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
10 результатів
Фільтри
Налаштування
Результати пошуку
Документ Дослідження впливу якості засвоєння попереднього матеріалу на успішність здобувачів освіти з окремої дисципліни(Національний технічний університет "Харківський політехнічний інститут", 2022) Мельников, Олександр Юрійович; Гітіс, Веніамін БорисовичУ роботі розглянуто основні поняття, пов'язані з якістю освіти у цілому та засвоєнням студентами навчального матеріалу. Сформульовано задачу прогнозування оцінки студента з будь-якої дисципліни, маючи дані щодо оцінок з «забезпечуючих» дисциплін. Наведено перелік методів, які можуть бути застосовані для розв'язання задачі (метод багатовимірного регресійного аналізу, метод штучних нейронних мереж, метод k найближчих сусідів), зроблено висновок щодо доцільності використання методу штучних нейронних мереж. Описано постановку задачі прогнозування засвоєння знань та навичок програмування; використана архітектура – персептрон з чотирма вхідними нейронами, одним вихідним і 10 нейронами прихованого шару. Шляхом проведення низки числових експериментів підібрано оптимальну архітектуру нейронної мережі. У якості прикладу використано навчальний план та структурно-логічну схему освітньо-професійної програми «Інтелектуальні системи прийняття рішень» спеціальності 124 «Системний аналіз». Описано створену інформаційну модель проєктованої системи мовою візуального моделювання UML (діаграми варіантів використання, класів, кооперації, послідовності, станів, діяльності та компонентів). Описано можливості системи для дослідження впливу якості засвоєння попереднього матеріалу на прогнозування оцінок студентів з окремої дисципліни, наведено приклад функціонування цієї системи та проведено аналіз результатів розрахунків. Зазначено, що система дозволяє проведення аналізу результатів розрахунків для подальшого вибору найкращого методу для прогнозування.Публікація Застосування методів штучного інтелекту для апроксимації механічної поведінки гумоподібних матеріалів(Національний технічний університет "Харківський політехнічний інститут", 2021) Погребняк, Сергій Віталійович; Водка, Олексій ОлександровичУ ХХІ сторіччі нейронні мережі широко використовуються в різних сферах, в тому числі в комп’ютерному моделюванні і в механіці. Така популярність через те, що вони дають високу точність, швидко працюють та мають дуже широкий спектр налаштувань. Мета роботи створення програмного продукту з використанням елементів штучного інтелекту, для інтерполяції та апроксимації експериментальних даних. Програмне забезпечення повинно коректно працювати, та давати результати з мінімальною похибкою. Недоліком використання математичних підходів до обчислення та прогнозування петель гістерезису є те шо вони досить погано описують розвантаження, таким чином отримуємо не коректні данні для розрахунків напружено-деформованого стану конструкції. Інструментом вирішення було використання елементів штучного інтелекту, а точніше нейронних мереж прямого поширення. В роботі збудована та навчена нейронна мережа прямого поширення. Вона була навчена вчителем (вчитель з використанням метода зворотного розповсюдження похибки) на основі навчаючої вибірки попередньо проведеного експерименту. Для тестування було побудовано декілька мереж різної структури, які отримували на вхід однаковий набір даних який не використовувався при навчанні, але був відомий з експерименту, таким чином була знайдена похибка мережі за кількістю виділеної енергії та за середньо-квадратичним відхиленням. У статті детально описується математична інтерпретація нейронних мереж, спосіб їх навчання, попередньо проведений експеримент, архітектура мережі та її топологія, метод навчання, підготовки навчаючої вибірки та вибірки тестування. В результаті проведеної роботи було збудоване та протестоване програмне забезпечення в якому використовувалась штучна нейронної мережа, було побудовано та протестоване декілька типів нейронних мереж з різними вхідними даними та внутрішніми структурами, визначені їх похибки, сформовані позитивні та негативні якості мереж які використовувались.Документ Прогнозування результатів складання єдиного вступного іспиту з іноземної мови випускниками-бакалаврами закладу вищої освіти при вступі до магістратури(Національний технічний університет "Харківський політехнічний інститут", 2021) Мельников, Олександр ЮрійовичВ роботі наведено інформацію щодо необхідності складання «Єдиного вступного іспиту» з іноземної (англійської) мови студентами, що отримали освітньо-кваліфікаційний рівень бакалавра та бажають продовжити навчання для здобуття ступеня магістра. Визначено, що при роботі зі студентами випускного курсу бакалаврату доцільно, по-перше, визначити відсоток випускників, здача якими ЄВІ малоймовірна, а по-друге, активізувати роботу з такими випускниками для підвищення цієї ймовірності. Було поставлено задачу створення моделі для прогнозування результатів складання єдиного вступного іспиту з іноземної мови випускниками-бакалаврами закладу вищої освіти при вступі до магістратури. Запропоновано низку факторів, які впливають на бал ЄВІ, а саме: конкурсний бал при зарахуванні (показник базового рівня студента), рейтинг (оцінка) за підсумками першого року навчання (іспит з обов’язкового предмету «Іноземна