Academic literature on the topic 'Штучні нейроні мережі'

Розглянуто штучні нейроні мережі в системі управління силовою установкою транспортного засобу з метою зменшення витрати енергії та діагностики off-line технічного стану тягової акумуляторної батареї. Отримано метод діагностики технічного стану силової установки, який використовує штучні нейронні мережі та системи нечіткого висновку для визначення технічного стану ДВЗ та тягової акумуляторної батареї.Метою роботи є підвищення ефективності діагностики функціональних систем гібридного та електромобіля шляхом оперативного синтезу управляючих впливів за енергетичними і якісними критеріями з урахуванням зовнішніх умов експлуатації. Обґрунтування методу діагностики технічного стану силової установки гібридного та електромобіля з використанням штучної нейронної мережі та системи нечіткого висновку. Дати наукове обґрунтування діагностичних параметрів силової установки гібридного автомобіля. В роботі використано штучні нейронні мережі в системі управління силовою установкою транспортного засобу з метою зменшення витрати енергії та діагностики off-line технічного стану тягової акумуляторної батареї. За допомогою симулятора навчається нейромережева модель автомобіля, яка використовує off-line навчання нейроконтролера. Якість навчання нейроконтролера визначається симулятором. При подальшому функціонуванні системи управління параметри нейронних мереж не змінюються. Відсутність адаптації вагових коефіцієнтів при функціюванні системи управління обґрунтовано тим, що це веде до втрати довго часовоїпам’яті системи управління при виникненні кратко часової несправності, а також можливості виникнення біфуркації при адаптації в нелінійних системах наведено на рисунку 1.Цільова функція оптимізації управління має на увазі мінімізацію витрати енергії при збереженні ступеню заряду тягової акумуляторної батареї при обмеженому діапазоні руху транспортного засобу в заданих умовах експлуатації.За результатами випробувань метода нейроуправління отримано, що нейроконтролер забезпечує зменшення витрати палива на 17 % і скорочує діапазон зміни ступеня зарядженості тягової акумуляторної батареї на 35 %, а також забезпечує мінімізацію викидів токсичних речовин.

У ХХІ ст. нейронні мережі широко використовують у різних сферах, зокрема в комп'ютерному моделюванні та механіці. Така популярність через те, що вони дають високу точність, швидко працюють та мають дуже широкий спектр налаштувань. Створено програмний продукт із використанням елементів штучного інтелекту для інтерполяції та апроксимації експериментальних даних. Програмне забезпечення повинно коректно працювати та давати результати з мінімальною похибкою. Інструментом розв'язання задачі було використання елементів штучного інтелекту, а точніше – нейронних мереж прямого поширення. Збудовано нейронну мережу прямого поширення. Її навчив вчитель із використанням методу зворотного розповсюдження похибки на основі навчаючої вибірки попередньо проведеного експерименту. Для тестування було побудовано декілька мереж різної структури, що отримували на вхід однаковий набір даних, якого не використовували під час навчання, але він був відомий з експерименту. Отже, було знайдено похибку мережі за кількістю виділеної енергії та середньоквадратичним відхиленням. Докладно описано тип мережі та її топологію. Метод навчання і підготовки навчаючої вибірки також описано математично. Внаслідок проведеної роботи збудовано та протестовано програмне забезпечення з використанням штучної нейронної мережі та визначено її похибку.

Вступ. Підвищення попиту на громадський транспорт серед міського населення можна досягнути комплексом різних заходів, одним з яких є вдосконалення системи перевезень та підвищення якості обслуговування пасажирів на різних ланках перевізного процесу. Сучасні методи опрацювання та аналізу параметрів функціонування транспортних систем дозволяють оцінити вплив різноманітних чинників на транспортні процеси та спрогнозувати результати такого впливу. Більшість транспортних процесів мають стохастичну, нелінійну структуру. У таких випадках доцільно використовувати методи штучного інтелекту, зокрема штучні нейронні мережі. Мета. Метою статті є визначення тривалості перебування транспортного засобу на зупинці громадського транспорту з використанням нейромережевого моделювання. Результати. У роботі розкрито основні принципи функціонування штучних нейронних мереж та правила їх використання. Проаналізовано доцільність застосування нейромережевого моделювання для прогнозування тривалості перебування транспортного засобу на зупинках громадського транспорту. Зокрема, проаналізовано вплив таких чинників, як: довжина маршруту, відстань від початку маршруту до досліджуваної зупинки, інтервал між транспортними засобами певного маршруту та пасажирообмін на зупинці. На основі зібраної під час натурних спостережень інформації в програмному середовищі Deductor створено нейронну мережу та проведено прогнозування тривалості перебування транспортного засобу на зупинці. Проведено оцінку якості отриманої моделі. Висновки. Нейромережеве моделювання є ефективним інструментом для дослідження транспортних процесів. Отримані результати свідчать про достатню точність отриманої моделі (середня тривалість перебування транспортного засобу на зупинці становить 24 с у ранковий період та 21 с – в обідній, відхилення в межах від 5 до 9,6 %). Подальші дослідження спрямовуватимуться на підвищення точності моделі шляхом, зокрема, розширення переліку вхідних параметрів.

