаційної системи Державної прикордонної служби України «Гарт-17». Геоінформаційні технології пропонується використовувати як для отримання вихідних даних, так і для проведення базової геообробки даних. Застосування геоінформаційної системи є важливим при розрахунку показника ефективності спостереження з БПЛА, який використовується для визначення ефективного застосування безпілотної авіації з метою виявлення ознак порушень прикордонного законодавства. Для уточнення такої інформації запропоновано використання безпілотної авіації. З метою отримання уточнених 3D даних в якості корисного навантаження безпілотних літальних апаратів можливе застосуванням лідарів або камер з високою роздільною здатністю. При проведенні аерофотозйомки для відтворення просторових моделей необхідна додаткова обробка фотознімків. При використанні геоінформаційної системи ДПСУ в задачах забезпечення ефективного застосування безпілотної авіації необхідне доповнення бази геоданих новими наборами даних з уточненою інформацією про рельєф місцевості та різноманітні об’єкти в прикордонній місцевості де плануються польоти безпілотної авіації для вирішення задач з питань охорони державного кордону.

Робота присвячена дослідженню продуктивності методів нормалізації об'ємних даних. Робота відноситься до області обробки поста експериментальних і статистичних даних, яка полягає в перетворенні вхідного набору даних в вихідний в конкретному інтервалі (нормалізація).В рамках роботи було досліджено актуальні на сьогоднішній день методи нормалізації з метою їх застосування для нормалізації числових даних зі збереженням співвідношення. Була розроблена бібліотека, реалізує підійшли під цей критерій методи, що дозволяє нормалізувати і візуалізувати вихідні дані.

Об’єктом дослідження є методи індексування у нереляційних базах даних. У статті був зроблений огляд найбільш поширених алгоритмів хешування та запропонованого алгоритму хешування на основі простих чисел та двійкової системи числення. Ця робота грунтується на основній теоремі арифметики, яка стверджує про можливість факторизації будь-якого натурального числа унікальним набором простих чисел. Даний підхід дає можливість використовувати математичний апарат для обгрунтування властивостей алгоритму. Алгоритми, що розглянуті у статті, базуються навиконанні послідовності бітових операцій і тим самим, не можуть бути стійкими до колізій. Саме ця характеристика є найважливішою для використання розширеного хешування замість збалансованого бінарного дерева при індексації у нереляційних базах даних. Це дасть можливість не тільки підвищити швидкодію запитів, а ще дозволитьвикористовувати апаратні засоби максимально ефективно. Оскільки головною метою роботи є адаптація комбінованого алгоритму для нереляційних баз даних, то для досягнення цієї мети необхідно мати хеш-функцію, якамає високу стійкість до колізій. Запропонований алгоритм було реалізовано з використанням мови програмування високого рівня С++, оскільки вона дозволяє створювати абстракції з низькою “вартістю” та мати можливість роботи на низькому рівні з інформацією. У контексті роботи, найбільш корисною можливістю є виконання операцій набітовому рівні. В якості практичної частини було проведено два експерименти, метою яких було виявлення різних вхідних масивів даних, які на виході давали би однакові хеші. Основною ідею експериментів була генерація випадкових даних та отримання хешів, використовуючи запропонований алгоритм. Результатом тестування є відсутність таких вхідних масивів даних. Результати досліду показали доцільним продовжувати досліджувати запропонований алгоритм з використанням математичного апарату для аналізу його властивостей. Бібл. 4, табл. 1.

Авторами на основі теоретичного узагальнення і робіт, пов'язаних з компонуванням типових елементів, розглянуті задачі покриття і типізації комутаційних схем. Серед методів компонування виділяють два характерних класи. До першого класу відносяться такі, в яких здійснюється розбиття комутаційної схеми на блоки з урахуванням таких обмежень, як число елементів в блоках, число зовнішніх вихідних роз'ємів блоків, сумарна площа. Другий клас утворює методи, в яких крім конструктивних характеристик утворюються і їх функціональні характеристики. Вони виникають на етапі переходу від функціональних і логічних схем до комутаційних схем орієнтованих на задану систему елементів, складаються в призначенні елементів логічної схеми в типові модулі із заданого набору. Даний клас називають методом покриття або задачами компонування типових блоків. У статті розглянута задача покриття, приведені набори класів осередків і розглянутий варіант різнотипних елементів, які пов'язані між собою. У задачі типізації розглянуто розбиття комутаційної схеми на частини за критерієм оптимальності – мінімуму номенклатури частин розбиття і за критерієм оптимальності – максимуму однотипності використовуваних осередків. В якості математичної моделі використовували теорію графів, зіставивши конструктивні елементи комутаційної схеми вершинам графа, а електричні з'єднання ребрам графа.

Предмет: У статті розглянуті питання семантичного та синтаксичного аналізу текстів, процесів декомпозиції речення на складові, побудови синтаксичної структури речення; семантичної інтерпретації фрагментів речення природної мови у фрагменти М-мови; композиції фрагментів М-мови в структуру реферату, що описує проблемне середовище. Мета: розробка методу аналізу та обробки інформації в СППР АСУ. Завдання: Провести аналіз досліджень останніх років пов'язаних з вирішенням проблеми аналізу змісту мовних структур з погляду на створення систем діалогу з програмним забезпеченням, зроблено висновки щодо доцільності напрямку досліджень. Виконати детальний опис етапів виконання семантичного та синтаксичного аналізу з описом вхідних, проміжних та вихідних даних. Визначити рекомендації щодо варіативності вхідних даних в залежності від структури речень предметної області (тексту викладеного природною мовою). Запропонувати правила формування предикатів для різних частин української мови. Визначити типовий набір службових слів для наповнення еталонного словника. Обґрунтувати виконання наведених операцій щодо об’єднання в одну обчислювальну структуру, яка виконується за визначеними етапами. Розробити процедури проходження кожного з етапів. Запропонувати правила формування синтаксичних груп з визначених пар лексем. Висновки: Застосування розробленого методу на основі визначених правил до предикатів дозволить виконати вибірку інформативно суттєвої інформації із набору текстової інформації та представити її у вигляді анотації (реферату).

