Дисертації з теми "Нейроні мережі"

В магістерській роботі розроблений і реалізований метод отримування інформації для розпізнавання рецептів та інгредієнтів за зображенням страв та їх рецептурою. Розроблювальна система пропонує користувачам страви на основі виявлених схожих, які виражені в текстовій формі та у вигляді зображень.

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».

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.

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.

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.

Розроблено модель та обрано алгоритм навчання детектора малорозмірних об'єктів на зображенні місцевості на основі технології глибоких нейронних мереж, розроблено програмну реалізацію детектора на мові python.

The neural network is a series of neurons connected by synapses. The structure of the neural network came from biology. The machine has the ability to analyze and memorize various information. Neural networks are able not only to analyze incoming information, but also to reproduce it from its memory. In order for the human brain to use neural networks. When learning without a teacher, the model uses unpartitioned data, from which the algorithm independently tries to extract features and dependencies. Learning without a teacher is often used when there are no known results in advance.

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.

В сучасному світі питання автоматизації та роботизації стоїть дуже гостро в усіх сферах людського життя. І сфера автомобілебудування не є винятком, не лише в автоматизації процесу збірки автомобілів, але й автоматизації процесу керування авто. Існує безліч варіацій схем безпілотних автомобілів, але в усіх найбільш успішних варіацій можна виділити певний загальний каркас (схему) за якою в подальшому реалізується уся система

В сучасному світі питання автоматизації та роботизації стоїть дуже гостро в усіх сферах людського життя. І сфера автомобілебудування не є винятком, не лише в автоматизації процесу збірки автомобілів, але й автоматизації процесу керування авто. Існує безліч варіацій схем безпілотних автомобілів, але в усіх найбільш успішних варіацій можна виділити певний загальний каркас (схему) за якою в подальшому реалізується уся система. Найперше, що необхідно автомобілю це визначити своє місце розташування, за це відповідає система локалізації. Яка використовує дані отримані зі систем супутникової навігації та можливо інших сенсорів, таких як лідари. На основі цього визначається місце розташування. Також можливе застосування певних технік, таких як карти підвищеної точності, що дають змогу визначати місце з похибкою в декілька сантиметрів, навіть в умовах несприятливої погоди та різноманітних атмосферних перешкод.

Проведений огляд алгоритмів класифікації, проаналізовано можливі методи для підвищення якості класифікації. Розроблено інтелектуальну систему для прогнозування рівня обслуговування користувачів мобільної мережі.

З появою Інтернету сильно зросла кількість інформації, з якої люди щодня стикаються. Це означає, що люди повинні орієнтуватися серед надзвичайно великої кількості доступних альтернатив, коли хочуть щось знайти. Наприклад, від вибору нового мобільного телефону або плеєра до пошуку кінофільму для вечірнього перегляду. На сьогоднішній день існує безліч сайтів, що надають будь-якої контент, наприклад, новини, блоги, музика і кіно. Кожен з них містить величезну кількість інформації, але не вся вона може виявитися цікавою конкретному відвідувачеві сайту. Для підбору контенту, який буде корисний певному користувачеві, використовуються рекомендаційні системи.

Москаленко, Д. М. Підсистема збору та визначення розподільчих рис даних соціальних мереж в системі виявлення кіберзагроз : магістерська робота : 121 «Інженерія програмного забезпечення», ОНП / Д. М. Москаленко ; керівник роботи М. С. Дорош ; НУ «Чернігівська політехніка», кафедра інформаційних технологій і програмної інженерії. – Чернігів, 2021. – 83 с.
Метою даної кваліфікаційної роботи є розробка підсистеми збору та визначення розподільчих рис даних соціальних мереж в системі виявлення кіберзагроз. Об'єктом дослідження є методи та моделі обробки природної мови за допомогою нейронних мереж. Предметом дослідження є методи та моделі збору та визначення особливостей розподілу даних соціальних мереж у системі виявлення кіберзагроз. В роботі проведено аналіз загроз в соціальних мережах спричинених небезпечними повідомленнями, а також аналіз задачі визначення емоційного тону текстових даних у соціальних мережах. Побудована архітектура та визначені методи та моделі обробки природньої мови та автоматизованої класифікації. В результаті чого була розроблена підсистема збору та визначення розподільчих рис даних соціальних мереж в системі виявлення кіберзагроз. Методи дослідження. В основі досліджень лежить архітектура системи збору даних з соціальної мережі Twitter яка використовує методи машинного навчання та штучного інтелекту для обробки та визначення розподільчих рис даних повідомлень користовачів [47]. Реалізація програмного забезпечення виконувалась з використанням мови програмування Python за підтримки бібліотеки програмного забезпечення з відкритим кодом для машинного навчання TensorFlow та Keras. Результати представлені у вигляді таблиць та ілюстрацій, що демонструють правильність вибору методів збору та визначення розподільчих рис даних соціальних мереж в системі виявлення кіберзагроз на прикладі класифікації повідомлень. Результати роботи можуть бути використані для подальшої розробки системи пошуку наприклад загроз від онлайн хижаків, користувачів які попагандують ідеї тероризму чи екстремізму у соціальних мережах або перекваліфікації для пошуку повідомлень іншого характеру.