Швидкий розвиток комп'ютерної техніки формує передумови для розробок нейрокомп'ютерів (тобто комп'ютерів 6-го покоління), які, за прогнозами в галузі штучного інтелекту, активно будуть використані для перероблення будь-якої інформації, за тими ж принципами, що й біологічні нейронні мережі – такі як людський мозок. Тому попит на використання нейромережеві технології поступово охоплює дедалі ширший коло користувачів зокрема й у галузі охорони здоров'я. Досліджено можливості застосування штучних нейронних мереж для оброблення даних регіональної охорони здоров'я. Нейронні мережі – потужний метод моделювання, що дає змогу відтворювати складні нелінійні залежності, що актуально для систем прийняття рішень управління пацієнтопотоком у медичних закладах. Запропоновано інформаційну технологію оброблення медичних даних за допомогою штучних нейронних мереж, що дасть змогу підвищити ефективність надання медичної допомоги під час профілактичних медоглядів, ніж відомі інформаційні технології класифікації. Розглянуті такі положення: принципи дії штучних нейронних мереж, переваги і недоліки їх використання та основні функції. Також наведено перспективи використання штучних нейронних мереж щодо класифікації пацієнтів для проходження профілактичного медичного огляду.

У статті подано основні дослідження в галузі штучного інтелекту як науки, що займається створенням автоматизованих інтелектуальних систем. Досліджено технологічні аспекти створення систем штучного інтелекту, розкрито різні підходи до їх конструювання. Показано місце експертних систем і нейромережевих технологій у цьому процесі. У статті розкрито сутність та уявлення про штучний інтелект, який постійно змінюється, трансформується бачення шляхів його розвитку, підходи до вивчення та функціонування в цілому. Найбільш перспективними напрямками в пізнанні штучного інтелекту, є нейронні мережі, еволюційні обчислення, експертні системи. Нейронні мережі здатні вирішувати такі прикладні задачі, як: фінансове прогнозування, контроль за діяльністю мереж, шифрування даних, діагностика систем. Розробка інтелектуальних експертних систем і нейронних мереж - це лише перші кроки на шляху до створення сильного штучного інтелекту. В межах цього змінюються вимоги до сучасних інформаційних інтелектуальних систем. У статті подано загальну картину розвитку різних напрямків штучного інтелекту шляхом аналізу європейських і американських конференцій по штучному інтелекту за останні кілька років. Проаналізовано та надано статистичну інформацію за даними Німецької дослідницької компанії IPlytics про компанії, які лідирують в галузі штучного інтелекту. В статті наведено інформацію про стан розвитку штучного інтелекту в Україні.

На сьогодні на основі технології Neural Network розроблено безліч програмних комплексів для прогнозування різних явищ, статистичного оброблення даних, методів класифікації даних, розпізнавання образів, оптимізації деяких процесів тощо. Здатність до самонавчання та вилучення знань з даних є одним з найкорисніших та вражаючих властивостей штучних нейронних мереж, успадкованих ними від мозку, як від свого прототипу. Світова практика використання штучного інтелекту свідчить про можливості отримувати нові, невідомі раніше закономірності, які не відразу знаходять пояснення, а іноді і не вкладаються в рамки офіційної науки. У багатьох параметрах технології нейронних мереж перевершують наявні традиційні алгоритми, тому по праву вважаються актуальними для активного застосування на цей час. Нейронні мережі – потужний метод моделювання, що дає змогу відтворювати складні нелінійні залежності, що актуально для систем прийняття рішень в управлінні пацієнтопотоком у медичних установах. У цьому дослідженні розглянуто сутність нейронних мереж, їх особливості здатності до навчання (налаштування архітектури і синаптичних зв'язків). Також виявлено і перспективи розвитку застосування і використання штучних нейронних мереж для застосування розподілу пацієнтів для здійснення профілактичного медичного огляду.

Розроблено метод вибору оптимального типу ШНМ, ідеєю якого є практичне використання декількох типів ШНМ, подальшого обчислення похибок роботи кожного типу з використанням ідентичних наборів даних для навчання ШНМ, що унеможливлює вплив на результати роботи алгоритму і специфіки даних у навчальній вибірці. Запропонований метод дає змогу визначити оптимальний тип ШНМ для керування побутовими приладами у будинку. Розглянуто особливості процесу розроблення програмного забезпечення, що дає змогу провести процеси навчання, випробування та отримати вихідні результати роботи алгоритму штучної нейронної мережі. Вибір штучної нейронної мережі використовують для автоматизації обчислення значень оптимальних температурних режимів у кімнатах будинку, налаштувань параметрів освітлювальних приладів та режимів роботи системи безпеки "розумного" будинку. Наведено результати дослідження взаємозв'язку між різними типами нейронних мереж, кількістю внутрішніх шарів штучної нейронної мережі і кількістю нейронів на кожному внутрішньому шарі та зміни похибки обчислень параметрів налаштувань відносно очікуваних результатів роботи. Вирішення кожної окремої поставленої задачі за допомогою систем "розумного" будинку потребує використання різних алгоритмів машинного навчання. Великі обсяги даних, що генеруються у системах "розумного" будинку, та різноманітність типів і форматів цих даних не дає змоги створити універсальний автоматизований механізм з використанням алгоритмів штучного інтелекту, який вирішував би проблеми безпеки, енергоефективності та підтримки комфортних умов проживання користувачів. Тому використання запропонованого методу вибору оптимального типу нейронної мережі, що найкраще підходить для вирішення кожної окремої задачі, забезпечує високі показники ефективності роботи систем "розумного" будинку з мінімальними значеннями похибки отриманих автоматизованих рішень порівняно з рішеннями, що прийняла людина.