Представлена інформація про клінічні дослідження з використання стовбурових клітин у лікуванні пацієнтів із синдромом діабетичної стопи згідно з базою даних сайту ClinicalTrials.gov. Станом на 20 квітня 2020 р. на сайті www.ClinicalTrials.gov розміщена інформація про 37 клінічних досліджень із використання стовбурових клітин у лікуванні пацієнтів із синдромом діабетичної стопи. Середня тривалість цих клінічних досліджень становить 2 роки і 7 місяців (від 8 місяців до 6 років). Поточний статус клінічних досліджень: «невідомий» — 18 досліджень, «завершено» — 10 досліджень, «набір» — 5 досліджень, «активний, без набору» — 2 дослідження, «немає набору» і «відкликано» — по 1 дослідженню. Найбільше клінічних досліджень проводиться в Китаї (8 досліджень), Сполучених Штатах Америки (6 досліджень), Республіці Корея (4 дослідження), Іспанії та Німеччині (по 3 дослідження). 35 клінічних досліджень були інтервенційними, 2 дослідження — обсерваційними проспективними «тільки випадок» з оцінки безпеки препарату. Загальна кількість учасників клінічних досліджень склала 2438 осіб (мінімальна — 4, максимальна — 250, середня — 66). Розподіл для22 клінічних досліджень був рандомізованим і для 3 — не рандомізованим; для 12 досліджень інформація відсутня. За типом інтервенційної моделі 23 клінічні дослідження були призначеннями в паралельних групах, 11 — призначеннями в одинарних групах і 1 — послідовним призначенням. У 25 клінічних дослідженнях маскування не застосовувалося, 5 досліджень були одиночними сліпими, 3 дослідження — подвійними сліпими, 1 дослідження — потрійним сліпим і 1 дослідження — четвертним сліпим; для 2 досліджень інформація відсутня. Основною метою 35 клінічних досліджень було лікування. Для 31 клінічного дослідження були вказані такі фази дослідження: рання фаза I (раніше фаза 0) — для 2 досліджень, фаза I — для 12 досліджень, фаза I/II (поєднання фаз I і II) — для 9 досліджень, фаза II — для 6 досліджень, фаза II/III (поєднання фаз II і III) — для 1 дослідження, фаза III — для 1 дослідження; у 4 дослідженнях визначення фаз не застосовувалося, а у 2 дослідженнях інформація відсутня. Представлено огляд публікацій за результатами 7 клінічних досліджень.

Незважаючи на те, що кластеризація є безконтрольною класифікацією багатовимірних даних увідповідні кластери, застосування кластерного аналізу під час дослідження морфологічних харак-теристик сортів рослин дозволяє зменшити розмірність вибірки даних, що сприяє більш точній іде-нтифікації нових сортів. Саме тому важливим питанням є порівняння результатів кластеризації іззастосуванням різних методів і метрик та виявлення найбільш придатних для аналізу морфологічниххарактеристик. Методи: аналітичний, математичний, статистичний, графічний. Під час виконан-ня досліджень використано широко відомий набір даних, що має назву Іриси Фішера. Результати.Досліджено вплив на результат кластерного аналізу різних ієрархічних агломеративних методівкласифікації (ближнього сусіда, дальнього сусіда, середнього зв'язку, середнього сусіда (центроїда)та метода Варда) із застосуванням евклідових та не евклідових метрик. Оцінено результати клас-терізації з використанням засобів описової статистики (методу перехресних таблиць). Встановле-но, що найбільш придатними для проведення кластеризації за морфологічними характеристикамидля наборів даних, які описуються метричними шкалами є методи: середнього зв'язку (між групами)із застосуванням кореляції Пірсона, середнього зв'язку (всередині групи) із застосуванням метрикКосінус та кореляції Пірсона, а також методу Варда із застосуванням метрики Косінус. Запропо-новано використовувати апарат частотної статистики (перехресні таблиці) для оцінювання якос-ті результатів класифікації. Висновки. Проведене тестування довело, що не існує жодного універса-льного алгоритму, який би ідеально розподілив набір Ірисів Фішера на кластери. Не зважаючи на те,що встановлено методи й метрики, які є найбільш вдалими для класифікації протестованого наборуданих, ці методи не можна рекомендувати для використання під час тестування морфологічних оз-нак усіх ботанічних таксонів. Кластеризацію сортів рослин потрібно проводити ітераційно, послі-довно застосовуючи найбільш поширені алгоритми кластеризації та ретельно оцінювати результа-ти кластеризації з метою вибору метода та метрики, які найбільш оптимально класифікують сор-ти рослин та дозволять правильно інтерпретувати результати класифікації. Результати такоїкластеризації рекомендовано оцінювати з використанням методу перехресних таблиць та обиратикращий за якістю кластерів.

Розглядаються механізми візуалізації для побудови термінологічних хмар. На прикладі JSON, HTML, CSV, XLSX, XML, TXT наведений перелік типів файлів та ресурсів. Проаналізовано можливості добування та збереження вхідних даних. Проведено дослідження аналогічних систем, на основі якого було обрано два оптимальні типи файлів, а саме CSV та TXT. Виявлено підхід формування списку ключових слів для наукових публікацій або виокремлення провідної тематики різних текстів. Встановлено, що у разі необхідністі обробки великих текстів спільної спрямованості, якими наприклад можуть бути літературні твори, наукові статті, судові вироки тощо, достатнім буде використання малих веб-додатків для побудови тегових хмар. Тегові хмари на основі алгоритму k-середніх здатні досить ефективно виявити ключові поняття, найбільш уживані слова та провідні концепції. При порівнянні між собою форматів CSV та TXT, було підтверджено, що швидкість обробки залежить скоріше від об’єму вхідної інформації, ніж від структури файлу. Звідси, можна стверджувати, що використання одного або іншого формату зумовлено вибором користувача. Проведено аналіз з якого відзначено, що формат CSV потребує верхнього рядка, в якому вказують атрибути. Для більшої коректності подальшого аналізу, атрибути слід вказати і формувати кожний наступний рядок даних строго по черзі. Така незначна особливість структури допомагає досліднику орієнтуватися серед набору текстової інформації, а при подальшій обробці перший рядок можна не враховувати. На відміну від попереднього формату, формат TXT не потребує формування першого рядка атрибутів. Це ускладнює візуальне сприйняття наявної інформації. Не рекомендовано вводити атрибути самостійно, в подальшому при обробці це буде впливати на коректність результатів кластеризації в негативний бік.

