Кафедра "Комп'ютерна інженерія та програмування"

Постійне посилання колекціїhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/1095

Офіційний сайт кафедри https://web.kpi.kharkov.ua/cep

Від 26 листопада 2021 року кафедра має назву – "Комп’ютерна інженерія та програмування"; попередні назви – “Обчислювальна техніка та програмування”, “Електронні обчислювальні машини”, первісна назва – кафедра “Математичні та лічильно-вирішальні прилади та пристрої”.

Кафедра “Математичні та лічильно-вирішальні прилади та пристрої” заснована 1 вересня 1961 року. Організатором та її першим завідувачем був професор Віктор Георгійович Васильєв.

Кафедра входить до складу Навчально-наукового інституту комп'ютерних наук та інформаційних технологій Національного технічного університету "Харківський політехнічний інститут". Перший випуск – 24 інженери, підготовлених кафедрою, відбувся в 1964 році. З тих пір кафедрою підготовлено понад 4 тисячі фахівців, зокрема близько 500 для 50 країн світу.

У складі науково-педагогічного колективу кафедри працюють: 11 докторів технічних наук, 21 кандидат технічних наук, 1 – економічних, 1 – фізико-математичних, 1 – педагогічних, 1 доктор філософії; 9 співробітників мають звання професора, 14 – доцента, 2 – старшого наукового співробітника.

Переглянути

Результати пошуку

Зараз показуємо 1 - 10 з 46

Протоколи обміну даними в Інтернеті речей
(Національний технічний університет "Харківський політехнічний інститут", 2019) Мнушка, О. В.; Савченко, Володимир Миколайович
Програмне забезпечення моделювання ймовірності помилки в цифрових системах зв'язку
(ФОП Барановська Т. П., 2011) Мнушка, О.; Ніконов, О.; Савченко, Володимир Миколайович
Інформаційні технології підтримки прийняття рішень при проведенні діагностично-лікувальних заходів
(Издательство "Точка", 2017) Поворознюк, Анатолій Іванович; Мумладзе, Г. Р.
The Formalized stages diagnostic-medical process at development computer decision support system in medicine. Transition from the traditional space of marks to the medical action space is offered to minimize the risk. The use of hierarchical clustering with the criterion of minimum aggregate relations (the search for the minimum cut) in the medical action space for the synthesis of the decision tree provides minimum risk of decision-making in integrated assessment of diagnostic and medical action.
Дослідження методів побудови системи контролю міського трафіку
(ДП "Український науково-дослідний і навчальний центр проблем стандартизації, сертифікації та якості", 2017) Подорожняк, Андрій Олексійович; Дроль, О. М.; Сюлєва, Г. М.
Метод сплайнової інтерполяції трафіка мультисервісних мереж систем швидкого реагування
(Харківський національний університет Повітряних Сил ім. Івана Кожедуба, 2007) Стасєв, Ю. В.; Краснокутський, Володимир Миколайович; Кучук, Георгій Анатолійович
Запропоновано метод, що дозволяє побудувати сплайнову інтерполяцію трафіка мультисервісної мережі підтримки систем швидкого реагування та провести ітераційну оцінку її адекватності реальному трафіку системи в умовах надзвичайних ситуацій.
Розробка картографічної моделі для оцінки екологічного стану Чернігівської області
(ФОП Лисенко І. Б., 2019) Олексієнко, М. О.; Жилін, Володимир Анатолійович
Метод структурної обробки відеозображень в спеціалізованих комп'ютерних системах
(ТОВ "Планета – Принт", 2015) Москаленко, Р. А.; Бульба, Сергій Сергійович; Бараннік, В. В.
Використання асоціативної пам'яті при проектуванні технологічного процесу
(ФОП Петров В. В., 2019) Дмитрієнко, Валерій Дмитрович; Леонов, Сергій Юрійович; Бречко, Вероніка Олександрівна
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.
Методи формування плану розподілу обчислювальних ресурсів в розподіленому середовищі
(Черкаський державний технологічний університет, 2019) Бульба, Сергій Сергійович
Система інтелектуального управління процесом розподілу ресурсів в хмарних обчислювальних середовищах
(ДП "Український інститут інтелектуальної власності", 2018) Кучук, Георгій Анатолійович; Семенов, Сергій Геннадійович; Бульба, Сергій Сергійович; Лисиця, Дмитро Олександрович; Свістунов, Юрій Дмитрійович; Лимаренко, Вячеслав Володимирович; Резанов, Богдан Михайлович; Єфименко, Сергій Андрійович
Система інтелектуального управління процесом розподілу ресурсів в хмарних обчислювальних середовищах включає послідовно з'єднані блок початкового виділення ресурсів екземпляру ОХ, блок прогнозування динамічних параметрів функціонування хостів (серверів) обчислювальної хмари (ОХ) і блок динамічного перерозподілу ресурсів між екземплярами ОХ, при цьому блок початкового виділення ресурсів екземпляру ОХ, що запускається, виконаний у вигляді обчислювача, що реалізує алгоритм вибору найкращого адекватного хосту для розміщення примірника в ОХ на основі аналізу ієрархій, блок прогнозування динамічних параметрів функціонування хостів (серверів) ОХ виконаний у вигляді обчислювача, що реалізує алгоритм аналізу і прогнозу навантаження ОХ за допомогою модифікованої моделі штучних нейронних мереж Елмана з вейвлет-функцією активації та навчанням за допомогою штучних імунних систем на основі історичних даних, сформованих при кластеризації методом нечітких с- середніх, при цьому блок прогнозування містить послідовно з'єднані блок нечіткої кластеризації, вхід якого з'єднаний з виходом блока початкового виділення ресурсів, блок нейромережевого прогнозування, вихід якого з'єднаний з входом блока динамічного перерозподілу ресурсів між екземплярами ОХ, і блок навчання нейромережі, з'єднаний з блоком нейромережевого прогнозу, а блок динамічного перерозподілу ресурсів між екземплярами ОХ виконаний у вигляді обчислювача, що реалізує алгоритм мінімізації нерівномірності використання навантаження на основі ситуаційного пошуку рішень. Додатково введено блок оптимізації на базі мурашиного алгоритму, що визначає найкоротшій шлях екземпляру ОХ до обчислювальних ресурсів і дає змогу збільшити пропускну можливість, а отже, пришвидшити передачу екземпляру ОХ для обчислення, блок розрахунку утилізації ресурсів U, котрий розраховує відсоток навантаження ресурсів в ОХ під час обчислення певного екземпляру, якщо рівень утилізації ресурсів ОХ близький до рівня 100 %, то обчислювальний екземпляр використовує ресурси ОХ ефективно, а також блок фінального розподілу ресурсів перерозподіляє ресурси між екземплярами ОХ з урахуванням знайденого шляху передачі, причому один вхід блока розрахунку утилізації ресурсів U з'єднаний з виходом блока динамічного перерозподілу ресурсів між екземплярами ОХ, другий - з'єднаний з виходом блока оптимізації на базі мурашиного алгоритму, а його вихід з'єднаний зі входом блока фінального динамічного розподілу ресурсів між екземплярами ОХ.