Актуальність теми дослідження. Використання інформаційних систем та баз даних стає невід’ємною складовою діяльності енергетичних компаній. Інформація про виробництво та споживання електроенергії зберігається в агрегованому вигляді. Це не дає змоги визначати складові балансових витрат електроенергії методом поелементних розрахунків та аналізувати їх структуру. Таким чином, вдосконалення математичного та програмного забезпечення інформаційних систем обліку електроенергії з метою підвищення адекватності визначення втрат електроенергії у розподільних мережах є актуальним завданням. Постановка проблеми. Оснащення розподільних електричних мереж засобами моніторингу їхніх параметрів часто виявляється недостатнім для розв’язування задач планування та ведення режимів. Тому метою дослідження є аналіз можливості застосування системного підходу до створення інформаційних систем РЕМ з використанням даних автоматизованих систем комерційного обліку електроенергії та інших наявних джерел інформації для підвищення точності моделювання характерних режимів мереж та складових балансу електроенергії. Аналіз останніх досліджень і публікацій. Нині використовуються декілька підходів для перевірки та відновлення даних щодо електричних навантажень у системах АСКОЕ та Smart Metering: 1) технологія великих даних (Big Data Technology – data management); 2) глобальне обчислення на основі не втрачених даних; 3) статистичні методи; 4) штучні нейронні мережі; 5) кластерний аналіз; 6) застосування методів оцінювання стану; 7) використання типових графіків електричних навантажень. Наведені підходи можуть комбінуватися для отримання додаткових переваг. Виділення недосліджених частин загальної проблеми. Необхідною умовою для використання наявних підходів є наявність невтрачених даних. Це робить принципово неможливим застосування відомих підходів для дослідження режимних параметрів РЕМ з прийнятною точністю. Постановка завдання. Отже, основним завданням є дослідження можливості використання системного підходу до побудови інформаційних систем РЕМ із застосуванням технології Smart Metering, а також методів та алгоритмів, які використовуючи наявну інформацію, агреговану за часовими періодами, дадуть змогу визначати режимні параметри РЕМ з необхідною точністю.Виклад основного матеріалу. Для розгортання агрегованих даних у графіки навантаження та генерування, у роботі запропоновано використовувати типові графіки енергообміну споживачів та місцевих джерел енергії. Для узгодження виміряних параметрів режиму та псевдовимірювань, розрахованих за типовими графіками, запропоновано використовувати алгоритм на основі методу найменших квадратів. Оцінювання точності проводилося шляхом зіставлення втрат електроенергії для цілком спостережної мережі з результатами імітаційних розрахунків. Висновки відповідно до статті. Встановлено, що застосування типових графіків навантаження та генерування дає змогу відновлювати графіки енергообміну споживачів та місцевих джерел енергії з прийнятною точністю. Використання типових графіків навантаження та генерування (псевдовимірювань) дає змогу зменшити вартість систем моніторингу розподільних мереж.

Міждисциплінарний характер нових цілей, спрямованих на розробку робочих матеріалів для екологічно чистих технологій вимагає більш динамічного використання інформаційних технологій (ІТ) для забезпечення правильних компромісних рішень у конкурентному середовищі. Машинне навчання (ML) — це частина методологій штучного інтелекту (AI), яка використовує алгоритми, які не є прямим рішенням проблеми, а навчаються за допомогою рішень незліченної кількості подібних проблем. Машинне навчання відкрило новий шлях у дослідженні термодинамічної поведінки нових речовин. Різні обчислювальні інструменти були застосовані для вирішення актуальної проблеми - прогнозування фазової поведінки soft речовин під значними екзогенними впливами. Метою цього дослідження є розробка нової точки зору щодо прогнозування термодинамічних властивостей м'яких речовин за допомогою методології, яка передбачає штучні нейронні мережі (ANN) та глобальну фазову діаграму для забезпечення кореляції між структурою та властивостями. В роботі представлено застосування машинного навчання в інженерній термодинаміці для прогнозування азеотропної поведінки бінарних холодоагентів і визначення коефіцієнта продуктивності (COP) для роботи органічного циклу Ренкіна (ORC). За даними про кипіння та критичні точки. Запропоновано новий підхід до прогнозування утворення азеотропного стану в суміші, який розроблено та представлено. Цей підхід використовує синергію нейронних мереж та методології глобальної фазової діаграми для кореляції азеотропних даних для бінарних сумішей на основі лише критичних властивостей та ацентричного коефіцієнта окремих компонентів у сумішах холодоагентів. Це не вимагає інтенсивних розрахунків. Побудова кореляцій ANN між інформаційними атрибутами робочих рідин та критеріями ефективності циклу Ренкіна звужує область компромісів у просторі конкурентних економічних, екологічних та технологічних критеріїв

Штучні нейронні мережі – це математична модель, а також її програмна та апаратна реалізація, робота якої здійснюється за принципом організації та роботи біологічних нейронних мереж. Штучна нейронна мережа є основою поняття «інтелектуальний аналіз». З математичної точки зору ці мережі являють собою різновид нелінійної оптимізації.