Пропонується метод фільтрації набору асоціативних правил, отриманих у результаті пошуку логічних залежностей. Кількість знайдених асоціативних правил за умови встановлених рівнів підтримки та довіри може бути досить великою й потребує скорочення. Метод дозволяє працювати з так званими "цікавими" правилами, які мають такі рівні підтримки та довіри, які значно відрізняються від очікуваних. Очікувані параметри розраховуються виходячи з припущення про незалежність ознак, що входять до лівої частини правила. Показано, як змінюються рівні підтримки та довіри "цікавих" асоціативних правил за умови залежності ознак в даних, які аналізуються.

У статті представлено методику розрахунку тактичного радіуса дії літаків з турбореактивною силовою установкою на підставі їх льотно-технічних характеристик, що наводяться у загальнодоступній довідковій літературі. Це дозволяє розраховувати їх характеристики досяжності, не використовуючи громіздкі дані, що містяться у номограмах з розрахунку дальності та тривалості польоту літаків відповідних типів. При цьому забезпечується збіжність результатів, отриманих за допомогою запропонованої методики з результатами, отриманими на підставі традиційних номограм, до 15÷20 %. Наведені результати можуть бути використані при розробці спеціального програмного забезпечення для систем моделювання бойових дій авіації.

Високі темпи оновлення техніки і технологій, які перевищують сьогодні темпи зміни поколінь людей, зумовлюють зміни в системі професійної освіти. Вона відрізняється від традиційної освіти, перш за все, своїм технологічним забезпеченням, оскільки не може функціонувати на базі традиційних освітніх технологій [1].Технологічність неперервної професійної освіти означає таке:– збільшення часових термінів і значущості етапів самоосвіти;–підвищення ролі засобів навчання, розроблених на основі сучасних інформаційних технологій;–підвищення значущості принципу індивідуалізації навчання.З розвитком інформаційних технологій все більшого поширення набувають автоматизовані навчальні системи, які мають реалізувати наведені вище принципи. У даній статті розглядатиметься модель представлення предметних знань у одній з таких навчальних систем, яка у свою чергу призначена для вивчення графічних САПР .Розглянемо структурування навчального матеріалу спочатку з найзагальніших позицій. Навчальний матеріал завжди являє собою систему, що має ту чи іншу структуру. Виділяють глобальну і локальну структуру навчального матеріалу. До глобальної структури відносять більш чи менш об’ємні частини навчального матеріалу, до локальної структури – систему внутрішніх зв’язків між поняттями, що входять у дану частину матеріалу.Моделювання навчальної предметної області істотно відрізняється від моделювання інших предметних областей. Цілі моделювання навчальних і не навчальних предметних областей є різними. Так відбувається тому, що будь-яка діяльність здійснюється шляхом розв’язання власних, специфічних задач. Але у ненавчальній діяльності розв’язання задач і є ціллю, тоді як для навчальної діяльності розв’язання задач – це не ціль, а засіб досягнення цілі (маються на увазі цілі навчання). Інакше кажучи, власне результат вирішення задач не настільки важливий, як сам факт його правильності чи неправильності. Важливий процес їх вирішення, так як саме під час процесу вирішення задач у учня формується спосіб дій.Для того, щоб навчити людину певній діяльності, необхідно виділити усі дії, які належать до цього виду діяльності, а у кожній дії – усі операції, що забезпечують успіх цієї дії.У відповідності до класифікації (рис. 1), існує розподіл предметних знань на декларативні і процедурні [2]. Рис. 1. Класифікація предметних знань При побудові моделі предметної області (ПО) її об’єкти та поняття вивчаються з точки зору структури чи зовнішніх форм (синтаксична модель ПО), властивостей та відношень між ними (семантична модель), методів та алгоритмів функціонування (прагматична модель ПО).Одним з актуальних підходів до побудови такої моделі знань є онтологічний аналіз, яки включає побудову словника понять і термінів для опису ПО та набір логічних висловлювань, які формулюють обмеження, що існують у предметній області.Онтологія визначає загальний словник для спеціалістів, яким необхідно разом використовувати інформацію у предметній області. Звичайно онтологія включає структури даних, які містять усі релевантні класи об’єктів, їх зв’язки і правила (теореми, обмеження), прийняті у цій області. Чому виникає потреба у розробці онтології? Ось деякі причини:– для спільного використання людьми чи програмними агентами, загального розуміння структури інформації;– для можливості повторного використання знань у предметній області;– для відділення знань у предметній області від оперативних знань;– для аналізу знань у предметній області.Онтологія предметної області сама по собі не є метою дослідження. Розробка онтології подібна до визначення набору даних і їх структури для використання іншими програмами.В основі онтологій лежать класи, об’єкти, їх властивості та обмеження, що реалізують представлення про об’єкти як про множину сутностей, які характеризуються певним набором властивостей. Ці сутності знаходяться у певних відношеннях між собою і за певними ознаками (властивостями та обмеженнями) об’єднуються у групи (класи). В результаті повного опису об’єктів та їх властивостей предметна область буде представлена як складана база знань, для якої можна здійснювати інтелектуальні операції, такі як семантичний пошук і визначення цілісності та достовірності даних.В рамках навчальних процесів застосування онтологій дозволить визначити основні компоненти навчальних дисциплін – лекції, практичні та лабораторні заняття, навчальні матеріали, що використовуються. Роль навчальних систем у такому випадку буде зводитися до ролі інтелектуальних агентів, які будуть здійснювати вибірки з бази знань у залежності від контексту навчання. Іншою досить важливою особливістю такої системи буде можливість збудувати тестуючу програмну систему, яка генеруватиме набори контрольних завдань виходячи з семантики описаних онтологій конкретних навчальних курсів.В основу онтології «Навчальна дисципліна» (рис. 2) покладено основні принципи, які використовуються для структуризації лекцій, практичних занять і т.д. в «звичайному» навчальному процесі. У відповідності до цих принципів було сформовано структуру і виділено основні компоненти навчальних курсів.Даний спосіб являє собою шаблон, що описує структуру електронних матеріалів навчального курсу. Іншими словами, було створено онтологію, що визначає структуру і поняття, характерні для більшості навчальних курсів.Предметною областю тут є вся термінологія, що використовується для організації навчального курсу: тема, лекція, практичне заняття, лабораторна робота, контрольні запитання, приклади, списки додаткової літератури, а також усі більш дрібні компоненти кожного з об’єктів [3].У цій статті онтологія – формальний явний опис понять розглянутої предметної області (класів), властивостей кожного поняття (слотів, атрибутів) та обмежень, накладених на слоти (інколи їх називають обмеженнями ролей). Онтологія разом з набором індивідуальних екземплярів класів утворює базу знань.Якщо ж ми будемо за допомогою онтологій описувати предметну область «графічна САПР», то вона виглядатиме дещо інакше. У центрі онтології знаходяться класи, що описують поняття предметної області. Наприклад, клас «Інструменти створення зображення» представляє всі засоби, якими можна скористатися для створення графічного зображення.Конкретні інструменти, такі як «Точка», «Відрізок», «Коло» – екземпляри цього класу.Деякі класи мають підкласи, які представляють більш конкретні поняття, ніж надклас. Наприклад, можна розділити клас усіх інструментів оформлення на розміри, умовні позначення, інструменти вставки текстів і таблиць. Рис. 2. Онтологічне подання змісту навчальної дисципліни В результаті вивчення було виявлено наступні види зв’язків в онтології (табл. 1):Таблиця 1Типи зв’язків у онтології Тип зв’язкуЗначення зв’язкуПриклад застосування у предметній області «Навчання»Приклад застосування у предметній області «Графічні системи»Таксономія («kind-of», «is-a»)Відношення приналежності до певного класу чи категоріїКонтрольні запитання, контрольні завдання, тести належать до категорії «Засоби контролю знань»Наприклад, інструменти «Колонна», «Балка», «Ферма» належать до більш загальної категорії «Несучі конструкції». Інструменти «Стіна», «Перегородка» належать до категорії «Огороджуючі конструкції»Партономія («part-of», «consists», «has part»)Відношення «частина-ціле», складова частина, компонентЛекції, практичні завдання, тести є складовими частинами навчального курсу. У свою чергу вони також поділяються на частини: тести складаються з запитань, лекції – з певних інформаційних блоків тощоКреслення може містити такі складові, як графічна частина, елементи оформлення, атрибути або метадані. У свою чергу графічна частина складається с шарів, шари з макрооб’єктів, макрооб’єкти з елементарних об’єктівГенеалогіяВідношення «предок-нащадок»На рис. 2 є наступний приклад такого відношення: класи «Електронна література» та «Друкована література» є нащадками класу «Література» «if-then»Причинно-наслідковий зв’язокПрикладом причинно-наслідкового зв’язку у навчальному процесі може бути адаптація навчального курсу у відповідності до результатів попередніх тестувань особи, що навчається.Прикладом причинно-наслідкового зв’язку може бути зміна розмірного напису при зміні геометричних характеристик об’єкту, перебудова зображення при зміні масштабу і т.д.Атрибутивний зв’язокСутність є одночасно атрибутом іншої сутностіНа рис.2 представлено сутність «Вид діяльності», атрибутами якої є «Теоретичні відомості», «Приклади», «Вправи», «Контроль», «Література». В той же час вони є окремими сутностями і мають власні атрибути. Існує декілька можливих підходів для розробки ієрархії класів: низхідний, висхідний та комбінований. Для даної розробки був обраний висхідний підхід, який починається з визначення найбільш конкретних класів, листків ієрархії, з наступним групуванням цих класів у більш загальні поняття. Наприклад, спочатку ми визначаємо класи для інструментів «Стіна», «Колона» й «Вікно». Потім ми створюємо загальний надклас для цих трьох класів «Інтелектуальні інструменти», який, у свою чергу, є підкласом для «Інструментів створення зображення».Класи самі по собі не містять достатньої інформації про об’єкти предметної області, після визначення ієрархії класів необхідно описати внутрішню структуру понять, тобто їхні властивості та обмеження.У процесі навчання системою фіксуються стійкі послідовності чи комбінації об’єктів (т.зв. патерни проектування) та понять, вони класифікуються і формуються у асоціативні ланцюги та метапоняття. Ланцюги операцій об’єднуються в операції більш високого рівня, в результаті на моделі ПО будується ієрархія операцій.Висновки. У даній статті описано процес розробки онтології інструментальних засобів для створення проектної документації з використанням графічних САПР. Детально розглянуто усі кроки створення онтології, питання визначення ієрархій класів та властивостей класів і екземплярів.

