Статті в журналах з теми "Алгоритм обробки зображення"

Метою роботи була розробка та реалізація нового алгоритму порівняння двох медичних зображень паренхіматозних органів шляхом виокремлення в них однакових та унікальних патернів та наступного їх аналізу. Для цього було розглянуто найбільш розповсюджені алгоритми порівняння зображень, серед яких були строге порівняння, порівняння нечітких пікселів та порівняння гістограм. Оскільки найбільш розповсюджені алгоритми порівняння зображень мають недоліки, які роблять неможливим їх використання в аналізі медичних зображень було створено програмний додаток для порівняння двох медичних зображень, який реалізовує алгоритм порівняння зображень шляхом співставлення патернів, а також використовує для попередньої обробки алгоритм зменшення кількості відтінків сірого. Для розробки було використано фреймворк .NET та мову програмування C#. Після аналізу отриманих результатів роботи програмного додатку на зображеннях легень у станах норми, пневмонії, COVID-19, COVID-19 з пневмонією, а також печінки у нормі та при цирозі було з’ясовано, що при такому підході попередня обробка зображень шляхом зменшення кількості відтінків сірого є необхідним компонентом програми, а також що можливо отримати задовільні результати навіть при обробці зображень, які містять додаткову інформацію про оточуючі тканини, але для найкращого результату на вхід програми бажано подавати зображення, на яких міститься виключно текстура досліджуваних органів. Також результати роботи створеного додатку можуть бути використані для створення тренувальних вибірок для навчання нейронних мереж та інших класифікаційних алгоритмів. Ключові слова – обробка зображень, аналіз текстури, системи підвищення ефективності, .NET, C#

Стаття присвячена опису моделі конволюційної нейронної мережі для покращення роздільної здатності зображень на мобільних пристроях. В наш час мобільна фотографія стає все більш і більш популярною. Багато людей вибирають у якості основного пристрою для створення фото свій смартфон, оскільки це значно зручніше, швидше та дешевше за спеціалізовану камеру. Нажаль, висока роздільна здатність і якість фото доступна лише покупцям дорогих смартфонів. Саме тому актуальною є проблема покращення роздільної здатності та чіткості фотографій є неймовірно актуальною. Традиційні алгоритми без використання машинного навчання демонструють непогані результати і не потребують великого обсягу часу, потрібного на підбір наборів даних, що необхідні для тренування нейронної мережі, та, власне, на сам процес тренування. Проте, іх ефективність та якість результату значно гірша ніж у підходів з використанням нейронних мереж. Саме тому пропонується застосувати гібридний метод обробки зображень, що базується на конволюційних нейронних мережах. Структура мережі відрізняється від класичних підходів комбінацією обробки нейронною мережею та одним з більш традиційних алгоритмів обробки зображень. Запропонавана системавикористовує конволюційні нейронні мережі замість традиційних генеративних змагальних мереж. Запропонована архітектура мережі використовує автокодувальник, який вчиться на різких зображеннях шляхом вилучення ознак. Після навчання вихідне зображення пропускається через автокодувальник. Після видалення шумів та застосування корекцій, декодер створює з цих даних необхідне різке зображення. Після обробки нейронною мережею, застосовується алгоритм Unsharp Masking з буфером глибини для покращення контрасту і яскравості результуючого зображення. У статті наведено перелік переваг використання вищезазначеної системи. Бібл. 5, іл. 1.

Забезпечення біометричної безпеки має важливе значення в більшості сценаріїв перевірки справжності користувача та його ідентифікації. Розпізнавання, засноване на зразках райдужної оболонки, є важливою областю досліджень, покликаної забезпечити надійну, просту і швидку підсистему ідентифікації користувачів системи, яка використовує камеру (її можна використовувати у будь-якій системі, яка має механізм авторизації, де необхідна гарантія підвищеної безпеки). Мета роботи полягає у встановленні основних етапів алгоритму ідентифікації (класифікації) користувачів системи на основі обробки зображення сітківки ока із зіницею. Алгоритм розпізнавання райдужної оболонки ока для реєстрації користувачів системи включає такі етапи - попередня обробка зображення: зображення проходить різні фільтри (серед них фільтр Гауса та низько-частотні фільтри, гістограмні перетворення); - препроцессінг: 1) локалізація внутрішніх і зовнішніх меж області райдужної оболонки ока з використанням генетичного алгоритму; 2) нормалізація зображення, 3) виокремлення значущої інформації; - класифікація (або зіставлення із елементами БД) - виконана на основі двошарового персептрону (ДП). Для оцінки алгоритмів розпізнавання райдужної оболонки використано базу даних оцифрованих 100 зображень очей у відтінках сірого від 50 різних людей (класів). Експерименти проводилися у два етапи: 1) сегментація і 2) розпізнавання райдужної оболонки. На першому етапі для локалізації райдужних оболонок застосовується алгоритм прямокутної області. На другому етапі виконується класифікація малюнка райдужної оболонки за допомогою мережі. Сформовані множини навчання й тестування (відповідно 60 зображень очей від 30 різних людей; 40 зображень очей від 20 різних людей). Виявлені райдужки для класифікації після нормалізації та посилення масштабуються за допомогою усереднення. Це допомагає зменшити розмір мережі. Потім зображення подаються матрицями, які є вхідним сигналом для мережі. Виходами ДП є класи візерунків райдужки. Для класифікації райдужної оболонки використовується алгоритм нейронного навчання. Точність розпізнавання на множині навчання становила 95,25%; на множині тестування - 89%. Ключові слова - біометрія, розпізнавання райдужної оболонки ока, нейронна мережа