В настоящий момент в мире бурно развивается новая прикладная область математики, специализирующаяся на искусственных нейронных сетях. Актуальность исследований в этом направлении обусловлена возможностями применения нейронных сетей в самых разных областях.

Штучна нейронна мережа (ШНМ) – математична модель, або її програмне втілення, яка побудована на принципі функціонування біологічних нейронних мереж. ШНМ – це система з’єднаних між собою простих процесорів, які виконують роль так званих «штучних нейронів».

Дисертація на здобуття наукового ступеня кандидата економічних наук за спеціальністю 08.00.04 – економіка та управління підприємствами (за видами економічної діяльності). – Національний технічний університет "Харківський політехнічний інститут", Харків, 2019. Дисертаційна робота присвячена актуальним проблемам теоретичних, методичних та практичних аспектів управління енергоефективністю промислового підприємства. В дисертації досліджено теоретичне підґрунтя, розглянуто різноманіття формулювань понять "енергоефективність", "енергозбереження", "енергетичний менеджмент", "управління енергоефективністю" та визначено використання їх у роботі. Узагальнено та систематизовано основні елементи та розвинуто теоретичний базис управління енергоефективністю підприємства. Запропоновано оцінювати енергоефективність підприємства за показником енергоємності, який являє собою відношення двох економічних величин: щорічних витрат на енергетичні ресурси до вартості виробленої продукції. Враховано, що управління енергоефективністю промислового підприємства базується на загальних принципах теорії управління, згідно якої система управління складається з двох підсистем - керуючої, яка управляє, і керованої, яка піддається управлінню і відчуває на собі дію (вплив) керуючої підсистеми. Акцентована увага на тому, що особливо важливим чинником впливу є завдання і умови сформульовані вищими ієрархічними рівнями управління енергоефективності. Встановлено, що завдання підвищення енергоефективності промислових підприємств української економіки вимагає створення відповідних умов на всіх рівнях управління. Такими рівнями є: державний, галузевий, регіональний та рівень підприємства. Встановлено, що концептуально рівні системи управління енергоефективністю можуть бути представлені у вигляді ієрархічної вертикалі із зворотними зав'язками. Проведений аналіз нормативно-правової бази у сфері енергоефективності та енергозбереження засвідчив, що на кожному етапі управління енергоефективністю для забезпечення процесу реалізації державної політики визначені конкретні завдання, при цьому характер завдань для кожного з рівнів має свою специфіку. Встановлено, що після першої світової енергетичної кризи промислово розвинуті країни приділили багато уваги вирішенню проблеми підвищення енергоефективності їхніх економік і набули значний досвід в цьому напрямку, що було відображено в міжнародному стандарті ISO 50001:2011 "Системи енергетичного менеджменту", що надалі був доповнено рядом покращуючих положень в стандарті ISO 50001:2018 "Системи енергетичного менеджменту. Вимоги та настанови щодо застосовування", в якому реалізовано управління за циклом постійного поліпшення PDCA. Цей стандарт повинен бути імплементован у нормативно-правові акти при реалізації "Енергетичної стратегії України до 2035 р.". На основі проведеного аналізу Законів України щодо енергозбереження, міжнародних та національних стандартів, методики енергоаудиту встановлена доцільність внесення доповнень з врахування мультиплікативного та синергетичного ефектів економії енергетичних ресурсів при модернізації енергоустаткування. Результати аналізу дозволили встановити взаємозв'язок рівня впровадження країнами стандарту ISO 50001 з показником енергоємності, а саме зниження його при поширеному впровадженні систем енергетичного менеджменту у промисловості, шо дозволило скоротити обсяги споживання енергії на одиницю продукції за період 2000 – 2017 рр. майже на 20%. Підвищення енергоефективності ВВП для України є особливо важливим напрямком розвитку економіки. Для підвищення енергоефективності необхідні значні інвестиції і для країни особливе значення має пошук внутрішніх інвестиційних джерел, для чого бажано мати інструментарій розрахунку прогнозного значення економії коштів на підприємстві від енергозбереження. Встановлено, що основними важелями покращення енергоефективності провідних країн були інвестиції та поліпшення управління. Значне підвищення енергоефективності може бути досягнуте за рахунок покращення управління енергоефективністю промислових підприємств; підвищення показника енергоефективності на промислових підприємствах, поліпшенням управління та впровадженням стандарту ISO 50001. Запропоновано та обґрунтовано доцільність використання в управлінні енергоефективністю промислового підприємства методу нейронних мереж для визначення показника енергоємності, який може бути використаний для оперативного надання інформації з прогнозної економії коштів за рахунок енергозбереження при багаторазових уточненнях в процесі визначення кінцевих значень показників виробництва на наступний рік, при формуванні енергетичної політики, створенні щорічних планів підвищення енергоефективності, планування інших показників виробництва, від яких залежить енергоефективність промислового підприємства. Розроблено методичний підхід визначення показника енергоємності підприємства за допомогою штучних нейронних мереж, із залученням методів експертних оцінок, апріорного ранжування та кореляційно-регресійного аналізу. Створена економіко - математична модель на базі багатошарового прямоспрямованого персептрону, синтезованого методом генетичного алгоритму. Виконано перевірка працездатності методичного підходу, а також його апробація за статистичними даними провідних харківських підприємств. В процесі апробації та аналізу її результатів зроблені висновки про необхідність: систематичного накопичення щорічних статистичних даних, як самого показника, так і чинників, що на нього впливають; аналізу розрахунків і встановлення коректності врахування даних; виявлення типових розбіжностей у трактовці того чи іншого чинника і введення відповідних корегувань; врахування особливостей підприємства; проведення за допомогою ШНМ досліджень з вибору раціональних значень виробничих показників – вхідних величин нейронної мережі, що впливають на показник енергоємності; дослідження по підвищенню точності і прогнозування за рахунок змін у структурі та виду нейронної мережі та інш. Такий широкий набір функцій і необхідність систематичного їх здійснення призвели до висновку про доцільність створення у структурі управління промислового підприємства підструктури, яка б включала фахівців здатних виконувати ці функції - групу інтелектуального енергоменеджмента (ІЕМ). Практичним результатом дисертаційної роботи, щодо врахування мультиплікативного та синергетичного ефектів є: по-перше, висновок про доцільність врахування цих ефектів при проведені внутрішнього енергоаудиту, для чого необхідно внести відповідні доповнення в його методику його проведення; по-друге, висновок про доцільність внесення у законодавчі та нормативно-правові акти доповнень, які стимулюють підприємства на пріоритетну модернізацію енергообладнання з мультиплікативним та синергетичним ефектом (як таку, що надає значну економію паливно-енергетичних ресурсів на державному рівні). Надані рекомендації з використання результатів роботи на різних ієрархічних рівнях управління енергоефективністю та у інших видах менеджменту промислового підприємства.