Метою проекту було створення програмного забезпечення, а саме веб-платформи, який надає можливість впорядкувати, нормалізувати та спростити пошук наукового доробку, що міститься серед періодичних наукових видань. Для досягнення поставленої мети, в розробці програмного продукту, було сформовано наступні задачі: проаналізувати основні проблеми предметної області; проаналізувати існуючі аналогів; обрати засоби реалізації програмного продукту; розробити програмний продукт. Об’єктом дослідження виступив онлайн-сервіс, що впорядковує та спрощує пошук серед наукових публікацій. На даний момент, існує декілька аналогів, але головною відмінністю поміж ними є те, що дані програмні продукти не містять перелік наукових видань Одеської національної академії харчових технологій. Для розробки серверної частини електронного дайджесту був обраний фреймоврк Spring та мова програмування Kotlin. Була розроблена реляційна база даних у вільній об’єктно-реляційній СУБД PostgreSQL. Середовищами розробки були обрані IntelliJ IDEA та DataGrip. Для розробки клієнтської частини електронного дайджесту було використано середовище розробки PHPStorm з інтелектуальним редактором, який підтримує передові технології розробки та включає в себе підтримку баз даних, також володіє повним набором інструментів для розробки Інтернет ресурсу. Інтерфейс дайджесту було побудовано за допомогою HTML5/CSS3, для побудови інтерактивного та функціонального додатку було використано мову JavaScript, а також фреймворк Bootstrap для поліпшення розробки.

Досліджено методи визначення фізичної активності людини за допомогою смартфону. Серед основних переваг використання смартфонів для контролю повсякденної активності людини є їх переносимість, практичність та невеликий розмір. Ці пристрої можуть нагромаджувати, обробляти й аналізувати корисну інформацію з необроблених даних сенсорів, що є зручно у цьому контексті. На основі зібраних даних акселерометра розроблено алгоритм класифікації, що може бути використаним для створення мобільного додатку, враховуючи його обмежені ресурси. Оцінку алгоритму проведено за допомогою методів штучного інтелекту, де алгоритм спочатку навчається, а пізніше тестується. Таке тестування здійснено на основі відкритого набору даних прискорення поясу. Отримано алгоритм з точністю визначення 86 %, що свідчить про те, що такий алгоритм може бути використаним для створення мобільного додатку.