Традиційна фокусуюча лінза Френеля концентрує інтенсивність світла в центр сформо­ваного зображення. Однак іноді необхідно перетворювати паралельний потік променів у світлове коло. Такі трансформуючі плоскі лінзи Френеля часто використовуються в сис­темах обробки сигналів. Наведено алгоритм моделювання мікропризматичних структур Френеля, які формують у фокальній площині рівномірно освітлене коло. Цей алгоритм подібний до алгоритму моделювання, розробленого для створення фокусуючих мікро­призматичних елементів з плоскими кільцевими фокусуючими гранями. Запропоновані структури з дискретною зміною кутів заломлення для трансформації світлових потоків можна легко виготовити методом алмазного різання, який дозволяє отримувати плоскі конусні робочі поверхні високої оптичної якості. Розмір призматичних заломлюючих зон не повинен бути занадто великим для зменшення дискретності сформованих зобра­жень. Тому передбачається створення зон заломлення з декількох однакових малих мікро­призм. Запропоновано модифікований алгоритм моделювання параметрів трансфор­муючої лінзи, який враховує процеси концентрації світла лінзою та звуження світлових по­токів мікропризмами.

Наводяться результати досліджень засобів забезпечення показників ефективності судової експертизи зображень, у тому числі й цифрових. Проводиться аналіз основних завдань, що стоять при експертизі зображень, і методи їх розв’язання. Основною проблемою таких досліджень є недостатня автоматизація процесу обробки зображень при експертизі. Об’єктом дослідження є процес фільтрації зображень, предметом досліджень – фільтри, які використовуються при обробці зображень. В результаті аналізу реалізацій детекторів шуму встановлено, що вони є обчислювально складними. А апаратні витрати на реалізацію алгоритму на сучасних мікропроцесорах і програмованих інтегральних схемах можуть істотно обмежувати застосування таких алгоритмів у додатках, що вимагають обробки в реальному часі. Метою статті є побудова швидкодіючої реалізації фільтра з постфільтраційним прийняттям рішення на сучасних процесорних архітектурах. Наведено результати аналізу можливості використання векторних інструкцій сучасних процесорних архітектур, розглянуто алгоритми векторизації сортування для ефективної реалізації підпрограми пошуку медіанного значення всередині поточного і проведено моделювання фільтра з постфільтраційним прийняттям рішення з метою з’ясування придатності для використання в задачах реального часу. В результаті проведених досліджень вперше запропоновано метод векторизованої реалізації фільтра з постфільтраційним прийняттям рішення, придатний для процесорів з набором команд SIMD ARM NEON, Intel SSE або AVX; розглянуто використання сортувальних мереж як алгоритму пошуку медіани для процесорів з векторним розширенням; вперше побудовано реалізацію фільтра описаним методом для процесора ARM Cortex-A9 в складі SOC Intel Cyclone® V SE 5CSEBA6U23I7NDK; проведено моделювання роботи фільтра на ARM Cortex-A9. Швидкість обробки зображення 512x512 пікселів становила понад 500 кадрів на секунду. Швидкість обробки напівтонових зображень FullHD – понад 60 кадрів на секунду.

Предметом вивчення в статті є метод знаходження інверсних псевдовипадкових блочних перестановок пікселів у зображенні. Метою є розробка "сліпого"методу знаходження інверсних псевдовипадкових блочних перестановок за допомогою генетичних алгоритмів. Завдання: провести аналіз факторів, що впливають на інверсні псевдовипадкові блочні перестановки на зображенні, розробити метод кодування перестановок в генетичних алгоритмах, обґрунтувати вибір цільової функції для оптимізації за допомогою генетичних алгоритмів. Використовуваними методами є: методи цифрової обробки зображень, теорії ймовірності, математичної статистики, криптографії та захисту інформації, математичний апарат теорії матриць. Отримані такі результати. Проведено аналіз факторів, що впливають на інверсні псевдовипадкові блочні перестановки на зображенні. Визначено фактори, що впливають на максимальний розмір блоку, при якому ще можливе знаходження інверсної перестановки. Розроблено метод знаходження інверсних псевдовипадкових блочних перестановок пікселів у пермутованому зображенні за допомогою генетичних алгоритмів. Висновки. Наукова новизна отриманих результатів полягає в наступному. Встановлено, що знаходження інверсних перестановок можливе лише при умові, що розмір блоку є менший за радіус кореляції зображення. Запропоновано ефективний спосіб кодування перестановок, при якому стандартні оператори генетичних алгоритмів будуть породжувати нові і тільки допустимі перестановки. Запропоновано у якості цільової функції використовувати суму квадратів градієнтів. Показано, що дана цільова функція має глобальний мінімум для коректної перестановки, що дозволяє знаходити інверсні блочні перестановки "всліпу" без додаткової апріорної інформації.

У статті описані високопродуктивні алгоритми та програмне забезпечення, що виконує одну із задач обробки зображень – аналітичного описання контурів об’єктів виділених на растрових зображеннях. Показано, що запропонована методика, алгоритми та розроблене програмне забезпечення повністю вирішує розглянуту задачу для зображень як штучного так і природного походження.