У роботі приведений аналіз технологічного процесу зберігання борошна як об'єкта автоматизації; огляд та аналіз сучасних способів застосування нейронних мереж для управління складними технічними системами; розробка структурно-параметричної моделі безтарного зберігання борошна; розробка математичної моделі об'єкта управління; розробка структури та алгоритму нейромережевого регулятора; побудова імітаційної моделі безтарного зберігання борошна в AnyLogic.

Abstract – A method of structural parametric synthesis of neuro-fuzzy networks is developed. The proposed method uses decision trees to build a neuro-fuzzy networks, is not highly iterative and does not require the solution of multidimensional optimization task for network parameters calculation. When you are citing the document, use the following link http://essuir.sumdu.edu.ua/handle/123456789/28805

The purpose of the study - to develop guidelines for choosing the parameters of convolutional neural networks for solving the problem of human face recognition. When you are citing the document, use the following link http://essuir.sumdu.edu.ua/handle/123456789/28513

Дана робота присвячена розробці системи підтримки прийняття рішень на основі розпізнавання зображень, а саме їхньої сегментації. Реалізовано програмний продукт для сегментації й аналізу вхідних зображень з відображенням результатів розпізнавання. Методи й програмні засоби, які були використані для реалізації: мова програмування Python бібліотеку Keras, NumPy та TensorFlow. Практичне значення. Реалізовано систему для сегментації зображень із зручністю завантаження та їхнього аналізу і отримання змістовної інформації щодо отриманих результатів.
This paper is about developing a decision support system based on image recognition, namely their segmentation. Implemented a software product for segmenting and analyzing input images to display recognition results. Methods and tools used to implement this: Python programming language Keras library, NumPy and TensorFlow. Practical meaning. A system for image segmentation with ease of downloading and analyzing them and getting meaningful information about the results obtained.

Розглянуто основні принципи функціонування нейронних мереж. Елементарним перетворювачем у даних мережах є штучний нейрон, який складається з елементів трьох типів: помножувачів або синапсів, суматора і нелінійного перетворювача. Найважливішою властивістю нейронних мереж є їх здатність навчатися на основі даних навколишнього середовища і в результаті навчання підвищувати свою продуктивність. Розглядається два концептуальні підходи до навчання нейронних мереж: навчання з учителем і навчання без учителя.

Обсяг магістерської дисертації становить 77 сторінок, містить 25 рисунків, 6 таблиць. Загалом було опрацьовано 53 джерела. Робота присвячена створенню нейронної мережі для виявлення рецидивів пухлини головного мозку. Розроблену мережу можливо застосовувати для післяопераційного моніторингу змін в області, враженій пухлиною, а також для досліджень в області нейронних мереж та медицини. Метою роботи є підвищення ефективності виявлення рецидивів пухлини мозку шляхом створення нейронної мережі для сегментації МРТ зображень. Об’єктом дослідження є нейромережа для сегментації МРТ зображень. Предметом дослідження виступає алгоритм сегментації пухлини головного мозку за допомогою нейронної мережі на зображеннях МРТ. У магістерській дисертації обґрунтовано необхідність створення інформаційної нейронної мережі, її ефективність порівняно з іншими існуючими нейромережами. Розроблена нейронна мережа дозволяє виявити рецидиви пухлин головного мозку. До того ж, архітектуру даної нейромережевої комбінації можна вдосконалити. В середовищі розробки Python створено нейромережевий ансамбль та перевірено точність розпізнавання ним пухлин головного мозку.
The volume of the master's dissertation is 77 pages, contains 25 figures, 6 tables. In total, 53 sources were processed. The work is devoted to the creation of an informative neural network for the detection of recurrence of the brain tumor. The developed system can be used for postoperative monitoring of changes in the affected area of the tumor, as well as for research in the field of neural networks and medicine. The purpose of the work is to create an informative neural network for the detection of recurrent neoplasms in the patient's brain. The object of the study is a neural network for the segmentation of MRI images. The subject of the study is the characteristics of MRI images and the information neural network tested in the development environment of Python. In the master's dissertation the necessity of creation of the informative neural network, its efficiency in comparison with other existing neural networks is substantiated. The developed neural network allows to detect recurrence of tumors of the brain. In addition, the architecture of this neural network combination can be improved. In the development environment of Python, a neural network ensemble was created and the accuracy of the recognition of the brain tumors was checked.

