Journal articles on the topic 'Інформаційна система розпізнавання'

Класифікація даних за наявності шуму може призвести до набагато гірших результатів, ніж очікувалося, для чистих шаблонів. У даній роботі була досліджена проблема розпізнавання та ідентифікації особи у відеопослідовності. Основні внески, представлені в цій роботі – це експериментальне дослідження впливу різних типів шуму та підвищення безпеки шляхом розробки комп’ютерної системи для розпізнавання та ідентифікації користувачів у відеоряді. На основі вивчення методів та алгоритмів пошуку облич на зображеннях було обрано метод Віоли-Джонса, вейвлет-перетворення та метод головних компонент. Ці методи є одними з найкращих за співвідношенням ефективності розпізнавання та швидкості роботи. Однак навчання класифікаторів відбувається дуже повільно, але результати пошуку обличчя дуже швидкі.

Актуальність теми дослідження. Нині великою популярністю користуються «розумні пристрої». Такі пристрої зазвичай є певною модернізацією вже звичних речей. У цій статті представлена розробка пристрою «розумний відеореєстратор», що підтримує можливість розпізнавання українських автомобільних номерів. Такий засіб може підвищити рівень захищеності на дорогах, що також є актуальним питанням. Постановка проблеми. У процесі розробки комплексу такого рівня з’являється безліч питань, пов’язаних із його архітектурою та роботою з даними, а саме: які методи та алгоритми використовувати для перетворення даних у потрібний формат, передачі, прийому, консолідації даних та зберігання їх у базі даних. Крім того, необхідно взяти за увагу, що в процесі побудови необхідно враховувати фізичні особливості модулів та їхні можливості з обробки та передачі даних (швидкість роботи процесора, розмір пам’яті). Аналіз останніх досліджень та публікацій. Були розглянуті останні технології у сфері обробки даних (бібліотеки для серіалізації та десеріалізації), алгоритми розпізнавання автомобільних номерів та бази даних із можливістю текстового пошуку. Виділення недослідженої частини загальної проблеми. Побудова архітектури та розробка програмних модулів розумного відеореєстратора, вирішення задачі передачі даних до кластера за умови великої завантаженості та переривчастого інтернет-зв’язку, повнотекстовий та частковий пошук автомобільних номерів у базі даних, алгоритм розпізнавання автомобільних номерів у русі. Постановка задачі. Вибір необхідної комбінації методів та алгоритмів для успішної реалізації інформаційної системи розумного відеореєстратора. Виклад основного матеріалу. Опис основних модулів, з яких складається пристрій розумного відеореєстратора, та з якою метою використовується кожний модуль. Представлена схема роботи системи загалом та описаний алгоритм знаходження автомобільних номерів у режимі реального часу YOLO. Розглянуто основні принципи комунікації між серверами та пристроями. Висновки відповідно до статті. Наданий матеріал надає змогу зрозуміти, яким чином може бути побудований такий пристрій, які проблеми можуть з'явитись та як знайти шляхи їх вирішення.

В сучасних умовах проблема інформаційної безпеки системи управління набуває особливого значення в умовах широкого застосування автоматизованих інформаційних систем. Забезпечення інформаційної безпеки повинно носити системний характер. В результаті проведеного дослідження встановлено, що існує велика кількість інструментів забезпечення інформаційної безпеки, які мають недоліки, пов’язані із захистом та дискримінацією, можливістю підробки паролю, невиконанням інструкцій по створенню безпечного пароля користувачем, існуванням і наявністю у вільному доступі спеціалізованих додатків для підбору і злому паролів. Людський фактор являється основним недоліком даних систем. Єдиного підходу щодо підвищення інформаційної безпеки інформаційно-телекомунікаційної системи Повітряних Сил не існує. Проведено аналіз застосування біотехнологій ідентифікації доступу з застосуванням стеганографічного методу захисту інформації. Метод підвищення інформаційної безпеки інформаційно-телекомунікаційної системи, в основі якого запропоновано використання процедури розпізнавання особи за райдужною оболонкою та реакцією очного яблука людини на подразники. Запропонований підхід щодо захисту інформації з використанням біометричних методів ідентифікації користувачів зменшить вплив “людського” фактору, що підвищить ефективність процедури ідентифікації та автентифікації.

Гібридне розпізнавання образів дозволяє обробляти неоднорідні дані за рахунок представлення складної системи сукупністю образів різної природи виникнення. Це сприяє отриманню бажаного рівня достовірності класифікації за умови динамічної зміни наявних у зовнішньому середовищі перешкод і викривлень. При цьому, гібридне розпізнавання пов’язано з розширенням розмірності інформаційного полю аналізу даних, що призводить до збільшення часової складності самого процесу обробки та прийняття рішення. У багатьох прикладних застосуваннях, час обробки має критичне значення, тому для ефективного використання гібридного розпізнавання образів необхідне вирішення важливої науково-технічної задачі забезпечення бажаного рівня достовірності розпізнавання при одночасній мінімізації часу отримання класифікаційного рішення. В статті представлене вирішення цієї задачі шляхом розробки нової інформаційної технології гібридного розпізнавання для обробки неоднорідних даних в складних системах. Згідно цієї технології, процес обробки здійснюється до моменту отримання апріорно завданого рівня достовірності класифікації, або до моменту завершення часу, виділеного на співставлення ознак складної системи та отримання результату. Ефективність розроблених технічних рішень було перевірено на трьох різноманітних прикладних інформаційних технологіях в яких було отримано позитивний результат.

В роботі запропоновано шляхи переходу від машиноцентричного до антропометричного підходу при проектуванні автоматизованих систем управління повітряним рухом, з урахуванням сучасних досягнень розробки та впровадження систем підтримки прийняття рішень в складних організаційно-технічних системах. Удосконалення ситуаційного аналізу обстановки для управління процесом інформаційної підтримки прийняття рішень оператором автоматизованих систем управління повітряним рухом передбачає підвищення рівня автоматизації і інтелектуалізацію низки задач до яких відносяться оцінка обстановки, яка складається в зоні відповідальності органу управління; розробка методів представлення знань про завдання виявлення нештатних ситуацій в повітряному просторі; вибір і розробка методів і процедур формалізації знань про обстановку, яка складається; розробка процедур інтерпретації модальних знань; розробка методів вирішення завдань оцінки обстановки, яка складається; розробка методів розв'язання задач розпізнавання та оцінки позаштатних ситуацій в повітряному просторі; оцінка ступеня небезпеки ситуацій, що складаються в межах зони відповідальності органу управління. В результаті даного дослідження визначені напрями розробки та удосконалення інтелектуальних моделей та методів обробки інформації для управління процесом інформаційної підтримки при прийнятті рішень в автоматизованих системах управління повітряним рухом. Запропонований підхід, який передбачає необхідність розробки методів автоматизованого рішення задач оцінки обстановки, а також зміни структури інформаційних моделей і методів управління ними. При цьому ситуації обстановки, що складаються мають бути класифіковані а задача підготовки прийняття рішення має розглядатися як задача розпізнавання.

Предметом вивчення в статті є інформаційні ройова технологія тематичного сегментування зображень, що отримані з бортових систем оптико-електронного спостереження. Метою є розробка інформаційної технології сегментування, в основу якої покладений ройовий метод тематичного сегментування оптико-електронного зображення. Завдання: аналіз рівнів технології дешифрування оптико-електронного зображення, аналіз основних етапів обробки оптико-електронного зображення та рівнів локалізації об’єктів інтересу на етапі розпізнавання, аналіз основних вимог до тематичних сегментів зображення, аналіз відомих методів та інформаційних технологій сегментування зображень, що отримані з бортових систем спостереження, обґрунтування цільової функції тематичного сегментування та вибору оптимального значення порогу сегментування, розробка інформаційної ройової технології тематичного сегментування зображень, що отримані з бортової системи оптико-електронного спостереження, наведення тестового прикладу тематичного сегментування кольорового зображення. Використовуваними методами є: методи теорії імовірності, математичної статистики, ройового інтелекту, кластерізації даних, еволюційних обчислень, методи оптимізації, математичного моделювання та цифрової обробки зображень. Отримані такі результати. Встановлено, що основним етапом обробки зображень, що отримані з бортових систем спостереження, є етап тематичного сегментування. Встановлено, що у теперішній час невелика кількість досліджень присвячена вирішенню задачі тематичного сегментування зображень, що отримані з бортових систем спостереження. Встановлено, що у якості цільової функції використовується функція, яка визначається як сума дисперсії інтенсивності пікселів в межах кожного тематичного сегменту, а оптимізація полягає у мінімізації цільової функції. В основу інформаційної ройової технології покладені удосконалені методи ройового інтелекту (штучної бджолиної колонії) тематичного сегментування оптико-електронного зображення та ройового інтелекту (штучної бджолиної колонії) тематичного сегментування багатомасштабної послідовності оптико-електронних зображень. Висновки. Наукова новизна отриманих результатів полягає в наступному: підвищення візуальної якості сегментованого зображення, що в подальшому суттєво впливає на вирішення завдання дешифрування зображення.

Розглянуто метод побудови системи ідентифікації, яка ґрунтується на використанні автономної системи розрахунку міри близькості між пред'явленими образом та еталоном. Істотною особливістю такого підходу є значне зменшення (стиснення) інформації, що надходить на вхід системи прийняття рішення. Розглянутий метод дає змогу побудувати систему розпізнавання, яка буде інваріантною до збурень у просторі об'єкта.