Thesis for granting the Degree of Candidate of Economic Sciences in specialty 08.00.04 - economy and management of the enterprises (by types of economic activity). - National Technical University "Kharkiv Polytechnic Institute", Kharkiv, 2019. The thesis is devoted to actual problems of theoretical, methodical and practical aspects of management of energy efficiency of an industrial enterprise. In the dissertation the theoretical basis is investigated, a variety of formulations of concepts "energy efficiency", "energy saving", "energy management", "energy efficiency management" are considered and their use in work is determined. It is proposed to evaluate the energy efficiency of the enterprise by the indicator of energy intensity, which is the ratio of two economic values: the annual cost of energy resources to the cost of production. It is taken into account that the management of energy efficiency of an industrial enterprise is based on the general principles of the theory of control, according to which the control system consists of two subsystems - the managing one, and the controlled one, which is exposed to the control and has the effect (influence) of the control subsystem. Emphasis is placed on the fact that tasks and conditions formulated by higher hierarchical levels of energy efficiency management are a particularly important factor of influence. It is established that the task of improving the energy efficiency of industrial enterprises of the Ukrainian economy requires the creation of appropriate conditions at all levels of government. Such levels are: state, sectoral, regional and enterprise level. It has been established that conceptually levels of energy efficiency management systems can be represented as a hierarchical feedback loop. The conducted analysis of the regulatory framework in the field of energy efficiency and energy saving showed that at each stage of energy efficiency management specific tasks were defined for ensuring the process of implementation of state policy, with the nature of tasks for each of the levels having its own specificity. It was found that after the first world energy crisis, industrialized countries paid much attention to solving the problem of improving the energy efficiency of their economies and gained considerable experience in this direction, which was reflected in the international standard ISO 50001: 2011 "Energy Management Systems", which was further supplemented by a number of improving of the provisions in ISO 50001: 2018 "Energy management systems. Requirements and Guidelines for Implementation, "which implements PDCA Continuous Improvement Management. This standard should be implemented in the regulatory acts when implementing the "Energy Strategy of Ukraine to 2035". On the basis of the conducted analysis of the Laws of Ukraine on energy saving, international and national standards, the methodology of energy audit, it is established the expediency of introducing amendments to take into account the multiplicative and synergistic effects of saving energy resources in the modernization of energy equipment. The results of the analysis made it possible to correlate the level of ISO 50001 implementation by countries with the indicator of energy intensity, namely reducing it with the widespread introduction of energy management systems in industry, which allowed to reduce energy consumption per unit of production for the period 2000 - 2017 by almost 20%. Increasing GDP energy efficiency for Ukraine is a particularly important area of economic development. Significant investments are needed to improve energy efficiency, and the search for domestic investment sources is of particular importance for the country, for which it is desirable to have a toolkit for calculating the projected value of energy savings for the enterprise. It was found that the main levers for improving the energy efficiency of the leading countries were investment and improved governance. A significant increase in energy efficiency can be achieved by improving the management of energy efficiency of industrial enterprises; improving the energy efficiency of industrial enterprises, improving management and implementing the ISO 50001 standard. It is proposed and substantiated the feasibility of using the neural network method in the energy efficiency management of an industrial enterprise to determine the energy intensity index, which can be used for prompt provision of information on forecasted cost savings due to energy savings with multiple refinements in the process of determining the final values of the production form for the next year policies, setting up annual energy efficiency plans, planning other indicators production, on which the energy efficiency of an industrial enterprise depends. The methodical approach of determination of the index of energy intensity of the enterprise with the help of artificial neural networks (ANN), with the use of methods of expert estimations, a priori ranking and correlation-regression analysis is developed. An economic and mathematical model was created bas ed on a multilayer directional perceptron synthesized by the genetic algorithm method. The efficiency of the methodological approach was checked, as well as its testing according to the statistics of the leading Kharkiv enterprises. In the process of testing and analyzing its results, the conclusions were drawn about the need for: systematic accumulation of annual statistics, both the indicator itself and the factors that influence it; analysis of calculations and establishment of correctness of data accounting; identifying typical differences in the interpretation of a factor and making appropriate adjustments; taking into account the features of the enterprise; carrying out with the help of ANN research on the choice of rational values of production indicators - input values of the neural network that affect the indicator of energy intensity; studies on improving accuracy and forecasting due to changes in the structure and type of neural network, etc. Such a wide range of functions and the need for their systematic implementation led to the conclusion that it is advisable to create in the management structure of an industrial enterprise a structure that would include specialists capable of performing these functions - the Intelligent Energy Management Group (IEM). The practical result of the dissertation work on taking into account the multiplicative and synergistic effects is: first, the conclusion about the expediency of taking into account these effects when conducting an internal energy audit, for which it is necessary to make appropriate additions to its methodology of its conduct; secondly, the conclusion about the expediency of introducing into the legislative and regulatory acts the amendments that stimulate the enterprises to prioritize the modernization of power equipment with multiplicative and synergistic effect (as such, which provides significant savings of fuel and energy resources at the state level). Recommendations are given on the use of the results of work at different hierarchical levels of energy efficiency management and in other types of industrial enterprise management.