Використання безпілотних літальних апаратів під час виконання різнорідних завдань за призначенням вимагає розроблення додаткових механізмів захисту їх від впливу радіоелектронних перешкод, погодних умов та підвищення безпеки польотів в зоні виконання завдань. Одним з підходів зменшення вразливості безпілотного літального апарату є використання інерційних засобів навігації. Додатково до них можуть використовуватися методи обробки зображення, що отримуються підсистемою оптичного орієнтування, для оцінки параметрів руху та виробки управляючих впливів. У статті запропоновано метод навігації безпілотного літального апарату для оцінювання динамічних параметрів руху за даними, отриманими оптичною підсистемою. У даній роботі запропоновано адаптивний метод визначення параметрів вектору руху безпілотного літального апарату, що реалізує процедуру адаптивної зміни розміру і стратегію пошуку вектору руху, що залежить від структури блоку зображення та його властивостей. Проведено аналіз існуючих методів оцінки параметрів вектору руху на основі обробки оптичних даних. Проведено формальний опис оптичного потоку та визначено процедуру його отримання. Визначено склад алгоритмів для обробки оптичного потоку. Обґрунтовано вибір блокового алгоритму оцінки руху. Блокові алгоритми є вигідним компромісом по співвідношенню обчислювальної складності та необхідної точності знайдених векторів, що характеризують рух безпілотного літального апарату. Комбінування прийомів та алгоритмів різної категорії в рамках класу блокових методів дозволяє побудувати адаптивні алгоритми оцінки руху, що володіють заданими властивостями і можуть бути реалізовані апаратно. Розглянуті методи обробки зображення можуть застосовуватися як ще один додатковий засіб автономної корекції інерційних навігаційних систем в додаток до супутникових навігаційних систем. Такий підхід дозволяє ефективно протидіяти джерелам безпеки й протидії та підвищувати ефективність використання та зменшення економічних витрат на експлуатацію безпілотних літальних апаратів.

Було розглянуто один з найбільших сегментів ринку програмних продуктів – відеоігри. Досліджено алгоритм створення мобільної гри. Висвітлено розробку під обрану платформу із використанням Android Studio, Cocos Studio, роботу об’єктного менеджера, обробку грою дій гравця. В ході розробки відеогри було показано її складові, а саме написання коду, створення контенту, розробка механік гри та тестування. Запропоновано алгоритм генерування об’єктів та результат зіткнення гравця з ними. Розкривається процес розробки відеоігри та розділення його на етапи. Описано алгоритм оптимізації зберігання та використання зображень. Досліджена якісна робота з пам’яттю, насамперед, на мобільних пристроях. Детально описані поняття сцени та спрайту, встановлено правила роботи зі сценами та зображеннями на екрані мобільного пристрою. Розглянуто два схожих за своїм підходом і в той же час принципово різних по результату алгоритми виявлення зіткнень об’єктів. Описаний програмний продукт включає в себе власноруч написаний рушій – рендерер. За теоретичну основу реалізації рендерингу було взято спрощений варіант рейтрейсингу – рейкастинг. Метод рейкастингу вибрано як оптимальний через його високу швидкодію при достатній якості відео. Було обрано крос-платформовий фреймворк, який використовується для розробки інтерактивних додатків та ігор. Розглянуто використання вбудованих в ігровий движок візуального редактора, готових модулів рендеринга, анімації спрайтів і обробки зіткнень, що дуже спрощує процес розробки. Описано структуру програмного продукту та ігрові класи сутностей, такі як персонаж, предмети. Наведено алгоритм реалізації методу рейкастингу і проведено відповідні математичні розрахунки для побудови променя. Змодельовано дизайн оформлення простору гри на основі карти, що задається, з додаванням текстур. Додатково розроблена можливість самостійної генерації рівнів. Ключові слова: розробка ігор, мобільний додаток, операційна система Android, алгоритм розробки мобільного додатку, рендерер, метод рейкастингу, крос-платформовий фреймворк

У статті розглянуто існуючі методи розпізнавання зображень і проаналізовано їх недоліки. Детальнорозглянуто етапи роботи методів, визначені умови, при яких існуючі алгоритми попередньої обробки тасегментації можуть поліпшити процес розпізнавання зображень. На основі досліджень був запропонований метод вибору алгоритмів для таких етапів, як предобробка, сегментація та розпізнавання, що в своючергу дозволить оптимізувати та прискорити процес розпізнавання зображень.

У статті запропоновано та побудовано систему розпізнавання томографічних і рентгенівських знімків для пошуку і локалізації патологій. Дана система включає блоки: введення інформації про пацієнта, обробки медичних зображень, для встановлення висновку, для класифікації виявлених патологій, базу даних, підготовки звіту. У запропонованій системі початковим етапом є отримання томографічних чи рентгенівських знімків, які, далі, поступають до блоків введення інформації про пацієнта і обробки медичних зображень. Інформація про пацієнта в результаті введення потрапляє до бази даних разом із томографічними чи рентгенівськими знімками. У пропонуємій системі розпізнавання томографічних і рентгенівських знімків для пошуку і локалізації патологій існує можливість для лікаря-діагноста самому виділяти підозрілу з його точки зору область і надалі обробити тільки цю область або за допомогою існуючих загорткових нейронних мереж виділити області патологій-новоутворень, або вибрати конкретні алгоритми обробки медичних зображень.

В роботі запропоновано інформаційну технологію дешифрування антропогенних змін на різночасових супутникових зображеннях високої просторової здатності. Автоматизована технологія включає методи попередньої обробки знімків (підвищення інформативності, корекції), алгоритм уточнення геопривʼязки перед пошуком змін на різночасових зображеннях високого просторового розрізнення, який ґрунтується на основі методу SIFT. Результати досліджень свідчать про те, що застосування інформаційної технології дозволяє виявляти антропогенні зміни на різночасових зображеннях.