Об'єкт дослідження – сегментація ракових пухлин та класифікація пневмонії. Предмет дослідження – сегментація пневмонії та пухлин за допомогою конволюційних нейронних мереж з використанням набору даних MNIST. Мета роботи – знайти більш ефективний та оптимальний спосіб виявлення ракових пухлин та пневмонії за допомогою машинного навчання. Методи дослідження – аналіз технічної літератури в галузі машинного навчання на основі нейронних мереж, вивчення датасету MNIST, вивчення медичних джерел у галузі класифікації пневмонії та ракових пухлин. Було проведено теоретичний аналіз вибірки навчальних даних, архітектури нейронної мережі, методів класифікації та інших параметрів. Практичні дослідження являли собою аналіз зображень та класифікацію діагнозів з описом точності результатів кожного дослідження. Практичні дослідження проводились на тестовому наборі даних MNIST, запропонованому Національним інститутом стандартів та технологій США. У дослідженні використовувалося 60 000 навчальних зображень та 10 000 тестових зображень. На основі отриманих результатів були розроблені моделі, які здатні з достатньою точністю визначати наявність раку або пневмонії у пацієнта за зображеннями. Subject of study – pneumonia and tumour segmentation using convolutional neural networks with MNIST dataset. The aim of the work is to find a more efficient and optimal way to detect cancerous tumours and pneumonia using machine learning. Research methods – analysis of technical literature in the field of machine learning based on neural networks, study of MNIST dataset, study of medical sources in the field of classification of pneumonia and cancerous tumours. A theoretical analysis of training data sampling, neural network architecture, classification methods, and other parameters was performed. Practical research represented image analysis and classification of diagnoses with a description of the accuracy of the results of each study. Hands-on studies were conducted on the MNIST test data set proposed by the U.S. National Institute of Standards and Technology. The study used 60,000 training images and 10,000 test images. Based on the results, models have been developed that can detect the presence of cancer or pneumonia in a patient using images with sufficient accuracy.

Безумовно моніторинг об’єкту, це незамінна частина забезпечення інформаційної безпеки на об’єкті інформаційної діляльності. На сьогодні вимоги до систем моніторингу часто змінюються, необхідно використовувати адаптивні системи, тобто ті, що підтримують часту зміну параметрів та можуть перепрограмовуватися. Тому важливо використовувати технології, які дозволяють легко «навчати» систему.

The analysis of functioning of the system of providing of vital activity safety of regions of Ukraine is conducted. The method of management of projects brief-case in the the system of vital activity safety is developed. The models of calculation of criteria of priority of projects are developed by facilities of networks of neurons. The reverse task of construction of mathematical model is decided for classification of regions of Ukraine in relation to the local criteria of priority of projects in a management the brief-case of projects a structure

The analysis of functioning of the system of providing of vital activity safety of regions of Ukraine is conducted. The method of management of projects brief-case in the the system of vital activity safety is developed. The models of calculation of criteria of priority of projects are developed by facilities of networks of neurons. The reverse task of construction of mathematical model is decided for classification of regions of Ukraine in relation to the local criteria of priority of projects in a management the brief-case of projects a structure

Нейронные сети – это одно из направлений исследований в области искусственного интеллекта, основанное на попытках воспроизвести нервную систему человека. Искусственные нейронные сети широко используются при решении самых разных задач и активно применяются там, где обычные алгоритмические решения оказываются неэффективными или вовсе невозможными. В числе задач, решение которых доверяют искусственным нейронным сетям, можно назвать следующие: распознавание текстов, игра на бирже, контекстная реклама в Интернете, фильтрация спама, проверка проведения подозрительных операций по банковским картам, системы безопасности и видеонаблюдения – и это далеко не все. При цитировании документа, используйте ссылку http://essuir.sumdu.edu.ua/handle/123456789/24940