У статті доводиться, що в Україні наразі відбувається стрімкий розвиток суспільства, «оцифровуються» усі сфери життя. При цьому не за усіма змінами встигають правоохоронні органи. Цифрова реальність пов’язана із появою нових форм злочинності – кіберзлочинів, інформаційного шахрайства, великою кількістю кібернетичних атак на різні підприємства та установи, в тому числі, і державні бази даних. Такі загрози потребують вироблення нових форм протидії, трансформації системи правоохоронних органів, їх «осучаснення». Безумовно, розвиток інформаційних технологій, діджиталізація вимагає закріплення нових форм та методів здійснення правоохоронними органами своїх функцій. Щодо конкретних проявів діджиталізації правоохоронної системи, у статті нами визначаються наступні: 1) Національне антикорупційне бюро України, Спеціалізована антикорупційна прокуратура та Вищий антикорупційний суд розпочали впровадження у свою діяльність системи електронного кримінального провадження eCase MS; 2) затвердження Положення про інформаційно-телекомунікаційну систему досудового розслідування «іКейс» з метою автоматизації процесів досудового розслідування, включаючи створення, збирання, зберігання, пошук, оброблення і передачу матеріалів та інформації (відомостей) у кримінальному провадженні, а також процесів, які забезпечують організаційні, управлінські, аналітичні, інформаційно-телекомунікаційні та інші потреби користувачів; 3) використання правоохоронними органами програми «Безпечне місто» з метою виявлення та розслідування злочинів, вчасне реагування пожежної, рятувальної, медичної, дорожньої й інших комунальних та державних служб, припинення і ліквідацію кризових ситуацій криміногенного, терористичного, природного й техногенного характеру тощо; 4) запровадження проєкту Smart City – інформаційно-аналітична програма нового покоління, що здійснює розпізнавання потенційних небезпек, аналіз ситуації в реальному часі та передачу вже опрацьованих даних про виявлені загрози терористичного, кримінального та іншого характеру.

У статті розглядаються актуальні питання застосування сучасних технологій і методів виявлення та розпізнавання об’єктів. Стаття присвячена аналізу особливостей застосування різних типів нейронних мереж в процесі поетапної обробки відеоданих, які отримуються з систем технічного зору роботів, систем відеомоніторингу, інтелектуальних систем безпеки. Проведено огляд сучасної літератури, яка описує методику формування простору ознак опису об'єктів і методів їх розпізнавання. Під час огляду показано, що процес інтелектуальної обробки відеоданих складається з багатьох етапів обробки зображень, одним із яких є обробка з застосуванням нейронних мереж в якостіінтелектуальних компонентів. Баторівневість етапів обробки в реальному часі вимагає обгрунтування застосування різних типів нейронних мереж при різних процесах обробки з метою підвищення якості та оптимізації часу обробки таких даних. Наводиться структура моделі обробки відеозображень. Також у статті проводиться визначення типів нейронної мережі на різних етапах обробки даних (таких як ідентифікація параметрів і характеристик групи, знаходження групових об’єктів, посекторна обробка зображень, класифікація об’єкту, розпізнавання об’єкту, створення контурної моделі об’єкту, виявлення об’єкту в секторі, оцінка параметрів сектору, визначення інформаційних секторів, розбиття кадру на сектори, обробка інформаційних кадрів) відповідно ієрархічної моделі, що пропонується, з подальшим використанням отриманих результатів для мультиагентної системи розподіленої інтелектуальної обробки відеоданих об’єктів моніторингу та приклади подальшого застосування отриманих результатів. Бібл. 13, табл. 1.

В даній статті проведено огляд застосування методів систем підтримки та прийняття рішень в компоненті детектування систем безпеки дорожнього руху. Системи підтримки та прийняття рішень досліджуються з 50-х років минулого століття, однак запропоновані в них підходи та методи досі не втрачають свою актуальність та активно використовуються при побудові інформаційних систем. Методи СППР надають структурні та конструктивні інструменти для побудови систем, що можуть ефективно вирішувати завдання в умовах невизначеності. В статті розглянуто підхід до вирішення завдання з детектування номерних знаків в компонентах розпізнавання та ідентифікації транспортних засобів систем безпеки дорожнього руху. Отримані результати продемонстровано на вирішенні практичного завдання та доведено ефективність запропонованого підходу. Бібл. 13, іл. 8

Стаття присвячена питанням вдосконалення засобів розпізнавання емоцій і аутентифікації користувачів інформаційно-управляючих систем. Обґрунтовано можливість впровадження в засоби розпізнавання сучасних нейромережевих рішень на базі згорткових нейронних мереж. Розроблено метод нейромережевого аналізу клавіатурного почерку, який за рахунок запропонованих принципів адаптації і процедури кодування параметрів клавіатурного почерку, дозволяє впровадити в засоби розпізнавання згорткову нейронну мережу, архітектура якої адаптована до очікуваних умов використання. Проведені експериментальні дослідження показали, що використання розробленого методу дозволяє забезпечити помилку розпізнавання емоцій і особи користувача на рівні кращих сучасних систем розпізнавання.

Розглядається порівняльний аналіз паралельно-послідовного алгоритму оптимізації системи контрольних допусків на ознаки розпізнавання системи підтримки прийняття рішень та гібридного алгоритму синтезу системи підтримки прийняття рішень у рамках інформаційно-екстремальної інтелектуальної технології.

Стаття пропонує авторську систематизацію наукових та експертних поглядів і підходів до проблематики гібридних війн та їх впливу на забезпечення інформаційного суверенітету держави в сучасному дискурсному просторі. Обґрунтовано нагальність дослідження інформаційних загроз, негативних зовнішніх впливів на стан національної безпеки України, що особливо актуалізувалося після 2014 року, коли не в останню чергу завдяки успішному застосуванню інформаційних спецоперацій Росії вдалося анексувати Крим та розгорнути військове протистояння Сході України через забезпечення позитивного сприйняття частиною місцевого населення цих регіонів агресивних дій РФ. Визначено, що кінцевою метою розв’язаної Росією гібридної геополітичної інформаційної війни є цивілізаційний вибір українського народу: рухатися в напрямку європейської інтеграції чи повертатися в лещата православно-російської цивілізації. На основі сгенерованої в інтернет-сервісі Word’s Хмарки тегів виокремлено 5 основних кластерів наукового розуміння проблематики феномену інформаційної війни. Розкрито основні підходи до наукового розуміння зазначеного соцієтального феномену в контексті: філософсько-онтологічної сутності інформаційної війни; понятійно-категоріального апарату; виокремлення ключових загроз національній безпеці держави; механізмів і технологій ведення гібридних війн; суб’єкт-об’єктної структуризації та практичних кейсів. Зроблено висновок про необхідність розгортання в Україні системної діяльності органів публічного врядування, насамперед, інституту Президента України, Кабінету Міністрів України, Збройних сил, СБУ та МВС з формування сучасної ефективної системи захисту національного інформаційного суверенітету, яка б включала підготовку фахівців сфери розпізнавання, запобігання й протидії проявам інформаційної війни, ведення контрпропагандистських інформаційних операцій тощо.

Стаття присвячена вирішенню задачі вдосконалення нейромережевих засобів розпізнавання емоцій операторів інформаційно-управляючих систем на основі зображення обличчя. З’ясовано, що труднощі розробки таких засобів пов’язані з формуванням репрезентативної навчальної вибірки. Запропоновано нівелювати означені труднощі за рахунок застосування експертних знань. Розроблено метод нейромережевого розпізнавання емоцій по зображенню обличчя людини, який за рахунок запропонованого підходу до застосування продукційних правил для подання в нейронну мережу експертних знань, дозволяє підвищити оперативність розпізнавання та розширити множину видів складних емоцій, характеристики яких не представлені в статистичних даних. Проведені експериментальні дослідження показали, що використання розробленого методу дозволяє забезпечити помилку розпізнавання емоцій на рівні кращих сучасних систем подібного призначення.

Запропоновано нейронну мережу для розпізнавання картографічних зображень ґрунтових масивів та класифікації ландшафтних ділянок за типами ґрунтових масивів із використанням нейронної мережі. Описано підходи до проектування архітектури, методів навчання, підготовки даних для проведення навчання, тренування та тестування нейронної мережі. Розроблено структурно-функціональну схему нейронної мережі, яка складається із вхідного, прихованих та вихідного шарів, кожен окремий нейрон описано відповідною активаційною функцією із підібраними ваговими коефіцієнтами. Показано доцільність застосування кількості нейронів, їх тип та архітектуру для проведення задачі розпізнавання та класифікації ділянок на кадастрових картах. Як вихідні дані використано відкриті державні інформаційні ресурси, в яких виділено окремі ділянки за типами ґрунтів, їх поширення та сформовано базу даних для навчання та тренування нейронної мережі. Проаналізовано ефективність, швидкодію та точність роботи нейронної мережі, зокрема, проведено комп'ютерну симуляцію із використанням сучасного програмного забезпечення та математичне моделювання обчислювальних процесів у середині структури нейронної мережі. Розроблено програмні засоби для попередньої підготовки та оброблення вхідних даних, подальшого тренування та навчання нейронної мережі та безпосередньо процесу розпізнавання та класифікації. Відповідно до отриманих результатів, розроблена модель та структура нейромережі, її програмні засоби реалізації показують високу ефективність як на етапі попереднього оброблення даних, так і загалом на етапі класифікації та виділення цільових ділянок ґрунтових масивів. Надалі наступним етапом досліджень є розроблення та інтеграція програмно-апаратної системи на основі розпаралелених та частково розпаралелених засобів обчислювальної техніки, що дасть змогу значно пришвидшити обчислювальні операції, досягти виконання процесів навчання та тренування нейронної мережі в режимі реального часу та без втрати точності. Подані наукові та практичні результати мають високий потенціал для інтеграції в сучасні інформаційно-аналітичні системи, системи аналізу та моніторингу за станом навколишнього середовища, технологічними об'єктами та об'єктами промисловості.