Представлені інформаційні можливості методу обробки напівтонових зображень, спрямованого на підвищення чутливості і достовірності їх візуального аналізу. Пропонований алгоритм заснований на процесі багатоетапної обробки, що включає розширення простору вхідних ознак - формування багатовимірного ансамблю на основі вихідних даних з використанням віконного перетворення, сингулярного розкладання, синтез і візуалізацію нових інформативних ознак. Показано, що застосування віконної обробки для напівтонових зображень дозволяє перейти в багатовимірний простір і застосовувати методи багатовимірної обробки, а саме, сингулярне перетворення, на базі якого можна забезпечити підвищення контрастності, чутливості і роздільної здатності візуального аналізу. Наведено експериментальні результати на прикладі реальних знімків.

Проведений аналіз дав змогу виявити відсутність чітких формулювань сутності понять «діагностична візуалізація» і «діагностичне зображення». Тож пропонується визначити, що діагностичне зображення – це графічна (двомірна або тримірна) модель аномалій досліджуваного об’єкта чи середовища, для якої може бути здійснена постановка і розв’язання задачі ідентифікації. Відповідно, діагностична візуалізація – це процес побудови такої моделі, і сам цей процес має вже усталену назву «реконструкція діагностичного зображення». Цей процес розглядається в контексті дослідження об’єктів та середовищ випромінюванням ультразвукових хвиль в досліджуваний об’єкт (або в середовище) з подальшим прийняттям і обробкою відбитих коливань з метою визначення наявності аномалій, що підпадає під визначення ідентифікацію в широкому розумінні (структурна ідентифікації), або їх форми, розміру, положення, глибини залягання тощо, що підпадає під визначення ідентифікації у вузькому розумінні (параметрична ідентифікація). В роботі увага сконцентрована на певному сегменті ідентифікації у вузькому розумінні – підвищенні якості моделі, де показником якості буде визначено розрізнювальну здатність діагностичного зображення. При цьому в контексті теорії ідентифікації відомими будуть вважатися вхідні і вихідні сигнали ультразвукового дослідження, а також загальний вид моделі аномалії, а невідомим залишається алгоритм ідентифікації. Вирішення завдання в УЗ візуалізації передбачається на основі аналізу фазових співвідношень, що відповідають побудованим за певними елементарними одновимірними голограмами. Мова йде про реконструкцію зображень на основі безлічі одновимірних елементарних голограм на площину, перпендикулярну площині запису елементарної голограми та визначається сукупністю акустичних осей зондуючого простору при русі суміщеного випромінювача – приймача уздовж лінії синтезованої апертури. Такий підхід повинен дати можливість розв’язувати сумарний по амплітуді ехосигнал, що отримується в точці зондування з різних точок глибини за рахунок різниці початкових фаз комплексних амплітуд окремих гідробіонтів, які мають свої координати в площині зондування і свої значення інтенсивності з урахуванням місця розташування. Щільність скупчення, що відображає інтенсивність окремих гідробіонтів на кольоровому моніторі може бути представлена відносними колірними моделями або іншим способом досить ефективної візуальної відмінності кожного гідробіонта окремо з властивим йому розміром і сукупність всіх гідробіонтів, які визначають щільність їх у зондуючих об’ємах. Слід зазначити, що розглянуті методи отримання зображень за сукупністю одновимірних елементарних голограм можуть бути використані і в інших положеннях по розробці техніки діагностування в медицині, будівництві і т. п.

У статті розглянуто актуальну проблему встановлення діагнозу Паркінсона на ранніх стадіях захворювання. Вибір теми дослідження обумовлено невиліковністю хвороби Паркінсона, отже вкрай гостро, на думку авторів є нагальне виявлення захворювання на ранніх стадіях. Констатовано, що діагностики, для точного встановлення діагнозу нині не існує, тому залишається проведення тестів для виявлення симптомів. Одним з таких, як слушно зауважують автори є малювання спіралі Архімеда, яке має доволі високу точність під час виявлення тремору спокою. Створення алгоритму для автоматичної обробки таких зображень може допомогти у проведені діагностики, а також моніторингу розвитку хвороби. Поєднання штучного інтелекту та інтернет медичних речей з часом зробить підключені пристрої для моніторингу стану здоров’я більш інтелектуальними. Нейронні мережі та величезні обсяги даних, що генеруються інтернет медичних речей, також можуть використовуватися для встановлення діагнозу. Авторами статті наголошено на фундаментальних можливостях нейронних мереж, їх сприятливій ролі у трансформації сфери радіології, шляхом заощадження часу та грошей медичних організацій. Розроблено нейронну мережу, яка зможе за зображенням намальованої спіралі Архімеда встановити діагноз. Дану мережу можна використовувати для проведення ранньої діагностики, а також подальшого моніторингу стану хвороби. Зважаючи на невелику вибірку зображень для навчання та тренування моделі авторами статті було прийняте рішення про збільшення вибірки шляхом перетворення зображень, а також використання згорткової нейронної мережі з попереднім навчанням. У результаті проведеної роботи було створено модель, яка має точність 93.7 відсотків яка дозволить автоматизувати процес діагностики хвороби на ранніх стадіях.