The analysis of the device neuro - fuzzy adaptive systems in decision support systems DSS. The effectiveness of the proposed approach compared to traditional methods. When you are citing the document, use the following link http://essuir.sumdu.edu.ua/handle/123456789/28763

Магістерська дисертація: 87 с., 27 рисунків, 24 таблиці, 21 джерело. В роботі розглянута класична задача оптимального транспортування. Проведено дослідження відомих методів її вирішення, їх переваги та недоліки, необхідні умови існування оптимального розв’язку. Окрім цього, був запропонований машинний метод вирішення задачі з побудовою та навчанням моделі на основі генеративної нейронної мережі. В роботі було розглянуто загальні відомості про методи вирішення задачі оптимального транспортування при її незбалансованості та масштабованості. Було виконано аналіз результатів трьох різних типів задач, вирішених методом машинного навчання. Об’єктом дослідження є класична задача оптимального транспортування у трьох різних видах. Предметом дослідження є методи машинного навчання, зокрема генеративна змагальна нейронна мережа.
Master’s thesis: 87 pages, 27 figures, 24 tables, 21 sources. Theme: The classical problem of optimal transportation. The conducted research solves it by known methods, their advantages and disadvantages, the necessary conditions for the existence of an optimal solution. This was a proposed machine method for solving problems with the construction and model of learning based on a generative neural network. The paper considered general information on the method of solving the problem of optimal transportation with its unbalance and scalability. The results of three different types of problems solved by the machine learning method were analyzed. The subject of the study is the classical problem of optimal transportation in three different types. The subject of research is the methods of machine learning, in particular the generative competitive neural network.

Дисертація складається з 84 сторінок, 59 Цифри та 29 джерел у довідковому списку. Проблема: Оскільки світ стає більш безпечним, для забезпечення належної передачі даних між сторонами, що спілкуються, було використано більше протоколів шифрування. Класифікація мережі стала більше клопоту з використанням деяких прийомів, оскільки перевірка зашифрованого трафіку в деяких країнах може бути незаконною. Це заважає інженерам мережі мати можливість класифікувати трафік, щоб відрізняти зашифрований від незашифрованого трафіку. Мета роботи: Ця стаття спрямована на проблему, спричинену попередніми методами, використовуваними в шифрованій мережевій класифікації. Деякі з них обмежені розміром даних та обчислювальною потужністю. У даній роботі використовується рішення алгоритму глибокого навчання для вирішення цієї проблеми. Основні завдання дослідження: 1. Порівняйте попередні традиційні методи та порівняйте їх переваги та недоліки 2. Вивчити попередні супутні роботи у сучасній галузі досліджень. 3. Запропонуйте більш сучасний та ефективний метод та алгоритм для зашифрованої класифікації мережевого трафіку Об'єкт дослідження: Простий алгоритм штучної нейронної мережі для точної та надійної класифікації мережевого трафіку, що не залежить від розміру даних та обчислювальної потужності. Предмет дослідження: На основі даних, зібраних із приватного потоку трафіку у нашому власному інструменті моделювання мережі. За 4 допомогою запропонованого нами методу визначаємо відмінності корисних навантажень мережевого трафіку та класифікуємо мережевий трафік. Це допомогло відокремити або класифікувати зашифровані від незашифрованого трафіку. Методи дослідження: Експериментальний метод. Ми провели наш експеримент із моделюванням мережі та збиранням трафіку різних незашифрованих протоколів та зашифрованих протоколів. Використовуючи мову програмування python та бібліотеку Keras, ми розробили згорнуту нейронну мережу, яка змогла прийняти корисне навантаження зібраного трафіку, навчити модель та класифікувати трафік у нашому тестовому наборі з високою точністю без вимоги високої обчислювальної потужності.
This dissertation consists of 84 pages, 59 Figures and 29 sources in the reference list. Problem: As the world becomes more security conscious, more encryption protocols have been employed in ensuring suecure data transmission between communicating parties. Network classification has become more of a hassle with the use of some techniques as inspecting encrypted traffic can pose to be illegal in some countries. This has hindered network engineers to be able to classify traffic to differentiate encrypted from unencrypted traffic. Purpose of work: This paper aims at the problem caused by previous techniques used in encrypted network classification. Some of which are limited to data size and computational power. This paper employs the use of deep learning algorithm to solve this problem. The main tasks of the research: 1. Compare previous traditional techniques and compare their advantages and disadvantages 2. Study previous related works in the current field of research. 3. Propose a more modern and efficient method and algorithm for encrypted network traffic classification The object of research: Simple artificial neural network algorithm for accurate and reliable network traffic classification that is independent of data size and computational power. The subject of research: Based on data collected from private traffic flow in our own network simulation tool. We use our proposed method to identify the differences in network traffic payloads and classify network traffic. It helped to separate or classify encrypted from unencrypted traffic. 6 Research methods: Experimental method. We have carried out our experiment with network simulation and gathering traffic of different unencrypted protocols and encrypted protocols. Using python programming language and the Keras library we developed a convolutional neural network that was able to take in the payload of the traffic gathered, train the model and classify the traffic in our test set with high accuracy without the requirement of high computational power.

