Кафедра "Інформатика та інтелектуальна власність"

Постійне посилання колекціїhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/7444

Офіційний сайт кафедри http://web.kpi.kharkov.ua/iip

Кафедра "Інформатика та інтелектуальна власність" створена 12 травня 1999 року на факультеті "Комп'ютерні та інформаційні технології".

Саме в НТУ “ХПІ” на спеціальному факультеті патентознавства Міжгалузевого інституту післядипломної освіти, у той час – підвищення кваліфікації, у 1992 році було розпочато перепідготовку спеціалістів відповідної кваліфікації, що стало початком створення національної системи підготовки кадрів для сфери інтелектуальної власності України.

Кафедра входить до складу Навчально-наукового інституту комп'ютерних наук та інформаційних технологій Національного технічного університету "Харківський політехнічний інститут".

Від 2019 року НТУ "ХПІ" та Науково-дослідний інститут інтелектуальної власності Національної академії правових наук України створтли на кафедрі "Інформатика та інтелектуальна власність" спільний Науково-освітній центр "Цифрова інтелектуальна власність".

У складі науково-педагогічного колективу кафедри працюють: 1 доктор технічних наук, 6 кандидатів технічних наук, 1 – історичних, 1 – юридичних; 1 співробітник має звання професора, 7 – доцента.