Одним із шляхів реформування освіти у вищій школі є модернізація її на компетентнісних засадах, зокрема, через широке запровадження інформаційно-комунікаційних технологій навчання. Особливої ваги набуває генералізація знань, посилення функції теорії у науці, інтеграція і диференціація знань. Компетентності вчителя математики, зокрема математичні і методичні, розглядаємо як особистісні утворення фахівця, які формуються на основі здобутих знань, досвіду діяльності, вироблених ціннісних орієнтацій, ставлень та оцінок.Оскільки підґрунтям для набуття компетентностей виступають знання і вміння майбутніми вчителями застосовувати основні теоретичні положення і розв’язувати задачі, то необхідно регулярно здійснювати моніторинг сформованості відповідних компетентностей, а тому і рівня знань студентів. Акцент при цьому слід робити на взаємоконтроль та самоконтроль. Для забезпечення рівневої диференціації навчання доцільно пропонувати студентам для виконання рівневі тести: 1) вхідний тест (попередній) – система завдань закритої форми, призначених для актуалізації та корекції опорних знань; 2) початковий тест (формувальний, тест початкового розуміння) – система тестових завдань закритої форми з вибором відповіді на впізнавання і розпізнавання; 3) тест базового рівня (формувальний, діагностичний) – система тестових завдань закритої форми або з короткою відповіддю; 4) тест навчальних досягнень (підсумковий) – призначений для встановлення фактичного рівня засвоєння знань і умінь з теми.В якості механізму здійснення поточного (вхідне, тематичне, модульне та інші) та підсумкового контролю знань та умінь студентів доцільно застосовувати систему комп’ютерного тестування, виважене використання якої надає можливість не лише визначати рівень підготовленості студентів, але й здійснювати дистанційне навчання.Теоретичне обґрунтування питань, пов’язаних із використанням комп’ютерного тестування в якості контролю рівня знань, проблеми педагогічного вимірювання та використання тестових технологій у вищій школі розглядали Л. І. Білоусова, О. Г. Колгатін, С. А. Раков, А. М. Калинюк [3], В. О. Шадура [4], С. В. Домашенко [1] та ін.Можна виокремили певні переваги комп’ютерного тестування у порівнянні з традиційними формами контролю:– швидке отримання результатів і вивільнення викладача від трудомісткої роботи по опрацюванню результатів тестування;– об’єктивність оцінки;– виникає можливість студентам здійснювати самоконтроль;– студенти відзначають, що тестування з використанням програмного забезпечення для них є цікавішим у порівнянні з традиційними формами опитування, що створює позитивну мотивацію;– підвищення ефективності роботи викладача шляхом перенесення акцентів у спілкуванні зі студентами на проблемні питання, завдання творчого, евристичного характеру.І хоча акценти у сучасному навчанні робляться не на запам’ятовування і відтворення, а на «мислення» і «розмірковування», осмислення взаємозв’язків теорії з практикою в теорії ймовірностей не можна здійснювати без знання формул, властивостей випадкових подій, випадкових величин, основних законів розподілу. Тому важливо на проміжних етапах вивчення теми здійснювати перевірку сформованості вмінь та навичок розв’язування типових завдань, яка не повинна займати багато часу, але при цьому має якісно діагностувати.Існує значна кількість вільного програмного забезпечення для здійснення тестового контролю (Moodle, iTest та OpenTEST 2). Тестування за допомогою програмного забезпечення Moodle в найбільшій мірі використовуємо при вивченні курсів «Інформаційно-комунікаційні засоби навчання», теорії ймовірностей та математичної статистики. За допомогою Moodle відносно зручно опрацьовувати результати тестування і представляти графічні характеристики.Мета нашого дослідження полягає в розробці початкових тестів і тестів базового рівня до теми «Одновимірні дискретні і неперервні випадкові величини», здійсненні тестування з використанням інформаційної системи LOGIT [2], опрацюванні результатів тестування, побудові профілів питань і профілів респондентів, а також перевірці на практиці того, наскільки дане програмне забезпечення охоплює повний життєвий цикл тесту.Тест в LOGIT проходить стадії створення та наповнення, рецензування, багаторазового випробування та удосконалення. У зв’язку з цим інформаційною системою передбачені такі рівні доступу: адміністратор, менеджер, користувач, гість. В свою чергу, користувачі системи мають певні ролі або їх комбінації, а саме: тестувальник, рецензент, автор. Зрозуміло, що розподіл прав та надання ролей відповідає процесу розроблення тесту.Першою стадією є розроблення тесту, на яку тест переходить після надання йому теми та опису автором і призначення менеджером адміністратора. На цій стадії автор визначає розділи тесту та наповнює не менш як тридцятьма питаннями кожний з них. Тест створюється лише у вигляді системи тестових завдань закритої форми з вибором однієї правильної відповіді. Рецензенти аналізують створене і, при необхідності, роблять зауваження, які в подальшому повинні бути враховані або прокоментовані автором тесту. Після цього автор робить запит до адміністратора тесту на перехід до наступної стадії. Якщо виконуються всі необхідні умови, то адміністратор тесту переводить тест на наступну стадію – випробування. На вказаному етапі користувачі-тестувальники проводять пробне тестування з групами респондентів за всіма розділами. Після отримання результатів тестування системою LOGIT здійснюється статистичний аналіз за певними групами респондентів. Завдяки автоматизації процесу розрахунків та побудові профілів в інформаційній системі, користувачі можуть використовувати її для вдосконалення тестів навіть без глибоких знань із статистики та математики. Результат розрахунку профілів питань окремого розділу та респондентів певних груп подається зведено у вигляді карток з основними показниками. Передбачено і побудову графічних характеристик. Після оптимізації тест переводиться на стадію «застосування», яка не передбачає змін.Провести тестування за допомогою LOGIT можна як безпосередньо за комп’ютером, так і у звичайному паперовому зошиті (із бланком для відповідей), які потім переносяться у систему автором чи користувачами-тестувальниками. Послідовності питань для тесту генеруються, тому кількість варіантів для групи може бути довільною, що виключає можливість списування. Розробниками LOGIT передбачено окремі технічні можливості, використання яких гарантує високий рівень вірогідності тестування та зменшує його похибку.Наведемо приклади розроблених тестових завдань для початкового тесту з курсу теорії ймовірностей, які завантажували в LOGIT.Обрати з поданих формул таку, за допомогою якої задають функцію розподілу для одновимірної неперервної випадкової величини.Обрати з поданих графік щільності рівномірного розподілу.Яка з представлених випадкових величин може бути моделлю для біноміального розподілу ймовірностей? В якості дистракторів пропонувалося: «число картоплин у мішку певної ваги»; «число викликів, які надійдуть на станцію автоматичного зв’язку за проміжок часу T»; «число влучень в ціль при 10 пострілах, якщо немає можливості дізнатися про результат попадання після кожного пострілу»; «число молекул у певному об’ємі речовини».Яка з перерахованих властивостей функції розподілу може не виконуватися для певних випадкових величин? Варіанти: невід’ємна; неперервна; значення не більші одиниці; неспадна. Наші дослідження показали, що LOGIT доцільно використовувати як інструмент для здійснення насамперед поточного контролю знань з дисципліни «Теорія ймовірностей та математична статистика».Комп’ютерне тестування, реалізоване в інформаційній системі LOGIT, демонструє перевагу у порівнянні з Moodle при побудові профілів питань та респондентів для питань у вигляді системи тестових завдань закритої форми з вибором однієї правильної відповіді. За допомогою комп’ютерного тестування у стислі терміни можна діагностувати і усунути недоліки у подальшому вивченні певного курсу.З метою формування гносеологічного та праксеологічного компонентів методичної компетентності у майбутніх вчителів доцільно залучати їх безпосередньо до розробки тестових завдань, тестування та статистичного опрацювання отриманих результатів. Попередньо слід ознайомити майбутніх вчителів з основами педагогічного вимірювання та використання тестових технологій у навчанні учнів та студентів, наприклад, на заняттях з методики навчання математики.

Актуальність теми дослідження. На сучасному етапі розвитку інформаційних систем та технологій, які базуються на математичних моделях теорії штучного інтелекту (методах та схемах алгоритмічних дерев класифікації), виникає принципова проблема вузької спеціалізації наявних підходів та методів у соціально-економічних, екологічних та інших системах первинного аналізу та обробки великих масивів інформації. Задачі, які об’єднуються тематикою розпізнавання образів, дуже різноманітні та виникають у сучасному світі в усіх сферах економіки та соціального контенту діяльності людини, що приводить до необхідності побудови та дослідження математичних моделей відповідних систем. На сьогодні немає універсального підходу до їх розв’язання, запропоновано декілька досить загальних теорій та підходів, що дозволяють вирішувати багато типів (класів) задач, але їх прикладні застосування відрізняються досить великою чутливістю до специфіки самої задачі або предметної області застосування. Представлена робота присвячена проблемі моделей логічних та алгоритмічних дерев класифікації (схем ЛДК/АДК), пропонує оцінку складності структур алгоритмічних дерев (моделей дерев класифікації), які складаються з незалежних та автономних алгоритмів класифікації і будуть являти собою певною мірою новий алгоритм розпізнавання (зрозуміло, що синтезований із відомих схем, алгоритмів та методів). Постановка проблеми. Нині актуальні різні підходи до побудови систем розпізнавання у вигляді дерев класифікації (ЛДК/АДК), причому інтерес до методів розпізнавання, які використовують дерева класифікації, викликаний багатьма корисними властивостями, якими вони володіють. З одного боку, складність класу функцій розпізнавання у вигляді моделей дерев класифікації, при визначених умовах, не перевищують складності класу лінійних функцій роз-пізнавання (простішого з відомих). З іншого – функції розпізнавання у вигляді дерев класифікації дозволяють виділити в процесі класифікації як причинно-наслідкові зв’язки (та однозначно врахувати їх у подальшому), так і фактори випадковості або невизначеності, тобто врахувати одночасно і функціональні, і стохастичні відношення між властивостями та поведінкою всієї системи. При цьому відомо, що процес класифікації нових, таких, що досі не зустрічалися, об’єктів світу багатьох тварин і людей (за винятком об’єктів, інформація про які передається генетичним шляхом (наслідковим), а також в деяких інших випадках), відбувається за так званим логічним деревом рішень (у зв‘язку з нейромережевою концепцією). Зрозуміло, що доцільно не розробляти новий алгоритм, а запропонувати деяку концепцію раціонального використання вже накопиченого потенціалу алгоритмів та методів класифікації у вигляді моделей алгоритмічних дерев класифікації (структур АДК). Саме тому ця робота має намір хоча б частково подолати ці обмеження та присвячена оцінці складності процедури побудови моделей алгоритмічних (логічних) дерев класифікації в галузі задач розпізнавання. Аналіз останніх досліджень і публікацій. У дослідженні розглянуті останні наукові публікації у відкритому доступі, які присвячені загальній проблемі підходів, методів, алгоритмів та схем розпізнавання (моделей ЛДК/АДК) дискретних об’єктів (дискретних зображень) у задачах розпізнавання образів (теорії штучного інтелекту). Виділення недосліджених частин загальної проблеми. Можливість простого та економного методу побудови моделі алгоритмічного дерева класифікації (або структур АДК/ЛДК) та оцінка складності такої процедури (моделі структури АДК/ЛДК) на основі початкових масивів дискретної інформації великого об’єму. Постановка завдання. Дослідження актуального питання складності загальної процедури побудови алгоритмічного дерева класифікації (моделі АДК) на основі концепції поетапної селекції наборів незалежних алгоритмів класифікації (можливих їх різнотипних множин та сполучень), яке для заданої початкової навчальної вибірки (масиву дискретної інформації) будує деревоподібну структуру (модель класифікації АДК), з набору алгоритмів оцінених на кожному кроці схеми побудови моделі за даною початковою вибіркою. Виклад основного матеріалу. Пропонується оцінка складності процедури побудови алгоритмічного дерева класифікації для довільного випадку (для умов слабкого та сильного розділення класів навчальної вибірки). Розв’язок цього питання має принциповий характер, щодо питань оцінки структурної складності моделей класифікації (у вигляді деревоподібних конструкцій), структур АДК дискретних об’єктів для широкого класу прикладних задач класифікації та розпізнавання в плані розробки перспективних схем та методів їх фінальної оптимізації (мінімізації) конструкції. Це дослідження має актуальність не лише для конструкцій алгоритмічних дерев класифікації, але й дозволяє розширити саму схему оцінки складності і на загальний випадок структур логічних дерев класифікації. Висновки відповідно до статті. Досліджені питання структурної складності конструкцій ЛДК/АДК, запропонована верхня оцінка складності для процедури побудови алгоритмічного дерева класифікації в умовах слабкого та сильного розділення класів початкової навчальної вибірки.