У роботі розглядається проблема побудови моделі прогнозування забруднення повітря. Контроль якості повітря важливий для досягнення сприйнятних екологічних умов. Цей тип контролю здійснюється за допомогою контролю повітря. Рішення проблеми базується на рекурентних нейронних мережах, а точніше на мережах LSTM.

Дипломну магістерську роботу присвячено дослідженню та створенню спрощеної і більш точної моделі для прогнозування основних метеорологічних параметрів із використанням методів машинного навчання. При дослідженні та під час спрощення і покращення моделі буде проведено аналіз засобів і методів автоматизації короткострокового прогнозування. Для дослідження та навчання штучної нейронної мережі також використовується алгоритм SOM.

Запропоновано метрики ознак фейкових облікових записів у соціальних мережах. На основі запропонованих метрик та використанні нейронної мережі розроблено та перевірено роботу системи виявлення фейкових об-лікових записів у соціальній мережі «Facebook».
The metrics of signs of fake accounts in social networks are proposed. Based on the proposed metrics and the use of the neural network, the system of detecting fake accounts in the Facebook social network was developed and tested.

В кваліфікаційній роботі запропоновано підхід до розпізнавання локалізованого тексту, що базується на поєднанні рекурентних, згорткових нейронних мереж (CRNN) та алгоритму CTC-loss. Ця архітектура нейронних мереж реалізована за допомогою мови програмування Python. Проведено експеримент на двох наборах даних, за результатами якого були побудовані графіки зміни протягом навчання функції втрат, відстані Левенштейна та точності розпізнавання на тренувальному та двох тестових наборах даних.
The qualification paper proposes an approach to localized text recognition based on a combination of recurrent, convolutional neural networks (CRNN) and the CTC-loss algorithm. This neural network architecture is implemented using the Python programming language. An experiment was performed on two data sets, based on the results of which graphs of changes during training of the loss function, Levenstein distance and accuracy of recognition on the training and two test data sets were constructed.
ВСТУП 7 РОЗДІ 1. ОСНОВНА ЧАСТИНА 9 1.1. Огляд методів розпізнавання нечітких символів на графічних стендах 9 1.2. Локалізація тексту 10 1.3 Розпізнавання тексту 13 1.4 Висновки до розділу 1 21 РОЗДІЛ 2. ОСНОВНА ЧАСТИНА 22 2.1. Підхід із застосуванням CRNN-архітектури нейронних мереж 22 2.2. Повнозв'язний шар 22 2.3. Згортковий шар 24 2.4. Шар субдискретизації 25 2.5. Шар нормалізації за міні-батчами 26 2.6. Рекурентний шар 27 2.7. CTC loss 33 2.8. Висновки до розділу 2 39 РОЗДІЛ 3. НАУКОВО-ДОСЛІДНА ЧАСТИНА 40 3.1. Метод розпізнавання нечітких символів 40 3.2 Експериментальні дослідження 41 3.3. Висновки до розділу 3 44 РОЗДІЛ 4. ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 45 4.1. Охорона праці 45 4.2. Безпека в надзвичайних ситуаціях 47 4.3. Висновки до розділу 4 51 ВИСНОВКИ 52 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 53 ДОДАТКИ 58

Neural networks, as one of the leading modern areas of information technology development, are reviewed in this work. The general concept of the neural network, the main types of them, as well their current level of development are presented.
В роботі розглянуто нейронні мережі як один з провідних сучасних напрямків розвитку інформаційних технологій. Представлено загальну концепцію нейронної мережі, основні різновиди таких мереж та їх сучасний рівень розвитку.