Вісники НТУ "ХПІ"
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/2494
З 1961 р. у ХПІ видається збірник наукових праць "Вісник Харківського політехнічного інституту".
Згідно до наказу ректора № 158-1 від 07.05.2001 року "Про упорядкування видання вісника НТУ "ХПІ", збірник був перейменований у Вісник Національного Технічного Університету "ХПІ".
Вісник Національного технічного університету "Харківський політехнічний інститут" включено до переліку спеціалізованих видань ВАК України і виходить по серіях, що відображають наукові напрямки діяльності вчених університету та потенційних здобувачів вчених ступенів та звань.
Зараз налічується 30 діючих тематичних редколегій. Вісник друкує статті як співробітників НТУ "ХПІ", так і статті авторів інших наукових закладів України та зарубіжжя, які представлені у даному розділі.
Переглянути
17 результатів
Результати пошуку
Документ Анализ и совершенствование компонент вычислительных моделей и систем, основанных на иммунной парадигме(Національний технічний університет "Харківський політехнічний інститут", 2020) Дмитриенко, Валерий Дмитриевич; Леонов, Сергей ЮрьевичОдним из основных компонент иммунных систем является компонент, оценивающий степень взаимосвязи между входными данными системы (антигенами) и детекторами их распознающими (антителами). Этот компонент базируется на основных четырех пространственных формах: евклидовой, хемминговой, целочисленной и символьной. В данной статье предлагается использовать для сопоставления элементов искусственной иммунной системы (ИИС) гибридные нейронные сети, являющиеся развитием нейронной сети Хемминга. На входы этих сетей могут подаваться как однотипные компоненты (двоичные, целочисленные (алфавит которых содержит более двух символов), вещественные, символьные), так и различные комбинации таких компонент.Документ Нейронная сеть, использующая скалярное произведение и определяющая несколько решений(Національний технічний університет "Харківський політехнічний інститут", 2019) Дмитриенко, Валерий Дмитриевич; Леонов, Сергей ЮрьевичНейронная сеть Хемминга является весьма эффективным инструментом для решения задач распознавания дискретных объектов, двоичные компоненты которых описываются с помощью биполярных компонент, а в качестве меры близости используется разность между числом одинаковых биполярных компонент векторов и расстоянием Хемминга между ними. Для более тонкой классификации двоичных объектов (векторов) применяется ряд расширений расстояния Хемминга, использующих различные функции аффинности (близости или взаимосвязи) между двоичными объектами. В статье предлагаются модификации нейронной сети Хемминга, в которых вместо расстояния Хемминга предлагаются другие функции аффинности между двоичными векторами.Документ Программная компонента для поиска решений системы уравнений в частных производных в ГТУ методом группового учета аргументов(Национальный технический университет "Харьковский политехнический институт", 2019) Дмитриенко, Валерий Дмитриевич; Заковоротный, Александр Юрьевич; Леонов, Сергей Юрьевич; Главчев, Дмитрий МаксимовичВ геометрической теории управления (ГТУ) модели объектов управления, описываемые системами нелинейных обыкновенных дифференциальных уравнений, преобразовываются в эквивалентные линейные модели в форме Бруновского. Затем с помощью линейных моделей определяют оптимальные законы управления линейными объектами, а потом с помощью специальных преобразований переносят эти законы управления на модели исходных нелинейных объектов. Для определения функций преобразования (ФП), связывающих переменные линейных и нелинейных моделей необходимо решать системы дифференциальных уравнений в частных производных. Поскольку универсальных методов решения таких систем уравнений нет, то предложен метод поиска ФП на основе многорядного алгоритма МГУА. Проверка предложенного метода при решении ряда задач с помощью ГТУ подтвердила его работоспособность.