Дисертація на здобуття наукового ступеня кандидата економічних наук за спеціальністю 08.00.04 – економіка та управління підприємствами (за видами економічної діяльності). – Національний технічний університет "Харківський політехнічний інститут", Харків, 2019. Дисертаційна робота присвячена актуальним проблемам теоретичних, методичних та практичних аспектів управління енергоефективністю промислового підприємства. В дисертації досліджено теоретичне підґрунтя, розглянуто різноманіття формулювань понять "енергоефективність", "енергозбереження", "управління енергоефективністю". Проаналізовані Закони України щодо енергозбереження, міжнародні та національні стандарти, методика енергоаудиту та встановлена доцільність внесення відповідних доповнень з врахування мультиплікативного та синергетичного ефектів економії енергетичних ресурсів при модернізації енергоустаткування. Запропоновано та обґрунтовано доцільність використання в управлінні енергоефективністю промислового підприємства методу штучних нейронних мереж (ШНМ). Розроблено методичний підхід визначення показника енергоємності підприємства за допомогою ШНМ, із залученням методів експертних оцінок, апріорного ранжування та кореляційно-регресійного аналізу. Створена математична модель на базі багатошарового прямоспрямованого персептрону, синтезованого методом генетичного алгоритму. Виконано перевірка працездатності методичного підходу, а також його апробація за статистичними даними провідних харківських підприємств. Надані рекомендації з використання результатів роботи на різних ієрархічних рівнях управління енергоефективністю та у інших видах менеджменту промислового підприємства.
Thesis for granting the Degree of Candidate of Economic Sciences in specialty 08.00.04 – economy and management of the enterprises (by types of economic activity). – National Technical University "Kharkiv Polytechnic Institute", Kharkiv, 2019. The thesis is devoted to actual problems of theoretical, methodical and practical aspects of management of energy efficiency of an industrial enterprise. In the dissertation the theoretical basis is investigated, the variety of formulations of the concepts of "energy efficiency", "energy saving", "energy efficiency management" and the use of them in work are considered. The Laws of Ukraine on energy conservation, the international and national standards, the methodology of energy audit are analyzed, and the expediency of introducing the corresponding additions to take into account the multiplicative and synergetic effects of energy resources saving during the modernization of the power equipment is established. It is suggested and justified the feasibility of using artificial neural networks (ANN) in the management of energy efficiency of an industrial enterprise. The method of determination of the energy intensity of an enterprise with the help of ANN is developed, with the involvement of expert estimation methods, a priori ranking and correlation-regression analysis. A mathematical model based on a multilayered straightforward perceptron synthesized by the genetic algorithm method was created. The efficiency of the methodological approach was checked, as well as its testing according to the statistics of the leading Kharkiv enterprises. In the process of testing and analyzing its results, the conclusions were drawn about the need for: systematic accumulation of annual statistics, both the indicator itself and the factors that influence it; analysis of calculations and establishment of correctness of data accounting; identifying typical differences in the interpretation of a factor and making appropriate adjustments; taking into account the features of the enterprise; carrying out with the help of ANN research on the choice of rational values of production indicators - input values of the neural network that aff ect the indicator of energy intensity; studies on improving accuracy and forecasting due to changes in the structure and type of neural network, etc. Such a wide range of functions and the need for their systematic implementation led to the conclusion that it is advisable to create in the management structure of an industrial enterprise a structure that would include specialists capable of performing these functions - the Intelligent Energy Management Group (IEM). The practical result of the dissertation work on taking into account the multiplicative and synergistic effects is: first, the conclusion about the expediency of taking into account these effects when conducting an internal energy audit, for which it is necessary to make appropriate additions to its methodology of its conduct; secondly, the conclusion about the expediency of introducing into the legislative and regulatory acts the amendments that stimulate the enterprises to prioritize the modernization of power equipment with multiplicative and synergistic effect (as such, which provides significant savings of fuel and energy resources at the state level). Recommendations are given on the use of the results of work at different hierarchical levels of energy efficiency management and in other types of industrial enterprise management.