26 квітня 1986 р. на четвертому реакторі Чорнобильської атомної електростанції (ЧАЕС) сталася найбільш масштабна техногенна аварія в історії людства. Мета — представити інформацію про клінічні дослідження медичних наслідків аварії на ЧАЕС. Результати. Станом на 31 березня 2020 р. на сайті ClinicalTrials.gov була розміщена інформація про 6 клінічних досліджень із медичних наслідків аварії на ЧАЕС. Середня тривалість досліджень становить 15 років і 9 місяців, а 2/3 із них виконуються понад 20 років. Поточний статус досліджень: «завершено» — 3 дослідження, «набір», «активний, без набору» і «призупинено» — по 1 дослідженню. 4 клінічних дослідження проводяться в Україні: 3 — на базі ДУ «Національний науковий центр радіаційної медицини НАМН України» і 1 — на базі ДУ «Інститут ендокринології та обміну речовин ім. В.П. Комісаренка НАМН України»; 1 дослідження проводиться в Республіці Білорусь на базі Республіканського науково-практичного центру радіаційної медицини та екології людини (м. Гомель), а 1 завершене дослідження проводилося в Спо- лучених Штатах Америки на базі Національного інституту раку (National Cancer Institute). У всіх дослідженнях головний дослідник є співробітником National Cancer Institute (США). Спонсором усіх досліджень є National Cancer Institute (США). Загальна кількість учасників клінічних досліджень становила 51 051 особу (мінімальна — 673, максимальна — 23 143, середня — 8 508). Тип дослідження у всіх випадках був обсерваційний. За моделлю дослідження розподіл наступний: когортне дослідження — 2 дослідження, дослідження «випадок-контроль» — 2 дослідження, дослідження сімей — 1 дослідження (для одного дослідження інформація відсутня). За часовою перспективою дослідження були ретроспективними — 3 дослідження, проспективними і поперечними — по 1 дослідженню (для одного дослідження інформація відсутня). За методом вибірки клінічні дослідження були випадковими (2 дослідження) і невипадковими (3 дослідження); для одного дослідженняінформація відсутня. Представлено огляд 20 публікацій за результатами 5 клінічних досліджень. Висновок. На сайті ClinicalTrials.gov зареєстрована вкрай мала кількість клінічних досліджень медичних наслідків аварії на ЧАЕС.

Предметом вивчення в статті є процеси побудови й використання темпоральних знань при управлінні підприємством в умовах невизначеності, що є наслідком неповноти інформації про поточний стан підприємства. Мета полягає в розробці методу побудови темпоральних правил, що враховують зміну контексту виконання дій на різних рівнях організаційної ієрархії при реалізації управління підприємством. Задачі: виділити відмінності контекстно-орієнтованих темпоральних правил від правил, що пов’язують послідовні стани об’єкту управління; розробити метод побудови контекстно-орієнтованих темпоральних правил на основі інформації набір та значення змінних, що характеризують послідовні стани об’єкту управління. Методами, що використовуються, є: методи побудови темпоральних правил, що пов’язують послідовні стани об’єкту управління, метод розрахунку ваг правил в марківській логічній мережі, методи ймовірнісного виведення в темпоральній базі знань. Отримані такі результати. Виділені особливості реалізації контекстно-орієнтованих темпоральних правил для наборів вхідних даних, що задають послідовність станів об’єкту управління у вигляді наборів властивостей його атомарних складових. Розроблено метод побудови контекстно-орієнтованих темпоральних правил, який враховує відмінності між змінними, що задають статичні й динамічні характеристики об’єкту управління. Висновки. Наукова новизна отриманих результатів полягає в наступному: запропоновано метод побудови контекстно-орієнтованих темпоральних правил. Правила враховують зміну контексту виконання дій як сукупності властивостей атомарних складових комплексного об’єкту управління. Метод містить етапи відбору підмножини даних про стани об’єкту управління на визначеному рівні деталізації; формування фактів-антецедентів та фактів-консеквентів, що відображають статичні й динамічні характеристики контексту виконання дій на об’єкті управління; побудову, інтеграцію та квантифікацію темпоральних правил. Метод забезпечує можливості аналізу й класифікації поточного стану та прогнозування поведінки об’єкту управління в умовах невизначеності на основі зв’язку між виконаними діями та поточним станом предметної області.

Наведено принципи медичної діагностики онкологічних захворювань шкіри людини за допомогою штучних нейронних мереж. Розкрито аспекти розвитку штучного інтелекту, які дозволяють створювати на базі біологічних підходів інтелектуальні системи в різних областях застосування. Охарактеризовано етапи онкологічної діагностики, які є обов’язковими та мають фундаментальний вплив на подальше лікування пацієнта у разі діагностування злоякісного раку шкіри, результатом кожного з етапів є клінічний діагноз, морфологічний діагноз та патоморфологічний діагноз. Окреслено поняття меланоми та особливості її розвитку. Досліджено алгоритми автоматизованого комп'ютерного аналізу дерматологічних зображень, які забезпечують допомогу лікарям у постановці діагнозу та сприяють підвищенню точності діагностики. Розроблено структурну схему діагностування онкологічних захворювань шкіри людини за допомогою штучних нейронних мереж. В основі завдання диференціації патологій шкірних покривів людини лежить умовний поділ на 4 частини для вирішення завдань бінарної класифікації. Підкреслено, що навчання штучної нейронної мережі відбувається за допомогою наборів даних. Наголошується, що враховуючи завдання бінарної класифікації, у кожному напрямку застосування, наборам даних присвоюються мітки класу нуль та один, представлені у вигляді масиву. У статті розроблено детальний алгоритм, наведений у вигляді блок-схеми, здатний здійснювати постановку остаточного медичного діагнозу щодо захворювання шкіри на онкологічні патології за допомогою штучної нейронної мережі. Описаний алгоритм розроблений на основі штучних нейронних мереж, навчених вирішувати завдання бінарної класифікації. Результатом роботи штучної нейронної мережі є висновок приналежності вхідного значення до класів, на яких описана нейромережа проходила етап навчання.