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

Математика розвиває алгоритмічне мислення. До Фалеса математика була рецептурно-догматичною, набором алгоритмів для розв’язання типових задач. Давньогрецька математика виробила систему аксіом й методи логічного виведення з них теорем. Рецептура замінювалася доказовими алгоритмами, одним з яких був алгоритм Евкліда. Знаходження найбільшого спільного дільника, який дає й розвинення звичайного дробу в ланцюговий і побудову двосторонніх наближень.У школі некваліфіковані вчителі не дають чітких алгоритмів розв’язання типових задач, хоча не всі діти здатні до швидких “творчих” знахідок й тому не вміють самі знайти шлях до розв’язку. Але математика засобами алгебри дає змогу узагальнення числової задачі до типової з розробкою алгоритму її розв’язання. Фіксація алгоритму у вигляді послідовності операцій, обумовленої й результатами проміжних дій, веде до необхідності введення операції умовногопереходу й циклічних гілок. Одним з корисних прикладів є знаходження квадратного кореня. На жаль, зараз цей алгоритм не вивчають, бо будують приклади-завдання так, щоби відповідь можна було знайти “в умі”. Це відноситься й до розв’язання квадратних рівнянь. Значно більше, ніж треба, вчителі приділяють увагу вгадуванню коренів за теоремою Вієта, хоча її бажано застосовувати для перевірки знайдених коренів.Вища математика дає змогу широкого використання комп’ютера. Деякі студенти мають комп’ютер або змогу користуватися ним у батьків чи друзів; дехто вже має й деякі навички. Тому можна пропонувати їм використовувати комп’ютер для обчислень і для побудови графіків. Це сприяє кращому розумінню поняття функції та її границі, а далі й дослідженню властивостей функції. Бажано використовувати можливості збірника типових задач (Кузнєцова, Чудесенка та ін.), розробляючи разом із студентами алгоритми розв’язання задач, можливо з доведенням їх до комп’ютерних програм. Ми маємо досвід розробки програми DIFF аналітичного диференціювання у 1978 р., ще до появи сучасних математичних пакетів типу Maple. Вона стала основою програми Lagr для побудови рівнянь Лагранжа електромеханічних систем, а студенти Донецької політехніки І. Кирютенко та В. Карабчевський стали учасниками розробки пакета програм VIBRO для динамічного аналізу вібраційних систем за замовленням проектного інституту в м. Луганську. Один із студентів, який отримав дозвіл працювати над курсом “Диференціальні рівняння” (ДР) за індивідуальним планом, розробив програми для розв’язання 16 типових задач. Реалізація операцій алгебри логіки на контактних схемах із демонстрацією діючих моделей, розроблених студентами минулих років, сприяє виробленню уявлень про корисність абстрактно-математичних теорій. Побудова точкових графіків послідовностей (1+1/n)n та (1–1/n)–n дає уявлення про графік функції y=(1+1/x)x та про вивчення неперервних величин за допомогою їх дискретизацій на ЦЕОМ. Побудова графіка функції y=sin(x)/x пояснює не тільки першу чудову границю, а й усувний характер розриву при х=0 та парність цієї функції.Можливість використання мультімедіа-ефектів та використання варіації параметрів особливо корисні при вивченні розділу ДР, де розв’язок визначається початковими чи граничними умовами; їх зміна дає наочне уявлення про різницю між частинним та загальним розв’язками та ілюструє метод “стрільби” тощо. Теж саме відноситься до курсу “Теорія ймовірностей та математична статистика”. Вивчення методу найменших квадратів знаходження середнього та дисперсії, регресійних рівнянь тощо, дозволяє уяснити можливості прогнозу – екстраполяції. Збільшення числа n у схемі послідовних випробувань з імовірністю Pn(m) показує природність нормального закону розподілу ймовірностей. При цьому багатокутник розподілу наочно перейде у криву густини.Викладання комп’ютерних наук з орієнтацією на міжпредметний комплекс задач. Усі завдання повинні бути складовими частинами основного завдання, яке повинен розв’язати колектив студентів. У свою чергу, завдання для одного чи групи студентів повинне паралельно розвиватися по різним дисциплінам. Наприклад, для спеціальності “Системне програмування” проектування частини графічного редактора, містить підзадачу пакування зображення для архівації, що використовує знання предметів: комп’ютерна графіка, обробка цифрових сигналів, архітектура операційних систем, архітектура ЕОМ тощо. Комплекс завдань з окремого предмета призводить до прогресу у вирішенні завдання в цілому. При цьому виникають труднощі перевірки та контролю якісного виконання завдань, бо результат праці студента є складовою загального проекту і може виникнути ситуація обмеженого самостійного функціонування. Тут виникає потреба в механізмі доведення коректності виконаного завдання, що у свою чергу доповнить знання студентів щодо засобів перевірки та діагностування, розробки тестових прикладів та правила їх складання. Для впровадження комплексу задач необхідно використання централізованого контролю та міжпредметних зв’язків. Централізований контроль можливо автоматизувати, використавши готовий проект, де кожен модуль студент може тимчасово замінити на власний і отримати від системи оцінку ефективності нової розробки. Це може бути використане й до колективних курсових та дипломних робіт.