Переглянути

Зараз показуємо 1 - 20 з 159

Detector artificial neural network. Neurobiological rationale
(ФОП Андреєв К. В., 2019) Parzhin, Yu. V.; Rohovyi, A. I.; Nevliudova, V. V.
Detector artificial neural network. Neurobiological rationale
(Landmark, 2019) Parzhin, Yu. V.; Rohovyi, A. I.; Nevliudova, V. V.
Improving a neural network model for semantic segmentation of images of monitored objects in aerial photographs
(PC Technology Center, 2021) Slyusar, V.; Protsenko, M.; Chernukha, A.; Melkin, V.; Petrova, O.; Kravtsov, M.; Velma, S.; Kosenko, N.; Sydorenko, O.; Sobol, Maksym
This paper considers a model of the neural network for semantically segmenting the images of monitored objects on aerial photographs. Unmanned aerial vehicles monitor objects by analyzing (processing) aerial photographs and video streams. The results of aerial photography are processed by the operator in a manual mode; however, there are objective difficulties associated with the operator's handling a large number of aerial photographs, which is why it is advisable to automate this process. Analysis of the models showed that to perform the task of semantic segmentation of images of monitored objects on aerial photographs, the U-Net model (Germany), which is a convolutional neural network, is most suitable as a basic model. This model has been improved by using a wavelet layer and the optimal values of the model training parameters: speed (step) ‒ 0.001, the number of epochs ‒ 60, the optimization algorithm ‒ Adam. The training was conducted by a set of segmented images acquired from aerial photographs (with a resolution of 6,000×4,000 pixels) by the Image Labeler software in the mathematical programming environment MATLAB R2020b (USA). As a result, a new model for semantically segmenting the images of monitored objects on aerial photographs with the proposed name U-NetWavelet was built. The effectiveness of the improved model was investigated using an example of processing 80 aerial photographs. The accuracy, sensitivity, and segmentation error were selected as the main indicators of the model's efficiency. The use of a modified wavelet layer has made it possible to adapt the size of an aerial photograph to the parameters of the input layer of the neural network, to improve the efficiency of image segmentation in aerial photographs; the application of a convolutional neural network has allowed this process to be automatic.
The Input Material Flow Model of the Transport Conveyor
(Institute of Electrical and Electronics Engineers, Inc., 2022) Pihnastyi, O. M.; Sobol, Maksym
This paper discusses the problem of forming a data set for training a neural network used to build a model of a multi-section conveyor. The analysis of the models, which are used by designing the flow parameters control system of the transport system, is given. The conditions of applying a neural network in the transport conveyer model are justified and determined. Methods for generating a data set for training a neural network are discussed. As the main approach, the use of production data obtained from functioning transport conveyors is considered. Statistically processed data can be used to build generators of stochastic processes that model the incoming material flow for the transport system. The development of these generators to form the input flow of the material of the transport system opens up the possibility of analyzing and monitoring conveyor models in various modes of its configuration. A statistical analysis of the incoming material flow of the transport system was carried out and its number characteristics were determined. The correlation function characterizing the input flow of material for the transport system is considered. The introduction of dimensionless parameters to describe the input material flow made it possible to scale the results of work for a wide class of conveyor-type transport systems.
Lecture summary from the discipline "Intellectual property"
(2021) Sydorenko, O. V.
Method for binary contour images vectorization of handwritten characters for recognition by detector neural networks
(Institute of Electrical and Electronics Engineers, Inc., 2022) Parzhin, Yu. V.; Galkyn, Sergii; Sobol, Maksym
This paper describes the developed method for binary contour images vectorization of handwritten characters for recognition by detector neural networks. A description of the software that implements the developed method is given.
On the Characteristics of the Input Material Flow of the Transport Conveyor
(Vasyl Stefanyk Precarpathian National University, 2022) Pihnastyi, O. M.; Sobol, Maksym; Yelchaninov, D. B.
In this paper, the statistical characteristics of the flow of material entering the input of a conveyor-type transport system are studied. For a set of data obtained as a result of experimental measurements of the input flow of material, the law of distribution of a random variable and the correlation function is investigated. Theoretical assumptions about the law of change of the correlation function for the input flow of material are confirmed.
Usage of intelligent methods for multispectral data processing in the field of environmental monitoring
(Національний технічний університет "Харківський політехнічний інститут", 2021) Podorozhniak, Andrii; Liubchenko, Nataliia; Kvochka, Mykyta; Suarez, Ivan