Нині навчання та тренажерна підготовка персоналу в енергетичній галузі України має значні недоліки, що не дозволяє виконувати повною мірою зобов’язання перед міжнародними організаціями. У статті обґрунтовано важливість використання сучасних веб орієнтованих технологій для підвищення кваліфікації оперативно-диспетчерського персоналу в енергетичній галузі України. Описано особливості створення навчально-методичної бази для системи підготовки та підвищення кваліфікації оперативно-диспетчерського персоналу в енергетиці з метою формування й підтримки ключових компетентностей оперативного персоналу. Розглядаються переваги застосування розподіленого середовища для організації навчання і тренажерної підготовки оперативного персоналу за допомогою засобів моделювання режимів роботи електроенергетичних систем (ЕЕС) у віртуальному центрі. У результаті проведеного дослідження обґрунтовано навчально-методичну базу, структуру та функції віртуального науково-навчального центру для підвищення кваліфікації персоналу в енергетичній галузі України, який виконує такі функції: контроль знань, тренажерна підготовка, формування ключових компетентностей. Подано основні компоненти дистанційних курсів (ДК) з використанням спеціалізованих програмно-моделюючих систем для тренажерної підготовки персоналу в енергетиці. Тематика пропонованих ДК складається з лекцій, практичних занять та семінарів, передбачає проведення консультацій з викладачами і самостійну позааудиторну роботу персоналу у вільний або в робочій час. Важливим практичним аспектом в авторських ДК є використання інформаційно-програмного забезпечення для стійкого формування в персоналу енергетичної галузі ключових компетентностей зі швидкого розпізнавання умов виникнення аварій та, за необхідності, швидкої ліквідації їх наслідків. Це дозволить оволодіти знаннями та практичними навичками для розв’язання задач аналізу, моделювання, прогнозування та візуалізації даних моніторингу режимів роботи великих ЕЕС. Отже, для підвищення кваліфікації персоналу в енергетичній галузі України було розроблено і впроваджено: віртуальний науково-навчальний центр (ВННЦ) та забезпечено його наукову підтримку; розроблено та впроваджено ДК для організації змішаного навчання персоналу; розроблено та впроваджено повнофункціональний режимний вебтренажер (ПОРТ). Використання персоналом у галузі енергетики ВННЦ дозволить створити систему підготовки персоналу найвищої якості.

Проаналізовано сучасні методології реалізації фонового моніторингу стаціонарних та квазістаціонарних об'єктів, просторово розподілених на 2D-території. Систематизовано та класифіковано 17 типів здійснення просторового діалогового моніторингу об'єктів управління. Визначено базові методи реалізації різних класів діалогового моніторингу, обґрунтовано принципи та фундаментальні засади створення теорії інтерактивних моніторингових систем на підставі проблемно орієнтованих характеристичних функціоналів, які математико-алгоритмічно описують методи та функції окремих класів діалогового моніторингу квазістаціонарних об'єктів управління. Подано рекомендації щодо забезпечення теоретичних основ формування реєстрації, цифрового опрацювання та використання побудованого сімейства інформаційних моделей станів "норма", "розвиток аварії" та "аварія" спостережуваних діалогових моніторингових систем. Обґрунтовано переваги застосування кільцево-зіркової архітектури інтерактивно-діалогових систем безпровідного надземного та наземного моніторингу. Розглянуто структури сенсорних моніторингових систем з максимально зв'язаною (систолічною) та лінійно зв'язаною топологіями просторового немобільного розміщення сканувальних сенсорів моніторингових систем. Подано методи та алгоритми моніторингу просторово розподілених об'єктів, в які покладено математичні засади цифрового кодування та опрацювання характеристичних параметрів об'єктів дослідження, такі як динаміка, відхилення від норми порівняно з еталонами на підставі побудованих інформаційних моделей їх станів та розпізнавання їх класів у математико-алгоритмічному середовищі. Розглянуто стратегію реалізації мегапросторового об'єкта моніторингу залежно від конфіденційних характеристик об'єкта. Також обґрунтовано вибір стратегії згідно з координатно-детермінованою, випадковою та ймовірнісною технологіями. Запропоновано підхід технічної реалізації спеціалізованих пристроїв, які забезпечують збирання, перетворення та опрацювання інформаційних даних.