В роботі було проведено розроблення програмного забезпечення для дослідження зміни потужності сонячних панелей від кута падіння променів, що є актуальною задачею у вирішенні проблеми підвищення ефективності функціонування засобів генерації «зеленої» електроенергії, зокрема сонячних електростанцій. Для цього, було проаналізовано проблему дослідження ефективності застосування сонячних панелей у фіксованій позиції та на рухомому кріпленні. Сформовано мету та задачі дослідження. Вибрано засоби для реалізації програмного забезпечення та наведено їх переваги при вирішенні даної задачі. Проведено експериментальні дослідження залежності потужності продукованого сонячною панеллю струму в залежності від позиції сонячної панелі, наведено алгоритм роботи програмного забезпечення. Проведено обробку отриманих результатів з метою отримання відфільтрованого графічного образу, представленого у вигляді матриці значень. Для цього здійснено порівняння методів фільтрації значень матриці від промахів та згладжування локальних максимумів. Також, приведено опрацьовані зображення до заданого розміру методами інтерполяції. Наведено кінцевий результат у вигляді рисунків поверхонь на основі матричних значень. Сформульовано подальші перспективи застосування отриманих даних для вирішення науково-практичних задач в галузі сонячної енергетики та наведено напрямки подальших досліджень. Результати роботи будуть використані в подальших дослідженнях з порівняння ефективності застосування сонячних панелей у фіксованій позиції та на рухомому кріпленні.

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.

Медична термографія найбільш успішно поєднує ефективний пошук патологій та абсолютну неінвазивність для пацієнта та медичного персоналу. Надійність діагностики заснована на стабільності тепловізійної симптоматики, основним параметром якої є послідовність та передбачуваність зміни відносних температур. Це дозволяє використовувати термографію як метод ефективного контролю над перебігом патологічних процесів в організмі людини для різних сфер медичної діяльності. Робота присвячена аналізу можливостей і перспектив розвитку та застосування термографії як методу медичної діагностики. Розглянуто сучасний стан та проблеми використання тепловізійної апаратури для виявлення різних патологій організму людини. Запропоновано напрями концентрації подальших досліджень щодо вдосконалення методу та його поширення в різних галузях медицини. Одним із найвідоміших принципів діагностики патологій організму людини на основі термограм є порівняння температур симетричних частин тіла або аналіз зміни градієнта температури на окремих ділянках організму. Перший підхід має кілька винятків, найбільш значущим серед яких є область серця: температура в цій області, безумовно, вища, ніж у симетричній ділянці з правого боку грудної клітки. Тому такий метод не завжди можливий для застосування, особливо якщо патологія пов’язана з кардіологічним аспектом. Однак порівняння температур симетричних ділянок на основі термограм в інших ділянках тіла людини дозволяє з високою ймовірністю виявити вогнища запальних процесів чи наявність пухлин. Крім онкології, медична тепловізійна техніка знайшла застосування в отоларингології, мамології, стоматології і навіть хірургії, де в процесі певних операцій (наприклад, під час розтину серця або трансплантації) необхідно дуже точно підтримувати певну температуру тіла пацієнта. Подальші зусилля з удосконалення діагностичного методу медичної термографії доцільно спрямувати на підвищення якості теплових зображень та розробку алгоритмів автоматичної діагностики хвороб та патологій із застосуванням цифрової обробки зображень та технології штучного інтелекту.