The subject of study in the article is artificial intelligence methods that can be used for recognition of specific areas of the earth's surface in multispectral images provided by Earth remote sensing systems (ERS). The goal is to automate data analysis for recognizing areas affected by fire on multispectral remote sensing images. The task is to study and formulate a method for processing multispectral data, which makes it possible to automate the process of operational recognition of areas of burned-out areas in images, for the development of an eco-monitoring software system using artificial intelligence tools such as deep learning and neural networks. As a result of the analysis of modern methods of processing multispectral data, an investigation of the supervised learning strategy was chosen. The choice of the described method for solving an applied problem is based on the high flexibility of these method, as well as, provided that there is a sufficient amount of used training input data and correct training strategies, the possibility of analyzing heterogeneous multispectral data with ensuring high accuracy of results for each individual sample. Conclusions: the application of methodologies for intelligent processing of multispectral images has been investigated and substantiated. The theoretical foundations of the construction of neural networks are considered, the applied area of application is selected. An architectural model of a software product is analyzed and proposed, taking into account its scalability, the model of software system is developed and the results of its work are shown. The obtained results show the efficiency of proposed system and prospects of the proposed algorithms, which is a reason for further research and improvement of the used algorithms, with their possible use in industrial and enterprise eco-monitoring systems.
Usage of Mask R-CNN for automatic license plate recognition
(Національний технічний університет "Харківський політехнічний інститут", 2023) Podorozhniak, A. O.; Liubchenko, N. Yu.; Sobol, Maksym; Onishchenko, D. P.
The subject of study is the creation process of an artificial intelligence system for automatic license plate detection. The goal is to achieve high license plate recognition accuracy on large camera angles with character extraction. The tasks are to study existing license plate recognition technics and to create an artificial intelligence system that works on big shooting camera angles with the help of modern machine learning solution – deep learning. As part of the research, both hardware and software-based solutions were studied and developed. For testing purposes, different datasets and competing systems were used. Main research methods are experiment, literature analysis and case study for hardware systems. As a result of analysis of modern methods, Mask R-CNN algorithm was chosen due to high accuracy. Conclusions. Problem statement was declared; solution methods were listed and characterized; main algorithm was chosen and mathematical background was presented. As part of the development procedure, accurate automatic license plate system was presented and implemented in different hardware environments. Comparison of the network with existing competitive systems was made. Different object detection characteristics, such as Recall, Precision and F1-Score, were calculated. The acquired results show that developed system on Mask R-CNN algorithm process images with high accuracy on large camera shooting angles.
Use of analytical model for synthesis of algorithms for control of transport conveyor parameters
(Khmelnytskyi national university, 2022) Pihnastyi, O. M.; Sobol, Maksym
This study presents a methodology for synthesizing optimal control algorithms for the flow parameters of a conveyor-type transport system with a variable transport delay. A multi-section transport conveyor is a complex dynamic system with a variable transport delay. The transport conveyor is an important element of the production system, used to synchronize technological operations and move material. The Analytical PiKh-model of the conveyor section was used as a model for designing a control system for flow parameters. The characteristic dimensionless parameters of the conveyor section are introduced and the similarity criteria for the conveyor sections are determined. The model of a conveyor section in a dimensionless form is used to develop a methodology for synthesizing algorithms for optimal control of the flow parameters of a transport conveyor section. The dependencies between the value of the input and output material flow of the section are determined, taking into account the initial distribution of the material along the conveyor section, variable transport delay, restrictions on the specific density of the material, and restrictions on the speed of the belt. The dependencies between the value of the input and output material flow for the case of a constant transport delay are analyzed. A technique for synthesizing algorithms for optimal belt speed control based on the PiKh-model of a conveyor section is presented. As a simplification, a two-stage belt speed control is considered. Particular attention is paid to the methodology for synthesizing optimal control algorithms based on the energy management methodology (TOU-Tariffs). The criteria of control quality are introduced and problems of optimal control of flow parameters of the transport system are formulated. Taking into account differential connections and restrictions on phase variables and admissible controls, which are typical for the conveyor section, the Pontryagin function and the adjoint system of equations are written. As examples demonstrating the design of optimal control, algorithms for optimal control of the flow parameters of the transport system are synthesized and analysis of optimal controls is performed.