Одним із основних завдань вищої школи, що знайшли відображення в Законах України «Про освіту», «Про вищу освіту», є формування особистості, здатної до самостійного вирішення проблем, самовизначення і творчого саморозвитку. Реалізація цього стратегічного завдання неможлива без модернізації навчального процесу з метою розвитку обдарувань, здібностей, індивідуальності студентів.Нові орієнтири розвитку вищої освіти – здійснення інноваційного підходу до освіти, оновлення її змісту, пошук нових методів підготовки, організації практики, засобів навчання тощо [1; 2].Сучасне суспільство, з одного боку, потребує дедалі глибшого особистісного розвитку людини, а з іншого – створює дедалі кращі передумови для цього. Процес глобалізації, який супроводжується розвитком сучасних інформаційних технологій, значно розширює комунікаційне середовище, в якому живе і функціонує людина, і разом з тим розширює можливості навчання.Особистісно-орієнтований підхід «передбачає нову педагогічну етику, визначальною рисою якої є взаєморозуміння, взаємоповага, співробітництво. Ця етика ... зумовлює моделювання життєвих ситуацій, включає спеціально сконструйовані ситуації вибору, авансування успіху, самоаналізу, самооцінки, самопізнання ... Основою всіх перетворень має бути реальне знання дитячих можливостей, прогнозування потреб найближчого розвитку особистості»[3].Особистісно-орієнтований підхід в навчанні, по-перше, сприяє формуванню особистості майбутнього фахівця; по-друге, є одним із факторів підвищення якості та ефективності навчання.При організації навчального процесу за особистісно-орієнтованими технологіями основними орієнтирами мають бути наступні:відмова від абсолютизації моделі навчання і реалізація її індивідуалізованого варіанту;планування цілей навчання має бути комплексним, орієнтованим на особистість кожного студента;урахування рівня складності матеріалу та реальних навчальних можливостей студента;розвиток внутрішньої мотивації;стимулювання особистісного сенсу засвоюваних знань та умінь;розвиток пізнавальної та творчої активності;залучення до діалогу, організації і планування власної навчальної діяльності;відбір таких способів навчально-пізнавальної діяльності студента, які стимулюють розвиток його творчих здібностей;збагачення змісту навчання супутніми знаннями про навколишній світ;організація процесу самостійного навчання та саморозвитку.Тільки комплексне застосування вищезазначених принципів в освітньому процесі забезпечує досить високу його ефективність та особистісний розвиток студента.В Національному університеті біоресурсів і природокористування України загальну та неорганічну хімію студенти вивчають на першому курсі, тому в першу чергу виникає необхідність забезпечення їх адаптації до навчального процесу. Студенти з різним рівнем шкільної підготовки, різними здібностями та здатністю до сприйняття навчального матеріалу. Щоб визначити рівень шкільної підготовки студентів з дисципліни, ми проводимо невелику за обсягом та часом контрольну роботу «Збереження знань». Її результати допомагають спланувати подальшу роботу зі студентами. На підставі цих результатів, застосовуючи індивідуально-диференційований підхід, можна проводити корекцію знань студентів.У навчальних програмах усіх дисциплін за вимогами Болонського процесу збільшується частка самостійної роботи студентів, яка в умовах особистісно-орієнтованої освіти виступає як спосіб формування самостійної особистості [3].Організація самостійної роботи починається з ґрунтовного інструктажу, при якому кожен студент отримує індивідуальне завдання, що враховує його схильності, рівень знань та загальну ерудицію і т.д. Виконання завдання передбачає особисту ініціативу і самостійність виконавця.Так, індивідуальні завдання для самостійної роботи з хімії різного рівня складності:Перший рівень оволодіння знаннями – рівень знайомства з предметом. Це запам’ятовування і розпізнавання інформації, розрізнення об’єктів та їх властивостей. Він розрахований на студентів з невисокою успішністю. Наприклад, тестові завдання з теми «Розчини. Електролітична дисоціація та гідроліз солей»:1. Запишіть формули та розташуйте в порядку зростання сили кислоти: карбонатна, сульфатна, фосфатна, хлорна.2. Які з наведених електролітів у водному розчині дисоціюють ступінчасто (записати формули): сульфітна кислота, хром (ІІІ) сульфат, кальцій гідроксид, калій дигідрогенфосфат?3. Які з наведених солей гідролізують: магній нітрат, манган (ІІ) нітрат, барій нітрат, ферум (ІІІ) нітрат?Другий рівень оволодіння знаннями - рівень умінь. Це здатність самостійно виконувати дії на деякій множині об’єктів. Він розрахований на основну масу студентів із середньою успішністю. Приклади тестових завдань:1. Які йони можуть одночасно міститися в розчині:а) Fe2+ i SO42-; б) Ca2+ i SO42-; в) Cu2+ i SO42- ; г) Pb2+ i SO42 ?2. Які реакції проходять до кінця:а) CaCl2 + (NH4)2SO4; б) Al(NO3)3 + K2SO4; в) (NH4)2SO4 + Na2CO3;г) Ba(CH3COO)2 + Na2CO3?3. Вкажіть продукти гідролізу солі калій фосфату за першим ступенем (записати формули та рівняння реакцій).Третій рівень оволодіння знаннями - рівень творчості. Це продуктивна діяльність на багатьох об’єктах на основі свідомо використаної інформації про ці об’єкти, тобто розуміння діяти творчо. Третій варіант завдань розрахований на успішних студентів. Приклади тестових завдань:1. Під час розчинення у воді не змінюють реакцію розчину солі (записати формули): кобальт (ІІ) сульфіт; кальцій нітрит; алюміній бромід; літій карбонат.2. Скорочене йонне рівняння Zn2+ + CO32- → ZnCO3 відповідає реакції між: а) цинк хлоридом і кальцій карбонатом; б) цинк нітратом і калій карбонатом; в) цинк сульфідом і калій гідрогенкарбонатом; г) цинк нітратом і карбонатною кислотою.3. Встановіть відповідність між значенням рН та водними розчинами солей: А.рН  71.Zn(NO3)2;4.(NH4)3PO4;Б.рН  72.FeCl3;5.KNO3;В.рН  73.Rb2SiO3;6.SnCO3Завдання повинні враховувати майбутню спеціалізацію студентів, тобто бути професійно орієнтованими, а також міжпредметні зв’язки хімії з іншими дисциплінами. Метою самостійної роботи є формування самостійної особистості. Продуктивна особистісно-орієнтована самостійна робота стимулює креативний потенціал студента. Вона сприяє не тільки якісному запам’ятовуванню і засвоєнню навчального матеріалу, а й спонукає студентів до пошуку наукової інформації, а деяких - до самостійної наукової діяльності.Студенти, що добре навчаються, за бажанням мають можливість відвідувати наукові студентські гуртки, що працюють на кафедрі за різними напрямами, зокрема гурток «Чиста вода». Під керівництвом викладача вони вчаться працювати з науковою літературою, готують виступи на цікаві теми, доповіді на студентські конференції, проводять експериментальну роботу. Щорічно проводиться конкурс «Хімічний кросворд», круглі столи та ін.Дистанційні технології навчання дають змогу забезпечити студентів електронними навчальними ресурсами для самостійного опрацювання, завданнями для самостійного виконання, реалізувати індивідуальний підхід до кожного студента тощо. Використання таких технологій у навчальному процесі вищого навчального закладу вносить зміни в елементи традиційної системи освіти. Перш за все – у методику викладання всіх дисциплін. Це пов’язано з тим, що викладач перестає бути для студента єдиним джерелом отримання знань. Багато інформації можна знайти в мережі Інтернет та за її допомогою. Посилюється роль методів активного пізнання та дистанційного навчання. Доступність інформації сприяє розвитку умінь співставлення, синтезу, аналізу та ін. Використання дистанційних технологій змінює методику проведення аудиторних занять та організації самостійної роботи студентів.Існуючий в даний час рівень розвитку інформаційно-телекомунікаційних систем дозволяє реалізувати на практиці всі вищезазначені принципи особистісно-орієнтованого підходу в дистанційному навчанні.Доступність дистанційного навчання визначає глибину проникнення особистісно-орієнтованого підходу в освітній процес. Вона забезпечується: можливістю реалізації освітнього процесу у зручний для студента час; навчання може виконуватися дистанційно в повному обсязі, незважаючи на територіальну віддаленість; контролем освітнього процесу в режимі реального часу; можливістю створити для кожного студента персональний інформаційний навчальний простір.Така програма навчання складається з урахуванням особистісної мотивації студента. Її позитивні сторони та переваги:навчальна інформація може подаватися в різній формі: мовній, письмовій, візуальній та ін.;з урахуванням індивідуальних особливостей сприйняття того, хто користується нею;є можливості достатньо об’єктивно оцінити результати навчання на всіх його етапах;можна коректувати програму індивідуально в ході навчання з метою підвищення ефективності освітнього процесу.Для реалізації особистісно-орієнтованого підходу в дистанційному навчанні необхідно:Адаптувати існуючі методики застосування особистісно-орієнтованого підходу до сучасних комп’ютерних технологій введення, обробки, аналізу та подання інформації.Розробити інтелектуальну систему формування персонального інформаційно-навчального простору.Розробити методи динамічної адаптації програми навчання, що засновані на аналізі результатів проміжного контролю знань.Забезпечити постійно захищений доступ до персонального інформаційно-навчального простору на базі існуючих комунікацій.Опрацювати правовий статус оцінки результатів навчання.Таким чином, для ефективного використання дистанційних технологій у навчальному процесі потрібен системний підхід, який забезпечує вирішення завдань із технічним, програмним, навчально-методичним, кадровим, нормативно-правовим забезпеченням, управлінням процесом дистанційного навчання та розвитком дистанційних технологій [4].Інформаційні технології розвиваються дуже динамічно, так само динамічно має розвиватися і методика їх використання в навчальному процесі.Автори [4 ] виділяють чотири моделі використання інформаційно-комунікаційних та дистанційних технологій у навчальному процесі вищого навчального закладу:Моделі, що передбачають інтеграцію денної форми, інформаційно-комунікаційних та дистанційних технологій навчання.Моделі, що передбачають інтеграцію заочної форми навчання, інформаційно-комунікаційних та дистанційних технологій навчання.Заняття в он-лайн режимі з використанням відеоконференцсистеми (центральний офіс-регіональний офіс).Електронне спілкування, електронні варіанти друкованих посібників, електронні підручники (посібники), комп’ютерні презентації, навчальні компакт-диски, комп’ютерні програми навчального призначення.Для забезпечення студентів денної форми навчання електронними навчальними матеріалами, організації та керування самостійною роботою студентів, автоматизованого тестування використовють модель інтеграції денної форми навчання з інформаційно-комунікаційними та дистанційними технологіями навчання. У Національному університеті біоресурсів і природокористування України створено навчально-інформаційний портал на базі платформи дистанційного навчання Moodle.Електронні навчальні курси, які розробляються на платформі дистанційного навчання Moodle, складаються з електронних ресурсів двох типів: а) ресурси, призначені для подання студентам змісту навчального матеріалу, наприклад, електронні конспекти лекцій, мультимедійні презентації лекцій, методичні рекомендації тощо; б) ресурси, що забезпечують закріплення вивченого матеріалу, формування вмінь та навичок, самооцінювання та оцінювання навчальних досягнень студентів, наприклад, завдання, тестування, анкетування.Особистісно-орієнтований підхід забезпечує індивідуальний розвиток кожного, сприяє успішному навчанню, максимальному розвитку здібностей та обдарувань. Він забезпечує більш високі загальні та індивідуальні результати пізнавальної діяльності; активно впливає на розвиток пізнавальних здібностей, створює умови для того, щоб кожен міг успішно виконувати вимоги навчальної програми, подолати наявні недоліки та розвинути індивідуальні інтереси; забезпечити максимально продуктивну роботу всіх студентів.Однак в реальному навчальному процесі обставини змушують працювати не строго індивідуально, а з групою подібних студентів. Застосування дистанційних технологій дає можливість більше уваги приділяти індивідуальним потребам кожного студента, але відсутність живого спілкування ускладнює завдання викладача, тому що йому важче визначити індивідуальні потреби кожного студента. Тому необхідно поєднувати особливості та переваги особистісно-орієнтованого навчання із комп’ютерними технологіями, що дасть змогу уникнути деяких недоліків.

У роботі представлено порівняльне оцінювання ефективності систем автоматизованої комп'ютерної діагностики, розроблених на основі двох класифікаторів — каскаду дескрипторів Хаара та AdaBoost, під час лапароскопічної діагностики апендициту та метастазів печінки. Для навчання використовували зображення, а також гама-кореговані та конвертовані у HSV шкалу кольори RGB зображення, отримані під час лапароскопічної діагностики. Дескриптори, що використовували для навчання класифікатора AdaBoost отримували за допомогою методу локального бінарного патерну, який включав інформаційні показники кольору, а також показники текстури. Після завершення навчання проводили тест оцінювання ефективності діагностики при якому використовували зображення, що не застосовували для навчання. Найбільш високим показник повноти (recall) був при тестовій діагностиці апендициту за допомогою навчання класифікатора AdaBoost дескрипторами модифікованого кольору локального бінарного патерну, отриманими з RGB зображень, — 0,745, а під час діагностики метастазів печінки — 0,902. Також коректність діагностики (accuracy) склала 74,4 % під час діагностики апендициту та 89,3 % при діагностиці метастазів печінки. Коректність діагностики із застосуванням класифікатора Хаара була найбільш високою за умови діагностики метастазів печінки та склала 0,672 при використанні RGB зображень, 0,723 — при навчанні HSV зображеннями. Діагностика із застосуванням класифікатора Хаара є менш ефективною порівняно з діагностикою, що здійснювалась із застосуванням класифікатора AdaBoost, навчання якого здійснювали із застосуванням дескрипторів модифікованого кольору локального бінарного патерну.

