Видання НТУ "ХПІ"

The purpose of modeling any system using a Petri net is to study the behavior of the modeled system based on the analysis of the defined properties of the Petri net. Therefore, it is necessary to develop a method for assessing the adequacy of the model, based on the assessment of the degree of its correspondence to the behavior of the system. The object of research is the behavior of a system model built using a Petri net. The subject of the research is the value of the deviation of the simulated processes from the real values. The goal of the research is to develop a method for assessing the adequacy of the description of the dynamics of the researched process in a model of a computer system based on Petri nets.Conclusions. The developed method makes it possible to assess the adequacy of the model based on Petri nets with accuracy to the entered assumptions. The method allows timely background history of dynamic processes and justify the choice of its length. The method also allows reducing the possibility of an irrational increase in the size of the synthesized model.

Relevance. The avalanche-like growth in the amount of information on the Internet necessitates the development of effective methods for quickly processing such information in information systems.Clustering of news information is carried out by taking into account both the morphological analysis of texts and graphic content. Thus, an urgent task is the clustering of images accompanying textual information on various web resources, including news portals. The subject of studyis an image classifier that exhibits low sensitivity to increased information in databases. The purpose of the article is to enhance the efficiency of searching for identical images in databases experiencing a daily influx of 10-12 thousand images, by developing an image classifier. Methods used: mathematical modeling, content-based image retrieval, two-dimensional discrete cosine transform, image processing methods, decision-making methods. The following results were obtained. An image classifier has been developed with low sensitivity to increased database information. The properties of the developed classifier have been analyzed. The experiments demonstrated that clustering information based on images using the developed classifier proved to be sufficiently fast and cost-effective in terms of information volumes and computational power requirements. Актуальність. Лавиноподібне зростання кількості інформації в Інтернеті потребує розробки ефективних методів швидкої обробки такої інформації в інформаційних системах. Кластеризація новинної інформації проводиться як з урахуванням морфологічного аналізу текстів, так і графічного контенту. Таким чином, актуальним завданням є кластеризація зображень, що супроводжують текстову інформацію на різних веб-ресурсах, включаючи портали новин. Предмет дослідження:класифікатор зображень, що малочутливий до зростання кількості інформації в базах даних. Метою дослідженняє підвищення продуктивності пошуку однакових зображень у базах даних, у яких швидкість додавання інформації досягає 10-12 тисяч зображень на добу,шляхом розробки класифікатора зображень. Методи, що використовуються:математичне моделювання, пошук зображень на основі контенту, двовимірне дискретне косинусне перетворення, методи обробки зображень, методи прийняття рішень. Отримані результати.Розроблено класифікатор зображень, що малочутливий до зростання кількості інформації в базах даних. Виконано аналіз властивостей розробленого класифікатора. Проведені експерименти показали, що кластеризація інформації за зображеннями за допомогою розробленого класифікатора виявилася досить швидкою та маловитратною з погляду обсягів інформації та вимог до обчислювальної потужності.

Видання НТУ "ХПІ"

Переглянути

Фільтри

Налаштування

Сортувати за

Результатів на сторінку

Результати пошуку