На підставі отриманих даних по дослідженню реологічних властивостей складових глинистих мінералів шлікера для фаянсових виробів встановлено механізм структуроутворення колоїдно-дисперсних систем на їх основі і визначено основні шляхи регулювання технологічних властивостей.На даному етапі досліджень розроблено метод регулювання процесу зневоднення керамічного шлікера в гіпсовій формі в процесі набору черепка

У статті розкрито особливості візуалізації даних за допомогою функції SPARKLINE. Проведено аналіз різноманітних засобів візуалізації даних. Показано, що сервіс Google Sheets легко інтегрується з різноманітними сервісами та джерелами даних. Він містить набір інструментів для створення звітів та візуалізацій. На конкретних прикладах розглянуто різноманітні аспекти побудови мінідіаграм різних типів в Google Sheets із використанням функції SPARKLINE.

Предметом досліджень є методи підготовки та обробки вхідних даних, що містять пропущені значення, для їх подальшого аналізу та кластеризації. Метою дослідження є розгляд існуючих методів позбавлення від пропусків у даних в задачах кластеризації та доцільність їх використання у реальних задачах. Завдання: аналіз переваг та недоліків кожного з методів, що направлені на відновлення даних, для визначення доцільності використання їх в задачах кластеризації та виділення оптимального методу, порівняльний аналіз методів, оцінка результативності за наслідками порівняння кластеризації відновлених даних з результатами кластеризації еталонних даних. Методи: FCM - для проведення безпосередньо кластеризації даних, метод видалення всіх рядків, що містять пропуски, заповнення пропусків вибірковими статистиками, заповнення пропусків з урахуванням структури зв’язків. Результати: ефективність застосування методів при підготовці даних для подальшої кластеризації залежить від кількості наявних пропусків в похідному наборі. Якщо таких рядків досить мало, то кожен, з розглянутих методів, може бути використаний і дати необхідні результати. Але, якщо рядків з пропусками досить багато, наприклад 30%, тоді найбільш прийнятними для використання можна назвати методи, що пов’язані з заміною значень, однак слід враховувати, що така заміна може призвести до спотворення даних, а з рештою і результатів. Висновки. Наукова новизна – дослідження проблеми кластеризації даних, що містять пропущені значення та розгляд методів, які дозволяють розв’язати цю задачу. Проведення експериментів та порівняння результатів кожного з методів, висновки про доцільність використання того чи іншого методу та побічні ефекти. Практична значущість роботи полягає у визначені можливості використання в реальних задачах, що зазвичай не є ідеальними і з великою ймовірністю міститимуть пропуски, методів обробки даних для використання їх в задачах кластеризації.

У роботі розглядаються алгоритми машинного навчання. Увага зосереджена на напівконтрольному навчанні, яке здається балансом між точністю навчання з учителем та витратами методів навчання без учителя. Розглядаються приклади ретельного опрацювання мічених наборів даних, для яких навчання під наглядом може бути дуже ефективним. Порівнюються підходи semi-supervised та supervised та проаналізована ефективність кожного. В роботі розглядаються підходи S3VM та TSVM. Метою роботи було дослідити чи можуть напівконтрольовані підходи конкурувати з контрольованими або навіть їх перевершити. Описується застосування даних підходів до запропонованого датасету для визначення більш точної класифікації даних, а саме на опорній межі.

Сьогодні існує багато методів відновлення пропущених параметрів у даних, але для кожної області застосування використовують різні методи заповнення пропусків. У роботі проаналізовано такі методи оброблення пропусків: видалення елементів з пропусками, метод зважування та заповнення пропущених параметрів. Описано механізми утворення пропущених параметрів, за яких ймовірність пропусків для кожного запису набору однакова, за яких ймовірність пропусків визначається на основі іншої наявної інформації без пропусків та за яких дані відсутні залежно від невідомих чинників. Проаналізовано методи заповнення пропущених параметрів у даних екологічного моніторингу, такі як: методи середнього значення, наївного прогнозу та регресійного моделювання. Описано такі методи відновлення пропусків на основі регресійного моделювання: багатошаровий персептрон; Adaptive Boosting; метод опорних векторів; Random Forest та метод лінійної регресії з використанням стохастичного градієнтного спуску. Виконано порівняння найпростіших методів заповнення пропусків та методів відновлення пропусків на основі регресійних моделей. Експериментально доведено, що попередньо розроблений метод заповнення пропусків на основі нейроподібної структури моделі послідовних геометричних перетворень є найефективнішим методом, оскільки показує найточніші результати.

При проектуванні технологічних процесів механообробки використовується банк даних, в якому необхідно знайти потрібну інформацію та скомпонувати її в залежності від задачі. При цьому виникає необхідність побудови багаторівневої структури обробки даних. Також необхідно забезпечити швидкий пошук необхідної інформації, яка знаходиться в банку даних. Вирішити цю проблему можна за допомогою асоціативної пам'яті, застосувати яку можна як при пошуку інформації, так і при подальшому збереженні отриманого технологічного процесу. Метою роботи є розробка нейронних мереж асоціативної пам'яті для проектування і зберігання технологічних процесів для високоточних і унікальних деталей. Результати. За допомогою запропонованих нейронних мереж асоціативної пам'яті розроблено технологічний процес для виробництва конкретної деталі. Алгоритм навчання окремих модулів багатошарової мережі являє собою процес визначення навчального набору зображень і побудови матриць вагів зв’язків між вхідним і вихідними шарами нейронів. При використанні асоціативної пам'яті збільшується швидкість роботи з даними за рахунок паралельної обробки інформації. Математичне моделювання технологічного процесу виробництва деталі підтвердило правильність теоретичних положень. Висновки. Розроблені нейронні мережі для проектування і зберігання технологічних процесів для виробництва високоточних деталей.

Стаття присвячена проєктуванню та розробці документоорієнтованої системи керування базами даних. Описано компоненти сучасних систем керування базами даних, їх трирівнева архітектура, наведено загальну блок-схему роботи системи. Продемонстровано роботу усіх модулів розробленої системи, зокрема IParseStrategy та IExecuteStrategy. Створено систему парсера, наведено порядок виконання деяких класів, алгоритми роботи компонентів DCL та DDL. Представлено інтерфейс розробленої системи керування базами даних, визначено загальний порядок виконання запиту в ній, показано виконання запитів на створення бази даних та колекцій. Робота з даними в системі керування базами даних дозволяє створювати запити на вставку та редагування даних, їх вибірку та видалення. У системі додатково передбачено можливість виведення даних у файл форматів PDF та Excel. Для операцій, які передбачають поєднання багатьох таблиць, передбачено реалізацію команд Union. Для поліпшення функціоналу до автоматизації в систему введені можливості створення представлень, процедур, що зберігаються, та тригерів на команди. Розроблена система працює з невеликими наборами даних та має низку переваг: невеликі розміри системи, зрозумілий інтерфейс користувача; невеликі розміри коду; утворене абстрактне ядро; обробка регламентних правил через спеціальні об’єкти тощо. Встановлена система підтримки цілісності даних на основі реляційної моделі даних гарантує, що користувач не зможе випадково видалити дані, що використовуються іншими даними. Розроблена система призначена для використання підприємствами малого та мікробізнесу, яким з одного боку потрібна система керування базами даних з підтримкою необхідного мінімуму механізмів контролю цілісності даних, а з іншого – потрібна велика мобільність та зручність використання.