Документ Основные структуры данных на базе ассоциативных нейронных сетей(НТУ "ХПІ", 2018) Дмитриенко, Валерий Дмитриевич; Леонов, Сергей Юрьевич; Бречко, Вероника АлександровнаБез основных структур данных: списков, магазинов, очередей, деревьев и т. д., невозможна разработка эффективных алгоритмов. Однако при моделировании ряда технологических процессов (например, при лезвийной обработке металлов) обычные структуры данных недостаточно соответствуют этим процессам и поэтому становятся неэффективными. В связи с этим предлагается новая структура данных на основе ассоциативных нейронных сетей, позволяющая более эффективно моделировать технологические процессы лезвийной обработки металлов.Документ Моделирование цифровых устройств на основе многозначных алфавитов и К-значного дифференциального исчисления(НТУ "ХПИ", 2008) Дмитриенко, Валерий Дмитриевич; Леонов, Сергей ЮрьевичПоказаны определенные противоречия между необходимостью более точного моделирования дискретных объектов и возможностью обеспечить это с помощью существующих и перспективных многозначных алфавитов. Выполнен сравнительный анализ моделирования цифровых устройств с помощью многозначных алфавитов и K-значных дифференциальных моделей и продемонстрировано преимущество этих моделей.Документ Нейронная сеть Хемминга для решения задач с несколькими решениями(НТУ "ХПИ", 2017) Дмитриенко, Валерий Дмитриевич; Заковоротный, Александр Юрьевич; Леонов, Сергей ЮрьевичВ статье изложены результаты анализа особенностей функционирования дискретной нейронной сети Хемминга, которая не может распознавать входные черно-белые изображения, находящиеся на одинаковом минимальном расстоянии от двух или большего числа эталонных изображений. Проанализированы недостатки нейронных сетей, использующих расстояние Хемминга и решающих эту задачу для изображений, находящихся на границах двух или трех классов изображений. Предложена модификация нейронной сети Хемминга, распознающей изображения на границах нескольких классов.Документ Автоматизация выявления рисков сбоев с помощью нейронной сети(НТУ "ХПИ", 2010) Гладких, Т. В.; Леонов, Сергей ЮрьевичВ статье рассматриваются вопросы использования системы моделирования на основе K-значного дифференциального исчисления совместно с нейронной сетью для определения возможных мест сбоев и типов сбоев при проектировании вычислительных устройств. Это дает возможность выявлять "узкие" места при автоматизированном проектировании и выдавать количественную информацию насколько эти места опасны.Документ Нейронная сеть, распознающая группы изображений(НТУ "ХПИ", 2015) Дмитриенко, Валерий Дмитриевич; Леонов, Сергей Юрьевич; Главчев, Дмитрий МаксимовичНа основе нейронной сети адаптивной резонансной теории АРТ-1 и сети АРТ, способной определять несколько решений (если они существуют), разработана нейронная сеть, способная распознавать как отдельные изображения, так и группы изображений. Приведена архитектура и алгоритмы функционирования нейронной сети.Документ Система K-значного моделирования для исследования переключательных процессов в цифровых устройствах(НТУ "ХПИ", 2005) Гладких, Т. В.; Леонов, Сергей ЮрьевичУ роботі розглядається система K-значного моделювання, яка застосовує математичний апарат K-значних диференційних рівнянь з затримками, і яка дозволяє в залежності від необхідної точності досліджувати пристрої обчислювальної техніки з застосуванням різних режимів їх моделювання.Документ Верификация рисков сбоя в цифровых устройствах на основе K-значного моделирования(НТУ "ХПИ", 2007) Дмитриенко, Валерий Дмитриевич; Леонов, Сергей Юрьевич; Гладких, Т. В.У статті показано застосування нової системи верифікації цифрових пристроїв на основі K-значного моделювання. За допомогою цієї системи є можливість виконувати проектування сучасних складних та швидкодіючих пристроїв з урахуванням кількісних та якісних характеристик ризиків збоїв. Це дає нові перспективи по проектуванню з застосуванням K-значного моделювання.