Наукові дослідження стають ефективними тоді, коли природу подій чи явищ можна розглядати з єдиних позицій, виробити універсальний підхід до них, сформувати загальні закономірності. Більшість сучасних фундаментальних наукових проблем і високих технологій тісно пов’язані з явищами, які лежать на границях різних рівнів організації. Природничі та деякі з гуманітарних наук (економіка, соціологія, психологія) розробили концепції і методи для кожного із ієрархічних рівнів, але не володіють універсальними підходами для опису того, що відбувається між цими рівнями ієрархії. Неспівпадання ієрархічних рівнів різних наук – одна із головних перешкод для розвитку дійсної міждисциплінарності (синтезу різних наук) і побудови цілісної картини світу. Виникає проблема формування нового світогляду і нової мови.Теорія складних систем – це одна із вдалих спроб побудови такого синтезу на основі універсальних підходів і нової методології [1]. В російськомовній літературі частіше зустрічається термін “синергетика”, який, на наш погляд, означує більш вузьку теорію самоорганізації в системах різної природи [2].Мета роботи – привернути увагу до нових можливостей, що виникають при розв’язанні деяких задач, виходячи з уявлень нової науки.На жаль, теорія складності не має до сих пір чіткого математичного визначення і може бути охарактеризована рисами тих систем і типів динаміки, котрі являються предметом її вивчення. Серед них головними є:– Нестабільність: складні системи прагнуть мати багато можливих мод поведінки, між якими вони блукають в результаті малих змін параметрів, що управляють динамікою.– Неприводимість: складні системи виступають як єдине ціле і не можуть бути вивчені шляхом розбиття їх на частини, що розглядаються ізольовано. Тобто поведінка системи зумовлюється взаємодією складових, але редукція системи до її складових спотворює більшість аспектів, які притаманні системній індивідуальності.– Адаптивність: складні системи часто включають множину агентів, котрі приймають рішення і діють, виходячи із часткової інформації про систему в цілому і її оточення. Більш того, ці агенти можуть змінювати правила своєї поведінки на основі такої часткової інформації. Іншими словами, складні системи мають здібності черпати скриті закономірності із неповної інформації, навчатися на цих закономірностях і змінювати свою поведінку на основі нової поступаючої інформації.– Емерджентність (від існуючого до виникаючого): складні системи продукують неочікувану поведінку; фактично вони продукують патерни і властивості, котрі неможливо передбачити на основі знань властивостей їх складових, якщо розглядати їх ізольовано.Ці та деякі менш важливі характерні риси дозволяють відділити просте від складного, притаманного найбільш фундаментальним процесам, які мають місце як в природничих, так і в гуманітарних науках і створюють тим самим істинний базис міждисциплінарності. За останні 30–40 років в теорії складності було розроблено нові наукові методи, які дозволяють універсально описати складну динаміку, будь то в явищах турбулентності, або в поведінці електорату напередодні виборів.Оскільки більшість складних явищ і процесів в таких галузях як екологія, соціологія, економіка, політологія та ін. не існують в реальному світі, то лише поява сучасних ЕОМ і створення комп’ютерних моделей цих явищ дозволило вперше в історії науки проводити експерименти в цих галузях так, як це завжди робилось в природничих науках. Але комп’ютерне моделювання спричинило розвиток і нових теоретичних підходів: фрактальної геометрії і р-адичної математики, теорії хаосу і самоорганізованої критичності, нейроінформатики і квантових алгоритмів тощо. Теорія складності дозволяє переносити в нові галузі дослідження ідеї і підходи, які стали успішними в інших наукових дисциплінах, і більш рельєфно виявляти ті проблеми, з якими інші науки не стикалися. Узагальнюючому погляду з позицій теорії складності властиві більша евристична цінність при аналізі таких нетрадиційних явищ, як глобалізація, “економіка, що заснована на знаннях” (knowledge-based economy), національні і світові фінансові кризи, економічні катастрофи і ряд інших.Однією з інтригуючих проблем теорії є дослідження властивостей комплексних мережеподібних високотехнологічних і інтелектуально важливих систем [3]. Окрім суто наукових і технологічних причин підвищеної уваги до них є і суто прагматична. Справа в тому, що такі системи мають системоутворюючу компоненту, тобто їх структура і динаміка активно впливають на ті процеси, які ними контролюються. В [4] наводиться приклад, коли відмова двох силових ліній системи електромережі в штаті Орегон (США) 10 серпня 1996 року через каскад стимульованих відмов призвели до виходу із ладу електромережі в 11 американських штатах і 2 канадських провінціях і залишили без струму 7 млн. споживачів протягом 16 годин. Вірус Love Bug worm, яких атакував Інтернет 4 травня 2000 року і до сих пір блукає по мережі, приніс збитків на мільярди доларів.До таких систем відносяться Інтернет, як складна мережа роутерів і комп’ютерів, об’єднаних фізичними та радіозв’язками, WWW, як віртуальна мережа Web-сторінок, об’єднаних гіперпосиланнями (рис. 1). Розповсюдження епідемій, чуток та ідей в соціальних мережах, вірусів – в комп’ютерних, живі клітини, мережі супермаркетів, актори Голівуду – ось далеко не повний перелік мережеподібних структур. Більш того, останнє десятиліття розвитку економіки знань привело до зміни парадигми структурного, функціонального і стратегічного позиціонування сучасних підприємств. Вертикально інтегровані корпорації повсюдно витісняються розподіленими мережними структурами (так званими бізнес-мережами) [5]. Багато хто з них замість прямого виробництва сьогодні займаються системною інтеграцією. Тому дослідження структури та динаміки мережеподібних систем дозволить оптимізувати бізнес-процеси та створити умови для їх ефективного розвитку і захисту.