У статті розглядаються різні підходи до оцінки трудомісткості розробки програмного забезпечення (ПЗ). Аналізується залежність оцінки трудомісткості розробки ПЗ від розміру проекту. Описуються основні види існуючих метрик і можливість їх застосування. Пропонуються показники для порівняння метрик. Нелінійна регресійна модель для оцінювання розміру програмного забезпечення з відкритим кодом типу mp3players на JAVA побудована на основі нормалізації шестивимірного негаусового набору даних (фактичний розмір програми в тисячах рядків коду, загальна кількість класів, загальна кількість зв'язків та інші) в концептуальній моделі даних з 32 програм за допомогою нелінійного регресійного рівняння. Модель, що побудована, в порівнянні з іншими регресійними моделями (як лінійними, так і нелінійними), має більший множинний коефіцієнт детермінації, менше значення середньої величини відносної похибки. Для отриманого рівняння досліджено нормальне розподілення остач, обчислені ширини довірчого інтервалу для нелінійної регресії

Сегментація судин сітківки є фундаментальним кроком на етапі діагностики та лікування різного типу серцево-судинних та офтальмологічних захворювань. Висока якість, універсальність та відсутність прив’язки до певного типу даних – є ключовими параметрами, та ціллю даного підходу до аугментації (збільшення даних), оскільки тестові зображення можуть бути захоплені за допомогою різних апаратів для аналізу зображень сітківки, або зазнають впливу різних патологічних змін. Ціллю дослідження є розглянути сегментацію сітківки ока з точки зору збільшення даних, за допомогою створення додаткових даних навчання, на основі сучасних підходів до аугментації даних. Вони включають в себе як і базові підходи на основі існуючих досліджень, так і спробу інтегрувати підходи, що не використовувались в сегментації судин сітківки. У цій роботі ми пропонуємо новий підхід до збільшення даних, а саме підхід на основі випадкової гамма-корекції. Враховуючи специфіку даних зображення сітківки ока, де основною задачею та проблемою є сегментація судин маленьких розмірів, спочатку застосовується гамма-корекція на кожному колірному каналі всього зображення, тоді як потім навмисно посилює або зменшуються регіони судин з використанням морфологічних перетворень. Тому модель сегментації може вивчити інваріантні та дискримінаційні особливості, як глобальні, так і локальні. Експериментальні результати на існуючих наборах даних демонструють, що наш метод може бути використаний в задачах сегментації судин сітківки, а також покращити продуктивність інших моделей на основі мережі U-Net, або сегментації медичних даних.

Точність та якість результатів розрахунків як стаціонарних, так і перехідних процесів активної зони реактора, значною мірою залежать від процесу підготовки нейтронно-фізичних констант, який можна зробити коректнішим, оновивши бібліотеку ядерних даних програмного продукту. У статті наведено порівняльний аналіз розрахунків активної зони ВВЕР-1000 за допомогою коду DYN3D із застосування константного забезпечення, підготованого кодом WIMSD5B за різними бібліотеками ядерних даних. Розглянуто можливість використання деяких бібліотек, випущених у рамках проекту модернізації бібліотек WIMSD5B, та проведено порівняння отриманих результатів.

Робота присвячена аналізу інформаційних технологій хронобіологічного моніторингу кардіосистем, розробці систему підтримки прийняття рішень для лікаря-дослідника на базі методів класифікації з використанням нейронних мереж таких як імовірностна неронна мережа PNN (Probabilistic Neural Networks), багатошаровий персептрон MLP NN (Multi-Layer Perceptron), каскадно-кореляційна мережа CasCor (Cascade Correlation). У результаті отримано наступне: найкращим класифікатором є нейромережа каскадної кореляції з 85-88% точністю класифікації. Найгіршим класифікатором стала ймовірнісна нейронна мережа, оскільки точність цього алгоритму залежить від розміру набору даних.

Існує чимало методів кластеризації даних, але вони мають ряд недоліків, зокрема, з одного боку, це – неоднозначність розбиття масиву даних на групи, а з іншого – неможливість оцінити ступінь однорідності об’єктів, що належать одному і тому ж кластеру. Мета цієї роботи - розробити метод кластерного аналізу багатовимірних даних різної природи, який забезпечить однозначність розбиття набору незалежних вибірок на кластери, що не перетинаються, так, щоб ймовірність помилкової кластеризації не перевищувала певного наперед заданого рівня. Метод кластеризації ґрунтується на використанні критерію узгодженості χ2 . З іншої сторони, проблема аварійності на автомобільному транспорті є достатньо гострою у вітчизняних реаліях, оскільки рівень ДТП з потерпілими значно перевищує середній європейський. В той же час, кластеризація регіонів України за видами дорожньо-транспортних пригод з постраждалими, їх причинами та винуватцями дозволить зрозуміти спільні регіональні фактори, що впливають на рівень аварійності, визначити та впровадити кращі практики її запобігання. Саме тому представляється актуальним застосування запропонованого методу до аналізу аварійності на автомобільному транспорті в Україні.Розроблений метод реалізований програмно та застосований до порівняльного аналізу рівня аварійності на автомобільному транспорті по регіонах України.

Розглянуто сучасні методи розпізнавання аномальних патернів у зразках кодових послідовностей для ідентифікації типу аварії на об'єктах критичної інфраструктури за допомогою прихованих марковських моделей. Представлена комплексна методика, що базується на аналізі функції густини ймовірності аномальних паттернів, що застосовується у прихованій марковській та напівмарковській моделі. Вказано, що зазначений підхід дозволяє визначити функцію часової залежності рядів даних, відповідно класифікація проводиться на основі наборів аномальних даних, що не відповідають класам навчальної вибірки. На основі математичної моделі показано, що представлена методика надає можливість оптимізувати ефективність розпізнавання аномальних паттернів при ідентифікації аварійного стану на об'єкті інфраструктури.

