Кафедра "Програмна інженерія та інтелектуальні технології управління ім. А. В. Дабагяна"

Постійне посилання колекціїhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/1665

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

Від січня 2022 року кафедра має назву "Програмна інженерія та інтелектуальні технології управління ім. А. В. ДАБАГЯНА" (тоді ж, у січні 2022 року в окремий підрозділ виділилася кафедра "Інформаційні системи та технології"), попередні назви – "Програмна інженерія та інформаційні технології управління" (від 2015), "Автоматизовані системи управління" (від 1977); первісна назва – кафедра автоматичного управління рухом.

Кафедра автоматичного управління рухом заснована в 1964 році задля підготовки інженерів-дослідників у галузі автоматичного управління рухом з ініціативи професора Харківського політехнічного інституту Арега Вагаршаковича Дабагяна та генерального конструктора КБ "Електроприладобудування" Володимира Григоровича Сергєєва.

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

У складі науково-педагогічного колективу кафедри працюють: 4 доктора технічних наук; 24 кандидата наук: 22 – технічних, 1 – фізико-математичних, 1 – економічних, 1 – доктор філософії; 3 співробітників мають звання професора, 19 – доцента, 1 – старшого наукового співробітника.

Переглянути

Фільтри

20203

Налаштування

ORCID: search.filters.orcid.https://orcid.org/0000-0002-6129-6146

Результати пошуку

Зараз показуємо 1 - 3 з 3
  • Ескіз
    Документ
    Collection and processing of a Medical Corpus in Ukrainian
    (2020) Cherednichenko, Olga; Kanishcheva, Olga; Yakovleva, Olena; Arkatov, Denis
    The text corpora are the basis of natural language studying. We describe the structure of a Ukrainian-language corpus (UKRMED), which contains a variety of medical text genres (Сlinical protocols, Blogs, and Wikipedia). The paper shows the process of collecting, creating and processing a corpus of medical data in Ukrainian. We represent our own framework for creating a text corpus. The medical domain and text simplification are chosen as corpus directions. The authors gave statistical characteristics of the corpus, an analysis of the morphological parts of speech is provided. Frequency lemmas for this medical corps are analyzed. The UKRMED corpus can be used for solving the task of natural language simplification.
  • Ескіз
    Документ
    A model for estimating the security level of mobile applications: a fuzzy logic approach
    (2020) Yanholenko, Olha; Cherednichenko, Olga; Yakovleva, Olena; Arkatov, Denis
    In this paper a model for solving the problem of estimating the security level of mobile applications was proposed. The estimation is performed based on a fuzzy inference system of the Mamdani type. The input criteria were defined as the most important security threats by applying the Analytic hierarchy process method. The pairwise comparison matrix was constructed from mobile security research on OWASP Top 10 Mobile Risks. The proposed methodology can be applied for any kind of mobile applications available for modern platforms, except specific cases when security analyst does not have a sufficient amount of information about the chosen application for performing the security level testing. Mobile security analysts can easily make further decisions about comprehensive mobile application security based on the results obtained with the help of the introduced model.
  • Ескіз
    Документ
    Дослідження сумісного використання математичної морфології та згорткових нейронних мереж для вирішення задачі розпізнавання цінників
    (Національний технічний університет "Харківський політехнічний інститут", 2020) Ковтуненко, Андрій Романович; Яковлева, Олена Володимирівна; Любченко, Валентин Анатолійович; Янголенко, Ольга Василівна
    Робота присвячена вирішенню задачі розпізнавання зображень, що містять інформацію символьного типу, штрих коди, логотипи, або інші знаки. Прикладом таких зображень є цінники в торговельних центрах, флаєра, запрошення, білети на різні заходи. Інформація на таких зображеннях має різний тип і її розпізнавання потребує відмінних підходів. В роботі розглядалось питання розпізнавання цінників в торговельних мережах. Для розпізнавання елементів зображення суттєву роль відіграє точність їх детектування. Було досліджено поєднання класичних методів аналізу зображень та нейромережевого підходу. Особливу увагу було приділено дослідженню у порівняльному аспекті детектування об’єктів методами морфології та шляхом обробки згортковою нейронною мережею. Дослідження показали, що морфологія дає значно нижчу якість детектування ніж нейронна мережа, але у декілька разів перевищує її у швидкодії. Оскільки швидкодія має велике значення для реалізації алгоритмів на мобільних пристроях, до морфології була додана обробка додатковими фільтрами та нормалізація геометричних спотворень, що суттєво поліпшило точність детектування та подальшого розпізнавання. За результатами досліджень питань детектування та розпізнавання штрих коду і символьної інформації, що присутня на цінниках, зроблено висновки щодо обрання підходів та технологій для вирішення цих задач, розроблено алгоритм та на його основі застосунок для розпізнавання цінників різних торговельних мереж. Також була розроблена мобільна версія застосунку. Алгоритм побудовано таким чином, що першим кроком є детектування опорного елементу, наприклад, штрих коду, далі відносно опорного елементу відбувається детектування інших елементів цінника. Штрих код детектується за допомогою математичної морфології та методів математичної статистики, яка використовується для підвищення точності алгоритму, або за допомогою згорткових нейронних мереж. Для детектування ціни та назви товару використовується згорткова нейронна мережа CRAFT, що вміє обробляти зображеннями низької якості. Знайдені назва та ціна нормалізуються для усунення геометричних спотворень та передаються для розпізнавання бібліотеці Tesseract. Ця бібліотека працює з багатьма мовами та знаходиться у відкритому доступі. Застосунок для розпізнавання цінників був створений мовою С++ з використанням бібліотек OpenCV, ZXing, Libtorch, Tesseract.