1. Jinwook Go, Kwanghoon Sohn and Chulhee Lee, "Interpolation using neural networks for digital still cameras," in IEEE Transactions on Consumer Electronics, vol. 46, no. 3, pp. 610-616, Aug. 2000, doi: 10.1109/30.883419. 2. Myronchuk, O., Shpylka, O., & Zhuk, S. (2020). Two-stage Channel Frequency Response Estimation in OFDM Systems. Path of Science, 6(2), 1001-1007. doi: http://dx.doi.org/10.22178/pos.55-1 3. Myronchuk O. Algorithm Of Channel Frequency Response Estimation In Orthogonal Frequency Division Multiplexing Systems Based On Kalman Filter / O. Myronchuk, O. Shpylka, S. Zhuk // 2020 IEEE 15th International Conference on Advanced Trends in Radioelectronics, Telecommunications and Computer Engineering (TCSET), Lviv-Slavske, Ukraine, 2020, pp. 31-34, doi: 10.1109/TCSET49122.2020.235385. 4. A. Y. Myronchuk, O. O. Shpylka and S. Y. Zhuk, “Channel frequency response estimation method based on pilot’s filtration and extrapolation”, Visnyk NTUU KPI Seriia - Radiotekhnika Radioaparatobuduvannia, (78), pp. 36-42, 2019. doi:10.20535/RADAP.2019.78.36-42 5. Myronchuk O. Yu. Two-Stage Method for Joint Estimation of Information Symbols and Channel Frequency Response in OFDM Communication Systems / O. Yu. Myronchuk, A. A. Shpylka, S. Ya. Zhuk // Radioelectronics and Communications Systems. – 2020. Vol. 63. – No. 8, pp. 418 429. doi: 10.3103/S073527272008004X 6. Луцький М.Г., Корченко О.Г., Горніцька Д.А., Ярмошевич І.М. Модель оцінки якості експерта для підвищення об’єктивності експертиз у сфері інформаційної безпеки. Захист інформації. 2011. Том 13. Вип. 2(51). DOI: 10.18372/2410-7840.13.2022
Artificial neural networks (ANN) are fundamental solution for most of nowadays algorithmic and optimization problems. The most frequently encountered artificial neuron models are neurons with multiple inputs and single output, named feedforward neural network (FNN).
Штучні нейронні мережі (ANN) є фундаментальним рішенням для більшості сучасних задач алгоритмізації та оптимізації. Найбільш часто зустрічаються моделі штучних нейронів - це нейрони з кількома входами та єдиним виходом, названі нейронною мережею прямого пересилання (FNN).

У роботі розглянуто принципи застосування штучних нейронних мереж для розпізнавання зображень автомобілів для кіберфізичної системи розумної парковки. Удосконалено метод розпізнавання зображень на базі технології Google Cloud Vision API та розроблено модель розпізнавання зображень автомобілів на основі згорткової нейронної мережі ЗНМ.