Для побудови і дослідження моделей складних мережеподібних систем введені нові поняття і означення. Коротко опишемо тільки головні з них. Хай вузол i має ki кінців (зв’язків) і може приєднати (бути зв’язаним) з іншими вузлами ki. Відношення між числом Ei зв’язків, які реально існують, та їх повним числом ki(ki–1)/2 для найближчих сусідів називається коефіцієнтом кластеризації для вузла i:. Рис. 1. Структури мереж World-Wide Web (WWW) і Інтернету. На верхній панелі WWW представлена у вигляді направлених гіперпосилань (URL). На нижній зображено Інтернет, як систему фізично з’єднаних вузлів (роутерів та комп’ютерів). Загальний коефіцієнт кластеризації знаходиться шляхом осереднення його локальних значень для всієї мережі. Дослідження показують, що він суттєво відрізняється від одержаних для випадкових графів Ердаша-Рені [4]. Ймовірність П того, що новий вузол буде приєднано до вузла i, залежить від ki вузла i. Величина називається переважним приєднанням (preferential attachment). Оскільки не всі вузли мають однакову кількість зв’язків, останні характеризуються функцією розподілу P(k), яка дає ймовірність того, що випадково вибраний вузол має k зв’язків. Для складних мереж функція P(k) відрізняється від розподілу Пуассона, який мав би місце для випадкових графів. Для переважної більшості складних мереж спостерігається степенева залежність , де γ=1–3 і зумовлено природою мережі. Такі мережі виявляють властивості направленого графа (рис. 2). Рис. 2. Розподіл Web-сторінок в Інтернеті [4]. Pout – ймовірність того, що документ має k вихідних гіперпосилань, а Pin – відповідно вхідних, і γout=2,45, γin=2,1. Крім цього, складні системи виявляють процеси самоорганізації, змінюються з часом, виявляють неабияку стійкість відносно помилок та зовнішніх втручань.В складних системах мають місце колективні емерджентні процеси, наприклад синхронізації, які схожі на подібні в квантовій оптиці. На мові системи зв’язаних осциляторів це означає, що при деякій критичній силі взаємодії осциляторів невелика їх купка (кластер) мають однакові фази і амплітуди.В економіці, фінансовій діяльності, підприємництві здійснювати вибір, приймати рішення доводиться в умовах невизначеності, конфлікту та зумовленого ними ризику. З огляду на це управління ризиками є однією з найважливіших технологій сьогодення [2, 6].До недавніх часів вважалось, що в основі розрахунків, які так чи інакше мають відношення до оцінки ризиків лежить нормальний розподіл. Йому підпорядкована сума незалежних, однаково розподілених випадкових величин. З огляду на це ймовірність помітних відхилень від середнього значення мала. Статистика ж багатьох складних систем – аварій і катастроф, розломів земної кори, фондових ринків, трафіка Інтернету тощо – зумовлена довгим ланцюгом причинно-наслідкових зв’язків. Вона описується, як показано вище, степеневим розподілом, “хвіст” якого спадає значно повільніше від нормального (так званий “розподіл з тяжкими хвостами”). У випадку степеневої статистики великими відхиленнями знехтувати вже не можна. З рисунку 3 видно, наскільки добре описуються степеневою статистикою торнадо (1), повені (2), шквали (3) і землетруси (4) за кількістю жертв в них в США в ХХ столітті [2]. Рис. 3. Системи, які демонструють самоорганізовану критичність (а саме такі ми і розглядаємо), самі по собі прагнуть до критичного стану, в якому можливі зміни будь-якого масштабу.З точки зору передбачення цікавим є той факт, що різні катастрофічні явища можуть розвиватися за однаковими законами. Незадовго до катастрофи вони демонструють швидкий катастрофічний ріст, на який накладені коливання з прискоренням. Асимптотикою таких процесів перед катастрофою є так званий режим з загостренням, коли одна або декілька величин, що характеризують систему, за скінчений час зростають до нескінченності. Згладжена крива добре описується формулою,тобто для таких різних катастрофічних явищ ми маємо один і той же розв’язок рівнянь, котрих, на жаль, поки що не знаємо. Теорія складності дозволяє переглянути деякі з основних положень ризикології та вказати алгоритми прогнозування катастрофічних явищ [7].Ключові концепції традиційних моделей та аналітичних методів аналізу і управління капіталом все частіше натикаються на проблеми, які не мають ефективних розв’язків в рамках загальноприйнятих парадигм. Причина криється в тому, що класичні підходи розроблені для опису відносно стабільних систем, які знаходяться в положенні відносно стійкої рівноваги. За своєю суттю ці методи і підходи непридатні для опису і моделювання швидких змін, не передбачуваних стрибків і складних взаємодій окремих складових сучасного світового ринкового процесу. Стало ясно, що зміни у фінансовому світі протікають настільки інтенсивно, а їх якісні прояви бувають настільки неочікуваними, що для аналізу і прогнозування фінансових ринків вкрай необхідним став синтез нових аналітичних підходів [8].Теорія складних систем вводить нові для фінансових аналітиків поняття, такі як фазовий простір, атрактор, експонента Ляпунова, горизонт передбачення, фрактальний розмір тощо. Крім того, все частіше для передбачення складних динамічних рядів використовуються алгоритми нейрокомп’ютинга [9]. Нейронні мережі – це системи штучного інтелекту, які здатні до самонавчання в процесі розв’язку задач. Навчання зводиться до обробки мережею множини прикладів, які подаються на вхід. Для максимізації виходів нейронна мережа модифікує інтенсивність зв’язків між нейронами, з яких вона побудована, і таким чином самонавчається. Сучасні багатошарові нейронні мережі формують своє внутрішнє зображення задачі в так званих внутрішніх шарах. При цьому останні відіграють роль “детекторів вивчених властивостей”, оскільки активність патернів в них є кодування того, що мережа “думає” про властивості, які містяться на вході. Використання нейромереж і генетичних алгоритмів стає конкурентноздібним підходом при розв’язанні задач передбачення, класифікації, моделювання фінансових часових рядів, задач оптимізації в галузі фінансового аналізу та управляння ризиком. Детермінований хаос пропонує пояснення нерегулярної поведінки і аномалій в системах, котрі не є стохастичними за природою. Ця теорія має широкий вибір потужних методів, включаючи відтворення атрактора в лаговому фазовому просторі, обчислення показників Ляпунова, узагальнених розмірностей і ентропій, статистичні тести на нелінійність.Головна ідея застосування методів хаотичної динаміки до аналізу часових рядів полягає в тому, що основна структура хаотичної системи (атрактор динамічної системи) може бути відтворена через вимірювання тільки однієї змінної системи, фіксованої як динамічний ряд. В цьому випадку процедура реконструкції фазового простору і відтворення хаотичного атрактора системи при динамічному аналізі часового ряду зводиться до побудови так званого лагового простору. Реальний атрактор динамічної системи і атрактор, відтворений в лаговому просторі по часовому ряду при деяких умовах мають еквівалентні характеристики [8].На завершення звернемо увагу на дидактичні можливості теорії складності. Розвиток сучасного суспільства і поява нових проблем вказує на те, що треба мати не тільки (і навіть не стільки) експертів по деяким аспектам окремих стадій складних процесів (професіоналів в старому розумінні цього терміну), знадобляться спеціалісти “по розв’язуванню проблем”. А це означає, що істинна міждисциплінарність, яка заснована на теорії складності, набуває особливого значення. З огляду на сказане треба вчити не “предметам”, а “стилям мислення”. Тобто, міждисциплінарність можна розглядати як основу освіти 21-го століття.