Результати досліджень, що опубліковано в статті, будуть корисні для фахівців логістичного забезпечення, які займаються питаннями створення (модернізації) зразків озброєння та військової техніки. У статті викладається методичний підхід щодо порядку обґрунтування вимог до показників вогневої потужності перспективного зенітного ракетного комплексу (системи), який передбачає оцінку складових вогневої потужності – пошукових можливостей, вогневої продуктивності та вогневого ресурсу з урахуванням інтенсивності нальоту засобів повітряного нападу, дальності і умов застосування зенітного ракетного комплексу (системи) за кожним типом цілей. Наведений перелік показників вогневої потужності, а саме – середній час виявлення і розпізнавання цілі, інтенсивність розвідки цілей, щільність потоку пусків ракет (темп стрільби), час підготовки першого пуску, імовірність ураження цілі, середня витрата ракет на одну ціль. Показано, що показники вогневої потужності перспективного зенітного ракетного комплексу (системи) при заданому рівні захищеності мають визначатись за умови знищення визначеної групи повітряних цілей з ймовірністю, не нижче заданого рівня. Обґрунтування вимог до вогневої потужності перспективного зенітного ракетного комплексу (системи) доцільно здійснювати з використанням комплексу математичних моделей, що забезпечує можливість дослідження сценаріїв конфліктно-інформаційної взаємодії перспективного зенітного ракетного комплексу (системи) і повітряних цілей у вигляді імітаційного машинного експерименту. Показано, що за результатами моделювання повинні визначатись показники пошукових можливостей, вогневої продуктивності і вогневого ресурсу перспективного зенітного ракетного комплексу (системи), а також величина математичного очікування кількості уражених цілей при витраченні зенітних керованих ракет, встановлених на пускових установках.

Мета статті полягає у спробі розв’язати теоретичні і практичні проблемні питання, пов’язані із застосуванням інформаційних технологій у судово-експертній діяльності під час ідентифікації особи за матеріалами відеозапису, наприклад за особливостями ходи. Методологія. Для досягнення поставленої мети використано загальнонаукові та спеціальні методи, які є засобами наукового пошуку. Зокрема, метод системного аналізу, а також системно-структурний, формально-логічний і статистичний надали можливість окреслити напрями становлення та розвитку ідентифікації особи за ходою, зафіксованою в матеріалах відеозапису, розкрити сутність її завдань та особливості дослідження відповідних об’єктів як окремо, так і в комплексі. Наукова новизна зумовлена формуванням нового інструментарію у протидії злочинності. Виокремлено основні завдання ідентифікації особи за ходою, зафіксованою в матеріалах відеозапису з використанням новітніх інформаційних технологій. Висновки. Проаналізовано основні джерела, з яких матеріали відеозапису потрапляють до сфери кримінального провадження. Узагальнено зарубіжний досвід правоохоронних органів з автоматизованого розпізнавання особи за матеріалами відеозапису. Надано пропозиції щодо автоматизації ідентифікації особи, розроблення методики ідентифікації особи за матеріалами відеозапису з використанням комплексу ознак.

У статті досліджуються проблеми технічного захисту інформації та способи їх вирі- шення, особливу увагу приділено механізмам реалізації грифу обмеження доступу. Обґрунтовано, що сучасна інформаційна безпека вимагає постійного вдосконалення системи відповідно до збільшення ризику витоку інформації. Описано процес витоку й наголошено, що він є безперервним і полягає в реа- лізації сучасних методів і способів поліпшення системи захисту інформації, постійного моніторингу, виявлення його слабких місць і потенційних каналів витоку інформації. Запропоновано перелік мето- дів, які лежать в основі дієвого технічного захисту інформаційного простору сьогодення. Зазначено, що рішення проблем захисту електронної інформації засноване в основному на використанні крип- тографічних методів, при цьому сучасні методи криптографічних перетворень зберігають вихідну продуктивність автоматизованої системи, що є важливим в умовах постійного впливу. Підкреслено, що основною властивістю забезпечення конфіденційності повідомлень є конфіденційність інфор- мації, це дає змогу абстрагуватися від інших властивостей. Детально описано технічний комплекс «Гриф», який призначено для захисту секретної інформації. Зазначено функціональні можливості, які складаються із забезпечення неможливості неконтрольованого й несанкціонованого ознайомлення, копіювання й відновлення інформації, модифікації й видалення інформації; надання доступу до інфор- мації тільки за умови достовірного розпізнавання користувачів і з урахуванням повноважень, наданих згідно зі службовою необхідністю; облік дій користувачів і реєстрацію спроб порушення встановле- ного порядку доступу до інформації, включаючи блокування доступу до інформації в разі виявлення таких спроб, а також можливість здійснення контролю за доступом до інформації з боку уповно- важених осіб. Сформовано схему взаємодії модулів технічного комплексу з відокремленням інформа- ційних потоків.

У статті проаналізовано шляхи підвищення ефективності роботи пункту технічного спостереження (ПТС) на основі аналізу технічного забезпечення (ТЗ) механізованих підрозділів Національної гвардії України та Збройних Сил України, а також технічне оснащення наявних технічних пунктів спостереження (ПС) та необхідність доопрацювання існуючого мобільного комплексу наземної розвідки “Джеб” до потреб рухомого пункту технічного спостереження (РПТС), а потім його використання як базового. Мобільний пункт технічного спостереження мобільного комплексу наземної розвідки “Джеб” є частиною комплексу REW “Ground Exploration”, який потребує подальшої розробки шляхом розширення доступності оперативної інформації щодо контролю обладнання та особового складу. На сьогодні бойові можливості комплексу такі: автоматичне виявлення і розпізнавання наземних і малошвидкісних низьколітаючих цілей на відстані до 12 км за допомогою РЛС міліметрового діапазону; виявлення і розпізнавання цілей на відстані до 5–8 км в оптичному діапазоні довжин хвиль за допомогою телевізійної і тепловізійної систем в денних і нічних умовах, а так само в умовах обмеженої видимості; детальна дорозвідка цілей у видимому та інфрачервоному діапазонах довжин хвиль; визначення відстані до розвідувальних цілей з точністю до 5 м за допомогою лазерного далекоміра; визначення власних координат комплексу та цілей і прив’язка їх до місцевості; розвідка цілей в умовах активної протидії з боку супротивника засобами РЕБ; відображення озвідувальної інформації про цілі (кількість цілей, склад цілей, дальність, пеленг, детальна відеоінформація про цілі, координати комплексу) на дисплеї ЕОМ, що працює в мультиекранному режимі, і екрані РКІ монітора; сканування і реєстрація радіосигналів систем зв’язку і телекомунікації у виділених ділянках радіодіапазону; зняття характеристик зареєстрованих сигналів (несуча частота, ширина смуги, потужність, вид модуляції, параметри зондувальних імпульсів та ін.); відображення та індикація характеристик аналізованогодіапа зону/джерела; ведення бази даних зареєстрованих джерел; класифікація та ідентифікація виявлених джерел і прив’язка їх до можливих технічних засобів; визначення напрямку випромінювання виявлених джерел (за наявності відповідних антенних систем); перехоплення та реєстрації сигналів стільни кового, пейджерного і транкового зв’язку стандартів AMPS/DAMPS (протоколи IS-54B, IS-136 і IS-641), NAMPS, TACS, NMT-450 (900), GSM-900, DCS-1800, MPT-1327, EDACS, FLEX, RDS, POCSAG; передача розвідувальної інформації (текстової та відео) по радіоканалу на командні пункти.Практична реалізація запропонованого підходу дозволяє надати додаткову необхідну інформацію для прийняття управлінських рішень щодо ТЗ:технічний стан, місце розташування та причини зупинок контрольованого обладнання тощо, а також стан екіпажів та їх місцезнаходження; наявність сил і засобів ротивника в зоні дії підлеглих частин з ТЗ;прокладання оптимального маршруту відносно засобів ремонту та евакуації в реальному часі, пов’язаних з поточною ситуацією в бою.Інформація про РПТС повинна надходити через систему підключених датчиків, встановлених на контрольованих машинах, що дозволяє отримати дані:про стан машин, систем і механізмів машини;причини несподіваної зупинки автомобіля (перекинуті, застрягли, пожежі, травми (динамічний удар);наявність палива;наявність боєприпасів;облік споживання палива при підключенні додаткових датчиків рівня палива;ведення обліку кожного члена екіпажу. Набір датчиків залежить від цілей, які переслідує замовник. Ефективність запропонованої автоматизації обробки оперативної інформації про озброєння та військову техніку визначається при розробці проекту автоматизованої інформаційної технології (АІТ) з метою обґрунтування її доцільності і вибору оптимального варіанта, а також після практичної реалізації проекту для обчислення фактично отриманого ефекту Запропоновано метод визначення ефективності модернізованого мобільного комплексу наземних розвідувальних даних РЕБ “Джеб” для потреб РПТС.

Стаття присвячена питанням гейміфікації дошкільної освіти, а саме застосуванню комп’ютерних ігор для вивчення іноземної мови. Більшість застосунків для вивчення англійської мови, що існують на цей час, орієнтовані на дітей більш старшого віку та мають стандартний інтерфейс взаємодії з користувачем. Авторами запропоновано використання інтелектуального інтерфейсу, який базується на методах розпізнання голосу, а саме на методах розпізнавання мовлення на основі обмеженого словника та граматики запитів. У статті наведено повний цикл розробки комп’ютерної гри: спочатку було проведено аналіз та визначення вимог до гри, далі була побудована архітектура, після чого розроблено програмне забезпечення та проведено його тестування. Для проєктування гри було використано сучасний архітектурний фреймворк TOGAF (The Open Group Archіtecture Framework) та відповідний інструмент візуального моделювання Archimate. Такий підхід дозволив авторам визначити вимоги до гри, що базуються на основних цілях та проблемах стейкхолдерів; провести аналіз основних бізнес-процесів гри, зокрема процес роботи з голосовим інтерфейсом, як з точки зору розробника, так і гравця; спроєктувати архітектуру комп’ютерної гри. Для програмної реалізації гри авторами було обрано платформу Unity, а для реалізації голосового інтерфейсу один з класів модулю UnityEngine.Windows.Speech. Наведено приклад роботи одного з рівнів гри, який призначено для вивчення назв фруктів та закріплення знання назв кольорів англійською мовою. Останнім етапом проєктування будь-якої інформаційної системи є тестування, авторами розроблено тест-кейс для тестування одного з рівнів комп’ютерної гри. Даний тест-кейс охоплює усі кроки, які робить гравець під час гри, та доводить коректність роботи як програмного застосунку в цілому, так і окремо голосового інтерфейсу. Розроблена авторами гра дозволить підвищити ефективність та якість вивчення англійської мови дітьми дошкільного віку шляхом збільшення їх зацікавленості та спрощення процесу навчання.