Автоматизация процесса мониторинга и анализа внешней электромагнитной обстановки на основе использования детекторной искусственной нейронной сети
(ФОП Петров В. В., 2017) Паржин, Юрий Владимирович; Кравченко, Владимир Иванович; Князев, Владимир Владимирович; Серков, Александр Анатольевич
В статье рассмотрено применение детекторной нейронной сети (ДИНС) для распознавания параметров фронта электромагнитного импульса грозового разряда в автоматизированной системе мониторинга и анализа внешней электромагнитной обстановки. ДИНС в результате эмуляции активного перцептивного акта восприятия изображения и эмуляции процедуры встречного обучения позволяет не только выделить фронт импульса в структуре осциллографического изображения, но и запомнить измеряемые параметры распознанного сегмента изображения в концепте нейрона-детектора. Это дает возможность уменьшить ошибки измерений и увеличить скорость обработки сигналов по сравнению с рассматриваемым методом интерактивного анализа характеристик электромагнитных помех.
Автоматизація збору та аналізу даних з онлайн-автомагазинів
(Національний технічний університет "Харківський політехнічний інститут", 2020) Котляр, А. С.; Пугачов, Роман Володимирович
Автоматизована система розпізнавання автономерів
(ФОП Петров В. В., 2021) Любченко, Наталія Юріївна; Оніщенко, Даніїл Павлович; Подорожняк, Андрій Олексійович
Автономная система анализа деятельности центральной нервной системы
(НТУ "ХПИ", 2015) Мащенко, Татьяна Георгиевна; Сомхиева, Ольга Сергеевна; Довгаль, М. В.
В статье представлен прототип системы для анализа деятельности центральной нервной системы (ЦНС). Основным предназначением данной системы является сбор, интерпретация и представление конечному пользователю результатов обработки полученных при электроэнцефалографических исследования данных. С помощью данной системы можно исследовать биопотенциалы головного мозга, проводить диагностику различных заболеваний ЦНС. Также описывается за счет чего достигается минимизация затрат на себестоимость данной системы.
Авторське право і суміжні права. Тема 4, частина 1
(ТОВ "Аспект–2003", 2008) Солощук, Михайло Миколайович; Капінос, Маріанна Миколаївна; Лерантович, Еліна Томашівна
Авторське право і суміжні права. Тема 4, частина 2
(ТОВ "Аспект–2003", 2008) Солощук, Михайло Миколайович; Капінос, Маріанна Миколаївна; Лерантович, Еліна Томашівна
Адаптация генетических алгоритмов к автоматизации моделирования бизнес-процессов
(НТУ "ХПИ", 2012) Байда, К. Е.; Ельчанинов, Дмитрий Борисович
В терминах методологии IDEF0 описаны основные понятия генетических алгоритмов (ген, генотип, популяция, целевая функция, операторы отбора, скрещивания, мутации и редукции, критерии остановки). Приведен пример автоматического решения задачи моделирования бизнес-процесса с заданными характеристиками. Описан проект соответствующей программной системы. Ил.: 4. Табл.: 1. Библиогр.: 9 назв.
Актуальні технології підтримки прийняття рішення в області розробки програмного забезпечення
(Національний технічний університет "Харківський політехнічний інститут", 2015) Колосов, С. О.; Пугачов, Роман Володимирович
Анализ информации в нейроморфных информационных моделях нейронов
(Национальный технический университет "Харьковский политехнический институт", 2019) Паржин, Юрий Владимирович; Солощук, Михаил Николаевич; Любченко, Наталья Юрьевна
Рассматривается системный принцип построения детекторных искусственных нейронных сетей (ДНС). Этот принцип основан на определении и детектировании структурных элементов распознаваемых образов, а также их непроизводных и производных характеристик. Непроизводные структурные элементы, а также их качественные и количественные характеристики определяются эмпирически. Эти элементы и их характеристики детектируются специфическими нейронами-детекторами ДНС на этапе сенсорного восприятия. Процесс детектирования непроизводных структурных элементов основан на открытии Девидом Хьюбелом (David Hubel) и Т. Визелем (Torsten Wiesel) избирательной реакции нейронов первичной зрительной коры мозга на определенные стимулы. Однако непроизводных структурных элементов и их характеристик недостаточно для решения задачи классификации образов. Это связано с тем, что в процессе обучения нейрона-детектора класса образов происходит потеря информации, которая не содержит устойчивых признаков классификации. Эта потеря информации отражает обобщающую способность ДНС и ведет к уменьшению ее разрешающей способности. Для увеличения разрешающей способности ДНС необходима дополнительная информация. Эта информация может быть получена в результате формирования производных характеристик структурных элементов распознаваемого образа. Формирование производных характеристик отражает процесс информационного анализа, осуществляемого нейронами-анализаторами ДНС, которые, по мнению авторов, являются информационными моделями биологических нейронов-анализаторов. Тогда процесс информационного синтеза реализуется единичными производными нейронами-детекторами ДНС. Эти нейроны-детекторы реагируют на цельные образы. Построение информационных моделей нейронов основывается на выдвинутых авторами гипотезах нейронного кода, объясняющих информационную сущность реакций нейронов.
Анализ методов консолидации информации и особенностей их применения
(НТУ "ХПИ", 2007) Певцов, Г. В.; Фастовский, Эдуард Георгиевич; Олейник, Максим Алексеевич
У статті розглянуті найбільш поширені моделі пошуку інформації, що засновані на різних математичних методах, які можуть бути покладені в основу системи консолідації інформації. Проведено їх аналіз, виявлені їх недоліки.