2023
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/63222
Переглянути
4 результатів
Результати пошуку
Публікація Дослідження поточного стану розвитку систем керування та автоматизації гідравлічних машин(Національний технічний університет "Харківський політехнічний інститут", 2023) Ярошенко, Олексій Андрійович; Гасюк, Олександр ІвановичМайбутні гідравлічні системи значною мірою включатимуть AI та ML, підвищуючи точність керування та забезпечуючи прогнозоване обслуговування. Алгоритми, керовані штучним інтелектом, все частіше використовуватимуться для прогнозованого технічного обслуговування, покращуючи надійність і термін служби гідравлічних систем. Ця інтеграція призведе до розумнішої та ефективнішої роботи та подовжить термін служби обладнання. Інтеграція технології IoT має вирішальне значення для збору та аналізу даних у реальному часі, полегшуючи віддалений моніторинг і контроль, що призводить до підвищення ефективності роботи та управління техобслуговуванням. Використання хмарних платформ для аналізу та зберігання даних, ймовірно, збільшиться, забезпечуючи більш складну обробку даних і доступність. Вдосконалені датчики та прогнозне обслуговування значно сприяють безпеці, передбачаючи збої системи. Надійність також підвищується завдяки скороченню часу простою та розумнішим графікам технічного обслуговування. Зростаюча конвергенція вдосконаленої робототехніки з гідравлічними системами спрямовує ці системи до збільшення автономності. Розширені функції безпеки стануть пріоритетом завдяки розумнішим датчикам і алгоритмам керування. Зростаюча складність гідравлічних систем підкреслює потребу в спеціалізованому навчанні та освіті з проектування, обслуговування та експлуатації систем. Очікується, що майбутні гідравлічні машини будуть більш адаптованими та гнучкими, з модульними конструкціями, які задовольнятимуть конкретні потреби конкретної галузі. Значною проблемою є адаптивність моделей AI та ML в динамічних умовах реального світу. Для вирішення цієї проблеми розробляються методи безперервного навчання. Підводячи підсумок, можна сказати, що майбутнє систем керування та автоматизації гідравлічних машин спрямоване на більшу розумність, зв'язок, ефективність та адаптивність. Ці тенденції будуть підкріплюватися постійним технологічним прогресом, зокрема у сфері штучного інтелекту, машинного навчання, інтернету речей.Документ Methods and means to improve the efficiency of network traffic security monitoring based on artificial intelligence(Національний технічний університет "Харківський політехнічний інститут", 2023) Dremov, Artem KyrylovychThis paper aims to provide a solution for malicious network traffic detection and categorization. Remote attacks on computer systems are becoming more common and more dangerous nowadays. This is due to several factors, some of which are as follows: first of all, the usage of computer networks and network infrastructure overall is on the rise, with tools such as messengers, email, and so on. Second, alongside increased usage, the amount of sensitive information being transmitted over networks has also grown. Third, the usage of computer networks for complex systems, such as grid and cloud computing, as well as IoT and "smart" locations (e.g., "smart city") has also seen an increase. Detecting malicious network traffic is the first step in defending against a remote attack. Historically, this was handled by a variety of algorithms, including machine learning algorithms such as clustering. However, these algorithms require a large amount of sample data to be effective against a given attack. This means that defending against zero‑day attacks or attacks with high variance in input data proves difficult for such algorithms. In this paper, we propose a semi‑supervised generative adversarial network (GAN) to train a discriminator model to categorize malicious traffic as well as identify malicious and non‑malicious traffic. The proposed solution consists of a GAN generator that creates tabular data representing network traffic from a remote attack and a classifier deep neural network for said traffic. The main goal is to achieve accurate categorization of malicious traffic with a few labeled examples. This can also, in theory, improve classification accuracy compared to fully supervised models. It may also improve the model’s performance against completely new types of attacks. The resulting model shows a prediction accuracy of 91 %, which is lower than a conventional deep learning model; however, this accuracy is achieved with a small sample of data (under 1000 labeled examples). As such, the results of this research may be used to improve computer system security, for example, by using dynamic firewall rule adjustments based on the results of incoming traffic classification. The proposed model was implemented and tested in the Python programming language and the TensorFlow framework. The dataset used for testing is the NSL‑KDD dataset.Документ Нові комп'ютерні компоненти для оцінки близькості та розпізнавання двійкових об'єктів, що кодуються символами бінарного алфавіту(Національний технічний університет "Харківський політехнічний інститут", 2023) Дмитрієнко, Валерій Дмитрович; Леонов, Сергій Юрійович; Мезенцев, Микола ВікторовичЧисленні двійкові міри схожості та відстані дозволяють ефективно вирішувати різноманітні завдання розпізнавання, класифікації, оцінки близькості двійкових послідовностей тощо. Оскільки продуктивність запропонованих систем багато в чому залежить від вибору відповідних заходів та відстаней, багато дослідників витратили чимало зусиль, щоб знайти більш ефективні двійкові співвідношення для вирішення зазначених завдань. Численні двійкові співвідношення, особливо бінарні, були запропоновані та досліджені у різних галузях науки. Однак визначити одну або групу відстаней або подібних заходів ефективних при вирішенні будь-яких завдань не вдавалося. У зв'язку з цим було запропоновано низку нових методів, заснованих на використанні для навчання алгоритмів, і на зовнішній схожості співвідношень, що мають різних назв методів і запропонованих різними фахівцями, та введення попередньої обробки вихідних даних з метою визначення вагових коефіцієнтів при їх використанні.Публікація Нейромережеве моделювання в реалізації системи визначення ураження сітківки ока діабетичного походження(Національний технічний університет "Харківський політехнічний інститут", 2023) Прочухан, Дмитро ВолодимировичЗ метою визначення стадії ураження сітківки ока діабетичного походження застосовано механізми машинного навчання. Обґрунтовано використання згорткової нейронної мережі DenseNet для якісного розпізнавання і сегментації зображень. Проведено модифікацію мереж DenseNet-121, DenseNet-169 і DenseNet-201 шляхом додавання додаткових шарів. Розроблено програмні механізми обробки зображень за допомогою розмиття Гауса, видалення чорних рамок і мінімізації впливу зміни положення зображень на якість розпізнавання. Здійснено побудування і навчання моделі. Отримано високі показники точності розпізнавання. Для мережі DenseNet-201 отримано показник 97.9%, що переважає показники мереж DenseNet-121 і DenseNet-169.