На сьогоднішній день існує багато компаній у всьому світі, що займаються розробкою систем машинного перекладу (СМП), за допомогою яких здійснюється переклад на різні мови світу. Серед них можна виділити такі: SYSTRAN (США, systransoft.com), Langenscheidt (Німеччина, langenscheidt.de), Transparent Language (США, transparent.com), LANGUAGE ENGINEERING CORPORATION (США, lec.com), Translation Experts (США, tranexp.com), Linguatec (Німеччина, linguatec.net), SDL (Великобританія, sdl.com), STAR (Швейцарія, star-group.net), ATRIL (США, atril.com), Alis Technologies (Канада, alis.com).Вивчення джерел щодо комп’ютерних технологій перекладу й опрацювання текстів свідчить, що проблеми перекладу і розпізнавання образів за допомогою машини тісно пов’язані із проблемами штучного інтелекту і кібернетикою. Проблеми створення штучної подібності людського розуму для вирішення складних завдань і моделювання розумової діяльності вивчаються досить давно. Вперше ідею штучного інтелекту висловив Р. Луллій у XIV столітті, коли він намагався створити машину для вирішення різноманітних задач з основ загальної класифікації понять. А у XVIII столітті Г. Лейбніц і Р. Декарт розвили ці ідеї, запропонувавши універсальні мови класифікації всіх наук [1].Ці ідеї лягли в основу теоретичних розробок у галузі створення штучного інтелекту. Проте розвиток штучного інтелекту як наукового напряму став можливим лише після створення електронних обчислювальних машин (ЕОМ). Це сталося у 40-ві роки ХХ століття.Термін «штучний інтелект» був запропонований в 1956 р. на семінарі, присвяченому розробці логічних завдань з аналогічною назвою у Стенфордському університеті. Штучний інтелект – розділ комп’ютерної лінгвістики та інформатики, де розглядаються формалізація проблем та завдань, які нагадують завдання, виконувані людиною. При цьому у більшості випадків алгоритм розв’язування завдання невідомий наперед. Точного визначення цієї науки немає, оскільки у філософії не вирішене питання про природу і статус людського інтелекту. Немає і точного критерію досягнення комп’ютером «розумності», хоча стосовно штучного інтелекту було запропоновано низку гіпотез, наприклад, тест Тьюринга або гіпотеза Ньюела-Саймона [2].Після визначення штучного інтелекту як самостійного розділу науки відбувся його поділ за двома основними напрямками: нейрокібернетика і кібернетика «чорного ящика». Розпізнавання образів – традиційний напрямок штучного інтелекту, близький до машинного навчання і пов’язаний з нейрокібернетикою. Кожному об’єкту відповідає матриця ознак, за якою відбувається його розпізнавання. Машинний переклад належить до кібернетики «чорного ящика», головним принципом якого є принцип, протилежний нейрокібернетиці, а саме: немає значення, як побудований «розумовий» пристрій – головне, щоб на задані вхідні дії він реагував, як людський мозок.Слід зазначити, що сьогодні науковці розглядають штучний інтелект як один з напрямків інформатики, метою якого є розробка апаратно-програмних засобів, за допомогою яких можна користувачу-непрограмісту ставити і вирішувати завдання, що традиційно вважаються інтелектуальними [2].З другої половини 1960-х рр., коли людство вступило в епоху комп’ютерних технологій, використання комп’ютерів звільнило людей від багатьох видів рутинної роботи, будь то трудомісткі обчислення чи пошук необхідних елементів в різних базах даних. При цьому слід мати на увазі, що принципова відмінність комп’ютерних технологій від будь-яких виробничих технологій полягає саме в тому, що в одному випадку технології не можуть бути безупинні, тому що вони поєднують роботу рутинного типу (скажімо, оперативний облік) і роботу творчу, яка не піддається поки що формалізації (прийняття рішень), а в іншому випадку функція виробництва безупинна і відображає строгу послідовність всіх операцій для випуску продукції (конвеєризація процесу).Переклади текстів з однієї мови на іншу можна віднести до рутинної роботи, але тільки частково. Дійсно, з одного боку, в роботі будь-якого перекладача є досить велика кількість елементів формалізму, хоча, з іншого боку, у даний час жоден серйозний переклад не може бути виконаний зовсім формально.Усі переклади можна розділити на технічні і літературні. Межа між ними є дуже «розмитою» (проміжне положення займають, наприклад, переклади ділових листів). Особливістю технічних перекладів є необхідність у першу чергу знати стандарти фахових понять. Специфіка ж літературного перекладу полягає в тому, що потрібно одержати текст, за художньою цінністю максимально близький до оригіналу. Якість виконання з використанням комп’ютера технічних і літературних перекладів у теперішній час зовсім різна: технічні переклади є якісніші, ніж літературні. Останній факт особливо відчутний при перекладі віршованих форм  тут використання комп’ютера практично неможливе: його використання поступається поетам-перекладачам.Переклад текстів  одна з перших функцій, яку людина спробувала виконати за допомогою комп’ютера. Всього через кілька років після створення перших ЕОМ з’явилися і програми машинного перекладу. Датою народження машинного перекладу як галузі досліджень прийнято вважати 1947 р. Саме тоді У. Уівер [3] (який написав трохи пізніше, у 1949 р., разом із К. Шенноном книгу з основ теорії інформації), написав лист Н. Вінеру, «батькові кібернетики», порівнявши в цьому листі завдання перекладу із завданням дешифрування текстів.Завдання дешифрування до цього часу вже вирішувалися (і небезуспішно) на електромеханічних пристроях. Більше того, перша діюча ЕОМ за назвою Colossus-1, сконструйована в Англії в 1942-43 рр. знаменитим математиком і логіком А. Тьюрінгом, автором теоретичного автомата «машина Тьюрінга», разом з Х. А. Ньюменом, використовувалася під час війни для розшифровування секретних німецьких кодів. Оскільки ЕОМ Colossus-1, як і всі перші обчислювальні машини, конструювалася і використовувалася головним чином для військових цілей, відомості про неї стали відомі набагато пізніше її введення в експлуатацію. У 1944 р. Г. Айкен сконструював обчислювальну машину МАРК-1 на електромеханічних елементах і установив її в Гарвардському університеті. Ця машина також використовувалася для виконання завдань дешифрування. Відзначимо також, що завдання дешифрування доводилося і доводиться нерідко вирішувати не тільки військовим, але також археологам і історикам при спробах прочитати рукописи давніми, забутими мовами [4].Після листа У. Уівера Н. Вінерові відбувся ряд гострих наукових дискусій, потім були виділені гроші на дослідження. Сам Н. Вінер, що вільно розмовляв 13-тьма мовами, довгий час оцінював можливості комп’ютерного перекладу дуже скептично. Він, зокрема, писав: «...що стосується проблеми механічного перекладу, то, відверто кажучи, я боюся, що межі слів у різних мовах занадто розпливчасті, а емоційні й інтернаціональні слова займають занадто велике місце в мові, щоб який-небудь напівмеханічний спосіб перекладу був багатообіцяючим... В даний час механізація мови... уявляється мені передчасною» [5, 152]. Однак, всупереч скепсису Вінера і ряду інших вчених зі світовими іменами, у 1952 р. відбулася перша міжнародна конференція з машинного перекладу. Організатором цієї конференції був відомий ізраїльський математик І. Бар-Хіллел. Він прославився в першу чергу застосуванням ідей і методів математичної логіки в різних напрямках досліджень з теорії множин і основ математики, але видав також ряд робіт із загальної теорії мови, математичної лінгвістики, автоматичного перекладу і теорії визначень (у СРСР була дуже популярна монографія «Основи теорії множин», написана І. Бар-Хіллелом разом з А. А. Френкелом) [3].Незабаром після конференції 1952 р. був досягнутий ряд успіхів у академічних дослідженнях, які, у свою чергу, стимулювали комерційний інтерес до проблеми машинного перекладу. Вже в 1954 р. знаменита фірма IBM разом із Джорджтаунським університетом (США) зуміла показати першу систему, що базується на словнику з 250-ти слів і 6-ти синтаксичних правилах. За допомогою цієї системи забезпечувався переклад 49-ти заздалегідь відібраних речень. Вже до 1958 р. у світі існували програмні системи для машинного перекладу технічних текстів, найдосконаліша з яких була розроблена в СРСР і мала запас 952 слова.В період з 1954 р. по 1964 р. уряд і різні військові відомства США витратили на дослідження в галузі машинного перекладу близько 40 млн. доларів. Однак незабаром «запаморочення від успіхів» змінилося повною зневірою, що доходила практично до повного заперечення здійсненності машинного перекладу. До подібного висновку прийшли на основі звіту, виконаного спеціальним комітетом із прикладної лінгвістики (ALPAC) Національної Академії наук США. У звіті констатувалося, що використання систем автоматичного перекладу не зможе забезпечити прийнятну якість у найближчому майбутньому. Песимізм ALPAC був обумовлений, головним чином, невисоким рівнем розвитку комп’ютер­ної техніки того часу. Справді, труднощі роботи з перфокартами і величезними комп’ютерами I-го і II-го поколінь (на електронних лампах чи транзисторах) були чималими. Саме з цих причин перші проекти не дали істотних практичних результатів. Однак були виявлені основні проблеми перекладу текстів природною мовою: багатозначність слів і синтаксичних конструкцій, практична неможливість опису семантичної структури світу навіть в обмеженій предметній галузі, відсутність ефективних формальних методів опису лінгвістичних закономірностей [6].До поширення персональних комп’ютерів машинний переклад міг бути швидше цікавим об’єктом наукових досліджень, ніж важливою сферою застосування обчислювальної техніки. Причинами цього були:висока вартість часу роботи ЕОМ (з огляду на той факт, що кожну обчислювальну машину обслуговувала велика група системних програмістів, інженерів, техніків і операторів, для кожної машини було потрібне окреме, спеціально обладнане приміщення і т.п., «комп’ютерний час» був дуже і дуже дорогим);колективне використання ресурсів комп’ютера. Це часто не дозволяло негайно звернутися до електронного помічника, зводячи нанівець найважливішу перевагу машинного перекладу перед звичайним  його оперативність.За результатами звіту ALPAC дослідження з комп’ютерного перекладу припинилися на півтора десятка років через відсутність фінансування. Однак у цей же час відбувся якісний стрибок у розвитку обчислювальної техніки за рахунок переходу до технологій інтегральних схем. ЕОМ III-го покоління на інтегральних схемах, що використовувалися у 1960-ті роки, до кінця 1960-х  початку 1970-х років стали витіснятися машинами IV-го покоління на великих інтегральних схемах. Нарешті, у 1970 р. М. Е. Хофф (Intel) створив перший мікропроцесор, тобто інтегральну схему, придатну для виконання функції великої ЕОМ. До середини 1970-х років з’явилися перші комерційно розповсюджувані персональні комп’ютери (ПК) на базі 8-розрядних мікропроцесорів фірми Intel. Це була на той час комп’ютерна революція.Саме поява ПК стала сильним додатковим стимулом для вдосконалювання комп’ютерного перекладу (особливо після створення комп’ю­терів Apple II у 1977 р. і IBM PC у 1981 р.). Поновленню досліджень з комп’ютерного перекладу сприяло також підвищення рівня розвитку техніки і науки взагалі. Так, у 1970-ті рр. одержала поширення система автоматизованого перекладу SYSTRAN. Протягом 1974-75 рр. система була використана аерокосмічною асоціацією NASA для перекладу документів проекту «Союз-Аполлон». До кінця 1980-х років за допомогою цієї системи перекладали з кількох мов вже близько 100 000 сторінок щорічно. Розвитку комп’ютерного перекладу сприяло ще і зростання інтересу дослідників і проектувальників до проблеми штучного інтелекту (тут явно переважали лінгвістичні аспекти) і комп’ютерного пошуку даних [7].Починаючи з 1980-х рр., коли вартість машинного часу помітно знизилась, а доступ до них можна було одержати в будь-який час, машинний переклад став економічно вигідним. У ці і наступні роки удосконалювання програм дозволило досить точно перекладати багато видів текстів. 1990-ті рр. можна вважати справжньою «епохою Відродження» у розвитку комп’ютерного перекладу, що пов’язано не тільки з широкими можливостями використання ПК і появою нових технічних засобів (у першу чергу сканерів), але і з появою комп’ютерних мереж, зокрема глобальної мережі Internet.Наприклад, створення Європейської Інформаційної Мережі (EURONET DIANA) стимулювало роботи зі створення систем автоматизованого перекладу. У 1982 р. було оголошено про створення європейської програми EUROTRA, метою реалізації якої була розробка системи комп’ютерного перекладу для всіх європейських мов. Спочатку проект оцінювався в 12 млн. доларів США, але вже в 1987 р. фахівці визначили сумарні витрати по цьому проекту більш ніж у 160 млн. доларів [4].Використання глобальної мережі Internet об’єднало мільйони людей, що говорять різними мовами, у єдиний інформаційний простір. Домінує, природно, англійська мова, але: є користувачі, які нею зовсім не володіють чи володіють дуже слабко; існує безліч Web-сторінок, написаних не англійською мовою.Для полегшення перегляду Web-сторінок, описаних незнайомою користувачеві мовою, з’явилися додатки до браузерів, за допомогою яких здійснюється переклад обраних користувачем фрагментів Web-сторінки або всієї Web-сторінки, що переглядається. Для цього досить лише скопіювати частину тексту та вставити його у відповідне поле або «натиснути» на спеціальну кнопку меню. Прикладом такого комп’ютерного перекладача є програмний засіб WebTransSite фірми «Промт», створений на базі програмного засобу Stylus, який можна використовувати в різних браузерах (Netscape Navigator, Internet Explorer, Mozilla Firefox, Opera та ін.) або, наприклад, Google Translate – це сервіс компанії Google, за допомогою якого можна автоматично перекладати слова, фрази та Web-сторінки з однієї мови на іншу. В системі Google використовується власне програмне забезпечення для перекладу на основі статистичного машинного перекладу. З вересня 2008 р. підтримуються й переклади українською мовою. Користувач уводить текст, поданий мовою оригіналу, та вказує мову, якою цей текст потрібно подати.Проблемами машинного перекладу в теперішній час займається ряд відомих компаній, таких як SYSTRAN Software Inc., Logos Corp., Globalink Inc., Alis Technologies Inc., Toshiba Corp., Compu Serve, Fujitsu Corp., TRADOS Inc., Промт та інші. З’явилися також компанії, що спеціалізуються на машинному перекладі, зокрема компанія SAP AG, яка є європейським лідером у розробці програмного забезпечення і протягом багатьох років використовує системи машинного перекладу різних виробників при локалізації своїх програмних продуктів. Існує і служба машинного перекладу при комісії Європейського Союзу (обсяг перекладу в комісії перевищує 2,5 млн. сторінок щорічно; переклади всіх документів виконуються оперативно 11-тьма офіційними мовами, забезпечують їх 1100 перекладачів, 100 лінгвістів, 100 менеджерів і 500 секретарів) [8].Проблемам комп’ютерного перекладу значна увага науковців приділяється в галузі лінгвістики, зокрема в Україні у Київському державному університеті лінгвістики, дуже міцною є лінгвістична школа Санкт-Петербурга та Москви. Не можна не згадати такі праці, як фундаментальна монографія Ф. Джорджа «Основи кібернетики» [5], Дж. Вудера «Science without properties», О. К. Жолковського «О правилах семантического анализа», Ю. М. Марчука «Проблемы машинного перевода», Г. С. Цейтіна, М. І. Откупщикової та ін. «Система анализа текста с процедурным представлением словарной информации» [6] та інші, в яких сформульовані основні принципи і проблеми практичної реалізації машинного перекладу. Ці монографії містять цікавий фактичний матеріал і можуть бути корисні педагогу в побудові курсу лекцій з комп’ютерних технологій перекладу й опрацювання текстів.Протягом багатьох років науковці в галузях лінгвістики, кібернетики, інформатики вели інтенсивні пошуки моделей і алгоритмів людського мислення і розробок програм, але так сталося, що жодна з наук – філософія, психологія, лінгвістика – не в змозі запропонувати такого алгоритму. Таким чином, штучний інтелект як «генератор знань» [9, 139] ще не створений, машинний переклад є частково структурованим завданням, а тому втручання людини в створення досконалих перекладів буде потрібне завжди і її треба, як слід, цього навчати.

