Вісник № 42

Постійне посилання колекціїhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/40622

Переглянути

Результати пошуку

Зараз показуємо 1 - 10 з 18
  • Ескіз
    Документ
    Аналіз ефективності навчання CNN за принципом "вчитель-учень" з використанням непідготовленого image-dataset
    (НТУ "ХПІ", 2018) Зубарєв, Д. О.; Скарга-Бандурова, І. С.
    Штучні нейронні мережі з кожним роком розширюють спектр існуючих та потенційних сфер використання. Якість навчання штучних нейронних мереж є основою якості їх подальшого функціонування. Стаття присвячена аналізу ефективності навчання штучних нейронних мереж класу CNN для розпізнавання непідготовленого набору зображень (Image-Dataset) за принципом "вчитель-учень", де у ролі вчителя виступає попередньо навчена діюча штучна нейронна мережа CNN-1, що завдає алгоритм навчання, а учнем є непідготовлена штучна нейронна система CNN-2. Доведено, що CNN-1 є більш ефективною для пошуку великого спектра об'єктів на зображеннях, а CNN-2 найкраще працює для вузько направлених надточних пошуків завданих об'єктів.
  • Ескіз
    Документ
    О выборе параметров минимаксного плана последовательного приёмочного контроля
    (НТУ "ХПІ", 2018) Вахобов, В. В.
    Оценка качества готовой промышленной или сельскохозяйственной продукции, например, длина или диаметр изготовленной детали, всхожесть зерна, длина волокна хлопка и другие факторы исследования проводятся методами статистического приемочного контроля (СПК). СПК дает возможность, с одной стороны, осуществить текущий контроль производственного процесса, своевременно предотвращая выпуск некачественных изделий, с другой стороны, позволяет с наименьшими затратами проводить приемку выпускаемой готовой продукции. Последнее достигается с помощью выбора планов СПК. В данной работе рассматривается вопрос о выборе параметров последовательного контроля, минимизирующего максимальные потери.
  • Ескіз
    Документ
    Розробка моделі аналізу складних даних на основі класифікації machine learning
    (НТУ "ХПІ", 2018) Тітова, А. Ю.; Іванов, Д. Є.
    Виконано аналіз методів класифікації machine learning та визначені етапи обробки складних даних на основі бінарної класифікації. Розроблено модель аналізу складних даних на основі класифікації machine learning та проведено перевірку її адекватності з використанням різних засобів оцінки. Виконана класифікація даних на відповідність двом класам: корисної інформації та спаму.
  • Ескіз
    Документ
    Cognitive tensor model of a system based on Von Neumann classes
    (НТУ "ХПІ", 2018) Tikhonov, V. I.; Tikhonova, O. V.
    The paper focuses issues of tensor calculus study in technical universities. To promote a holistic insight on tensors by undergraduates, there proposed a cognitive tensor model of a physical system on the base of hierarchical John Von Neumann classes.
  • Ескіз
    Документ
    Модель обробки потокових даних для розпізнавання окремих одиниць жестової мови
    (НТУ "ХПІ", 2018) Сіряк, Р. В.; Скарга-Бандурова, І. С.
    У статті розглянута задача розпізнавання окремих жестів рук, отриманих з вебкамери. Запропоновано модель обробки потокових даних та розпізнавання жестів на відеозображеннях у вигляді 10-шарової згорткової нейронної мережі. За результатами оцінки якості моделі, отримана точність на тестовій множині склала 96%, значення функції втрати – 0.02. Результати перевірки показали, що модель є стійкою до відносно широких кутів обертання рук і є незалежною від освітлення, завдяки використанню контурів.
  • Ескіз
    Документ
    Когнитивная Smart-технология дистанционного обучения современному оборудованию промышленной автоматизации
    (НТУ "ХПІ", 2018) Самигулина, Г. А.; Лукманова, Ж. С.
    Статья посвящена современным направлениям дистанционного обучения инженерным специальностям для людей с ослабленным зрением. Разработана когнитивная Smart-технология для персонализированного качественного обучения в лабораториях коллективного пользования современному промышленному оборудованию фирмы Ноneywell (с использованием платформы Experion PKS) применяемому в нефтегазовой отрасли с учетом психофизических характеристик обучающегося и особенностей зрения.
  • Ескіз
    Документ
    Некоторые свойства ковариантного функтора P: Comp → Comp вероятностных мер, действующего на категории стратифицируемых пространств
    (НТУ "ХПІ", 2018) Рахматуллаев, А. Х.; Хидоятова, М. А.
    В данной статье изучены геометрические и топологические свойство функтора P вероятностных мер в категории стратифицируемых пространств и непрерывных отображений в себя. Доказывается, что пространство P(X) вероятностных мер является AE(S) пространством. Доказано, что функция обладает свойствами гиперсвязности и гипергеодезичности, эквисвязности.
  • Ескіз
    Документ
    Вычислительные методы построения моделей Вольтерра нелинейных динамических систем в частотной области
    (НТУ "ХПІ", 2018) Павленко, В. Д.; Павленко, С. В.; Ломовой, В. И.
    Исследуется точность и вычислительная устойчивость методов детерминированной идентификации нелинейных динамических систем в виде многомерных АЧХ и ФЧХ. Рассматриваются аппроксимационный и интерполяционный методы идентификации с использованием в качестве тестовых полигармонических сигналов. Вычислительная устойчивость процедуры идентификации обеспечивается применением метода регуляризации некорректных задач. Для сглаживания оценок получаемых характеристик используется вейвлет-фильтрация.
  • Ескіз
    Документ
    Варіаційні методи оцінки руху в задачах комп'ютерного зору
    (НТУ "ХПІ", 2018) Мороз, В. В.; Кондратюк, А. В.
    Розглянуто модель оптичного потоку для оцінки видимого руху. Наведено знаходження рівняння оптичного потоку шляхом розкладання у ряд Тейлора неперервної функції інтенсивності зображення. Проаналізовані основні проблеми розрахунку оптичного потоку та основні варіаційні методи оцінки оптичного потоку, що базуються на методі регуляризації Тихонова та Арсеніна для вирішення некоректно поставлених задач.
  • Ескіз
    Документ
    Численное моделирование колебаний трубы с потоком жидкости
    (НТУ "ХПІ", 2018) Худаяров, Б. А.; Тураев, Ф. Ж.; Комилова, Х. М.
    В работе рассмотрена математическая модель и вычислительный метод определения колебаний прямого участка вязкоупругой трубы с потоком жидкости. При исследовании колебаний трубопроводов с протекающей внутри газо-жидкостью используется модель в виде цилиндрических оболочек и двухпараметрическая модель вязкоупругого основания Пастернака. Для описания вязкоупругих свойств использована наследственная теория вязкоупругости Больцмана-Вольтерра. Численно исследованы влияния параметров оснований Пастернака, влияние сингулярности в ядрах наследственности и геометрических параметров трубопровода на колебания конструкций, обладающих вязкоупругими свойствами.