Побудова сервісно-орієнтованої держави з прозорою владою є однією з необхідних умов сталого демократичного розвитку, а прозорість влади досягається, зокрема, через використання інструментів участі громадян у прийнятті рішень органами державного управління та здійсненням громадського контролю за їхньою діяльністю. Метою статті є дослідження питання впливу відкритих даних про діяльність органів державної влади, місцевого самоврядування на реалізацію права громадян впливати на державну політику, практичного застосування відкритих даних як інстру менту народовладдя. У статті висвітлено історичні передумови розвитку концепції доступності даних у науковому середовищі, з подальшим втіленням ідей та прийнятих принципів відкритих даних як урядових ініціатив. Світові практики свідчать, що розвиток відкритих даних сприяє підзвітності органів державного управління громадянам, впровадженню інновацій та зростанню соціального впливу на владні рішення державних інституцій. Проаналізовано можливість використання відкритих даних в Україні як інструменту народовладдя при проведенні оцінки та контролю за роботою влади та держави, що входить до моделі електронного уряду, на прикладі окремих наборів відкритих даних, які публікуються та обробляються з використанням сервісного програмного забезпечення. Як висновок, можна визначити, що відкриті дані, які підлягають оприлюдненню, є певним інструментом впливу народу на органи державної влади й органи місцевого самоврядування, дієвим механізмом для контролю за владою, розвиток якого призведе до високого рівня відповідальності владних інституцій перед власними громадянами, зростання економічних показників та, як наслідок, побудови сервісно-орієнтованої держави.

Мета. Мета статті – здійснити теоретико-методичне обґрунтування повноти, доступності й прозорості показників еколого-економічної звітності лісогосподарських підприємств як індикатора стану лісогосподарського землекористування в контексті збалансованого розвитку (на прикладі Малого Полісся України); з’ясувати причинно-наслідкові зв’язки між окремими показниками, що характеризують перебіг певних процесів у лісогосподарському землекористуванні. Методологія / методика / підхід. Теоретичні та методологічні основи дослідження базуються на аналізі набору еколого-економічних показників звітності лісогосподарських підприємств як індикаторів стану використання земель лісогосподарського призначення в контексті збалансованого розвитку. Використано методи: діалектичний метод пізнання для аналізу законодавчих і нормативних актів та наукових праць учених щодо проблематики збалансованого використання земель лісогосподарського призначення; метод аналогій (перенесення впливів, що були виявлені на інших територіях з аналогічними об’єктами та властивостями, на територію, яка розглядається); аналіз найбільш актуальних проблем доступності для громадськості показників стану використання земель лісогосподарського призначення; кореляційного аналізу – при визначенні тісноти зв’язку між статистичними характеристиками показників використання земель лісогосподарського призначення; синтез і логічне узагальнення концептуальних основ необхідності й передумов удосконалення еколого-економічних показників; монографічний – для виявлення чинників удосконалення показників; абстрактно-логічний – теоретичні узагальнення та формулювання висновків. У дослідженні для оцінки доступності інформації щодо стану лісогосподарського землекористування використовувався кількісний аналіз із використанням даних із первинних та вторинних джерел. У цьому дослідженні проаналізовано не значення показників звітів, а те, як вони структуровані та яку інформацію вони містять. Результати. Досліджено повноту, доступність і прозорість системи показників еколого-економічної звітності лісогосподарських підприємств на прикладі Малого Полісся України. Робота досліджує з точки зору збалансованого землекористування практику в області звітності з використанням даних державних та комунальних лісогосподарських підприємств Малого Полісся України, онлайн-сервісу ProZvit (у вільному доступі база даних по підприємствам з 2016 р.). Досліджена величина кореляційної залежності між статистичними характеристиками окремих показників використання земель лісогосподарського призначення дає можливість на підставі об’єктивно наявного причинно-наслідкового зв’язку між явищами та показниками виявити перебіг певних позитивних чи негативних процесів у лісогосподарському землекористуванні. На основі аналізу за оприлюдненими в інтернет-джерелах даними висвітлено окремі недоліки набору доступних для громадськості показників, зокрема необхідність їх актуалізації з урахуванням законодавства Європейського Союзу. Результати цього дослідження вказують на необхідність переосмислення національної спрямованості звітності із суто економічної на еколого-економічну. Оригінальність / наукова новизна. Запропонована структурна схема інформаційного доступу громадськості до еколого-економічних показників використання земель лісогосподарського призначення, що забезпечить повноту й прозорість, відкритість і підзвітність перед суспільством інформації про екологічні наслідки використання земель лісогосподарського призначення. Запропоновано запровадити додаткові екологічні показники звітності, які в подальшому можуть бути використані в ролі індикаторів збалансованості лісогосподарського землекористування в масштабах країни, зокрема: накопичення вуглецю в лісах і зміни такого накопичення; ступінь еродованості ґрунтів; уміст гумусу; показники продуктивності (бонітету) лісових земель залежно від ґрунтових умов у різних зонах України; показники стану популяцій видів фауни й флори, що підлягають охороні та збереженню; різноманітність видів природних ресурсів, які використовуються населенням на території планованої діяльності і в зоні її впливу; різноманітність екосистемних послуг; на доповнення до абсолютних даних застосовувати відносні показники на 1 га земель лісогосподарського призначення. Зазначені показники запропоновано включати до звітності за такими блоками: вплив на земельні угіддя й ґрунти; вплив на фауну, флору, біорізноманіття; вплив на поверхневі води; вплив на ландшафти; вплив на атмосферне повітря; накопичення вуглецю; обсяги поновлення лісів, лісокультурних робіт. Практична цінність / значущість. На прикладі лісогосподарських підприємств, розташованих на території Малого Полісся України, доведено, що набір економічних та екологічних показників звітності, доступної онлайн, є індикатором стану використання земель лісогосподарського призначення. На основі проведеного дослідження підготовлено підґрунтя для удосконалення інформаційної бази звітності в масштабах як країни, так і кожного лісогосподарського підприємства, окремого регіону, оскільки регіональні галузеві поліпшення сприятимуть досягненню збалансованого землекористування на рівні країни.