Наведені результати експериментального дослідження динаміки небезпечних факторів повітряного середовища при загоряннях у приміщеннях об'єктів. Встановлено, що інформативною ознакою для раннього виявлення загорянь є ступінь взаємної (парної) кореляції флуктуацій факторів середовища при нульовому лазі. Отримано, що для тестових матеріалів загоряння у вигляді спирту, паперу та деревини коефіцієнт парної кореляції близький до одиниці, а для текстилю – до мінус одиниці. Експериментально встановлено, що при наявності загорянь у приміщенні в досліджуваному середовищі відбувається групування розподілених локальних станів, характер яких залежить від матеріалу загоряння. Відмічається, що саме характер групування може бути також застосований в якості інформаційної ознаки раннього виявлення загорянь в приміщеннях та розпізнавання типу матеріалу, що загоряється. Встановлено, що загоряння призводять до деякого збі-льшення постійної часу флуктуацій досліджуваних факторів середовища. При цьому, показник загорянь виявляється недостатньо чутливим для використання в якості ознаки раннього виявлення загорянь. Більш інформативною ознакою у рамках кореляційно підходу слід вважати ступінь взаємної (парної) кореляції флуктуацій факторів середовища при нульовому лазі. Встановлено, що у випадку загоряння спирту додатковою ознакою може бути взаємна кореляція диму та температури при 20 лазі. Експериментально підтверджено, що для розглянутих горючих матеріалів ефективною ознакою раннього загоряння є коефіцієнт парної кореляції чадного газу та температури при нульовому лазі. Результати дослідження динаміки рекурентності прирощень станів небезпечних факторів середовища свідчать про переваги міри рекурентності станів в порівнянні з кореляціями щодо раннього виявлення загорянь матеріалів у приміщеннях об’єктів. Експериментально встановлено, що запропонована міра поточної рекурентності станів може бути надійною ознакою щодо виявлення ранніх загорянь в приміщеннях та використана з метою підвищення ефективності різних технічних засобів та систем захисту приміщень від пожеж та вибухів

Проаналізовані існуючі цифрові рішення в галузі переробки та сортування твердих побутових відходів. До них відносяться: виробництво смарт-систем для збору відходів («розумні контейнери»); оптимізація логістичних ланцюжків і оснащення автопарку спеціалізованим програмним забезпеченням і датчиками («розумні збирачі сміття»); виробництво і впровадження інтелектуальних систем переробки і утилізації твердих побутових відходів; розробка і застосування хмарних технологій і спеціалізованих інтерфейсів користувача. Розглянута державна програма Індії з управління переробкою відходів Swachh Bharat Mission. Запропоновано створити систему, яка представлятиме собою мережу автоматизованих пунктів сортування твердих побутових відходів в рамках міста. Дана інфраструктура має намір оптимізувати логістику підприємств переробки твердих побутових відходів, надавати їм точні відомості про кількість сміття, автоматизувати і пришвидшити сортування. Пункт має вигляд закритого захищеного контейнера з роботизованою системою для прийому та сортування твердих побутових відходів. Через отвір користувач подає сміття до контейнера. В контейнері розташована камера з LED освітленням для розпізнавання відходів. Керування системою здійснює мікрокомп’ютером Raspberry Pi 3 Model A+. Розпізнавання типу відходів відбувається на основі згорткової нейронної мережі. Дана мережа гарно працює в задачах машинного зору, надаючи високий рівень точності розпізнавання. Передача повідомлень від контейнеру буде здійснюватися за допомогою спеціалізованого протоколу MQTT, який працює в системі інтернету речей. В центах управління відбувається агрегування та аналіз інформації, отриманої з пунктів збору. Система матиме змогу виконувати прогноз використання пунктів в майбутньому за допомогою методів машинного навчання. Це дасть змогу планувати ресурси та діяльність підприємств з переробки твердих побутових відходів.