Дисертаційна робота присвячена розробці фотонної інтегральної схеми для нейронної мережі. Інтегральні схеми являє собою невід'ємну частину сучасних технологій. Більша частина функціональних одиниць можливо замінити фотонним компоненнтом (діоди, хвилеводи, фільтри та підсилювач) для створення фотонної інтегральної схеми. Фотонні інтегральні схеми мають декілька переваг: мають більшу швидкість обробки та передачі інформації, велику зону пропускання та мають менші втрати енергії. Найбільш розповюдженим є використання гібридних схем, тобто частина елементів інтегральної системи інтегрується фотонними елементами. Перший розділ присвячений дослідженню сучасному розвитку нейронних мереж. Розглянуто апаратні реалізації нейрону та нейронних мереж. Також був проведений патентний пошук моделювання нейрону. У другому розділі розглянуті сучасні архітектури фотонно інтегрльної схеми. Була запропонована нова структура інтегральної схеми, та її технологія виготовлення. Для цього була запропонована структура літографічної установки та сформульоване технічне завдання. Третій розділ присвячений проектуванню літографічної системи. Були проведенні габаритні розрахунки, розрахунок структури оптичної системи. Після проектування провели аналіз системи, а саме проведена оптимізація розрахованої системи, енергетичний розрахунок, та абераційний аналіз. У четвертому розділі оглянуто нейрона мережа Хопфілда, її математична модель. На основі якої була розроблена програма для моделювання мережи Хопфілда та розрахунку вагових коефіцієнтів. П’ятий розділ присвячений експериментальним дослідженням. Був розроблений прототип фотонної інтегральної системи. Були проведені експерименти: дослідження хвилеводів системи для їх подальшого впровадження та дослідження діючого прототипу. Шостий розділ присвячений розробці стартап проекту.
The dissertation is devoted to the development of a photonic integrated circuit for a neural network. Integrated circuits are an integral part of modern technology. Most of the functional units can be replaced by a photonic component (diodes, waveguides, filters and amplifier) to create a photonic integrated circuit. Photonic integrated circuits have several advantages: they have a higher speed of processing and transmission of information, a larger bandwidth and less energy loss. The most common is the use of hybrid circuits, namely part of the elements of the integrated system is integrated by photonic elements. The first section is devoted to the study of modern development of neural networks. Hardware implementations of neurons and neural networks are considered. A patent search for neuronal modeling was also performed. The second section considers modern architectures of the photon integrated circuit. A new structure of the integrated circuit and its manufacturing technology were proposed. For this purpose, the structure of the lithographic installation was proposed and the technical task was formulated. The third section is devoted to the design of the lithographic system. Dimensional calculations, calculation of structure of optical system were carried out. After the design, the system was analyzed, namely the optimization of the calculated system, energy calculation, and aberration analysis. The fourth section examines the Hopfield neural network, its mathematical model. Based on which a program was developed to model the Hopfield network and calculate weights. The fifth section is devoted to experimental research. A prototype of a photonic integrated system was developed. Experiments were performed: the study of the waveguides of the system for their further implementation and the study of the current prototype. The sixth section is devoted to the development of a startup project.

Досліджено економічну сутність інтелектуального капіталу в сучасну епоху постіндустріального суспільства. Висвітлено його суспільне значення як визначального чинника економічного зростання та конкурентоспроможності держави. Обґрунтовано, що становлення економіки знань впливає на розвиток інтелектуального капіталу. Розглянуто системоутворюючі складові частини інтелектуального капіталу. Аргументовано необхідність застосування інтелектуального аналізу для оцінювання людського, організаційного, соціального та інформаційного складників інтелектуального капіталу. Узагальнено науково-методичні підходи до кластеризації регіонів України за оцінкою основних складників інтелектуального капіталу. За допомогою розробленої математичної моделі, основою якої є штучна нейронна мережа карт самоорганізації Кохонена, запропоновано підхід до поділу цих регіонів на кластери. Використання розглянутих у роботі методів аналізу рівня розвитку інтелектуального капіталу дасть змогу точніше вибрати напрями підвищення ефективності державного управління в умовах цифрової економіки для сталого розвитку держави.

Починаючи з 2018-2019 н. р., для магістрантів з додатковою спеціальністю «Інформатика» уведено навчальну дисципліну «Чисельні методи та моделювання», спрямованої на формування у студентів системи теоретичних знань з основ апарату чисельних методів і практичних навичок їх використання для розробки та дослідження математичних моделей. Одним із провідних завдань дисципліни є надання комплексу знань, необхідних для розуміння проблем, які виникають під час побудови та при використанні сучасних інтелектуальних систем, та ознайомлення студентів з основними принципами нейромережевого моделювання: – загальними характеристиками біологічних та штучних нейронів; – штучною нейронною мережею Хебба, класичним та модифікованими перцептронами; – видами функцій активації, що набули поширення в штучних нейронних мережах; – технологією проектування одношарових та багатошарових штучних нейронних мереж; – алгоритмами навчання нейронних мереж. Вказані питання в останні десятиріччя розглядаються у межах машинного навчання (Machine Learning) – розділу штучного інтелекту, що розглядає методи побудови алгоритмів та на їх основі програм, здатних «навчатися» шляхом подання емпіричних даних (прецедентів або спостережень), в яких виявляються закономірності, та на їх основі будуються моделі, що надають можливість у подальшому прогнозувати певні характеристики для нових об’єктів. На жаль, класичний (і найбільш популярний у світі) курс машинного навчання Е. Ина (Andrew Ng), розміщений на платформі Coursera, зорієнтований насамперед на студентів-початковців інформатичних спеціальностей – це надає можливість пропонувати його для самостійного опрацювання, але не розв’язує основну проблему: надання змістовних моделей, що відображають специфіку основної спеціальності – хімія.