мова»), рейтинг за підсумками вивчення дисципліни вільного вибору «Іноземна мова» на 2-3-му курсах (максимальний з усіх або «0», якщо студент не вибирав), рейтинг за підсумками додаткових занять «Іноземна мова» на 4-му курсі, середній рейтинг за передостанню сесію (показник «актуального» відношення студента до навчального процесу), факт наявності додаткових балів (показник зацікавленості студента іншими видами діяльності, крім навчальної), середній рейтинг диплому бакалавра (показник загального ставлення студента до навчального процесу). Наведено наявні дані щодо студентів двох років кафедри інтелектуальних систем прийняття рішень Донбаської державної машинобудівної академії. Запропоновано метод штучних нейронних мереж з архітектурою двошарового персептрону з десятьма нейронами у кожному прихованому шарі, активаційною функцією сигмоїдою і алгоритмом зворотного поширення помилок для навчання мережі. Проведено розрахунки в середовищі Deductor Studio Lite, проаналізовано їхні результати. Зазначено, що запропонований підхід до прогнозування можна застосовувати при роботі зі студентами випускного курсу бакалаврату, для визначення відсотку випускників, здача якими ЄВІ малоймовірна, та активізації роботи з такими випускниками для підвищення цієї ймовірності.Документ Анализ информации в нейроморфных информационных моделях нейронов(Национальный технический университет "Харьковский политехнический институт", 2019) Паржин, Юрий Владимирович; Солощук, Михаил Николаевич; Любченко, Наталья ЮрьевнаРассматривается 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.Документ Аналіз ефективності навчання CNN за принципом "вчитель-учень" з використанням непідготовленого image-dataset(НТУ "ХПІ", 2018) Зубарєв, Д. О.; Скарга-Бандурова, І. С.Штучні нейронні мережі з кожним роком розширюють спектр існуючих та потенційних сфер використання. Якість навчання штучних нейронних мереж є основою якості їх подальшого функціонування. Стаття присвячена аналізу ефективності навчання штучних нейронних мереж класу CNN для розпізнавання непідготовленого набору зображень (Image-Dataset) за принципом "вчитель-учень", де у ролі вчителя виступає попередньо навчена діюча штучна нейронна мережа CNN-1, що завдає алгоритм навчання, а учнем є непідготовлена штучна нейронна система CNN-2. Доведено, що CNN-1 є більш ефективною для пошуку великого спектра об'єктів на зображеннях, а CNN-2 найкраще працює для вузько направлених надточних пошуків завданих об'єктів.Документ Применение нейронных сетей в задаче оптимального подбора лекарственных препаратов(НТУ "ХПИ", 2008) Дмитриенко, Валерий Дмитриевич; Поворознюк, О. А.Рассмотрены особенности применения искусственных нейронных сетей при многокритериальном подборе лекарственных препаратов пациенту с установленным развернутым диагнозом при учете его индивидуальных особенностей. Предложена процедура формирования входных векторов и назначения фармакологических комплексов с использованием нейронных сетей.Документ Биотехническая система диагностики и лечебных мероприятий в дерматологии(НТУ "ХПИ", 2009) Дмитриенко, Валерий Дмитриевич; Поворознюк, О. А.Разработана структура биотехнической системы, которая обеспечивает поддержку принятия решений на этапах диагностики и формирования медикаментозных лечебных мероприятий в дерматологии. Разработан метод формирования терапевтических комплексов (набора лекарственных препаратов) на основе искусственной нейронной сети с многокритериальной оценкой препаратов-аналогов. Выполнена тестовая проверка системы.Публікація Розробка комп’ютерної системи для обробки результатів експерименту за допомогою штучної нейронної мережі(НТУ "ХПІ", 2016) Погребняк, Сергій Віталійович; Водка, Олексій ОлександровичНейронні мережі знайшли своє використання в різних сферах комп’ютерного моделювання, в тому числі і в механіці. Вони часто використовуються, так як дають високу точність, швидкість і гнучкість роботи. Метою роботи є створення програмного забезпечення з використанням елементів штучного інтелекту, для апроксимації та інтерполяції експериментальних даних. Програмне забезпечення повинно коректо працювати, мати простий інтерфейс та видавати результати з мінімальною похибкою. Методом рішення було використання елементів штучного інтелекту, а точніше нейронних мереж прямого поширення. В роботі збудована та навчена нейронна мережа прямого поширення. Вона була навчена вчителем (вчитель з використанням метода зворотного розповсюдження похибки) на основі навчаючої вибірки попередньо проведеного експерименту. Для перевірки мережі на коректність роботи та визначення величини похибки відповіді мережі,проводилась перевірка на відомих даних які не використовувалися для навчання, так им методом була проведена незалежна оцінка і визначена точність відповіді мережі та знайдена оптимальна зона роботи мережі. В статті детально описується тип мережі та її топологія, кількість вхідних та вихідних і прихованих нейронів, типи функції активації, способи навчання і підготовки навчаючої вибірки, описані математично. В результаті проведеної роботи була збудована та протестоване пр ограмне забезпечення з використанням штучних нейронних мереж, визначена величина похибки і зона її оптимальної роботи.Документ Оценка архитектуры искуственных нейронных сетей для моделирования процесса нагрева стальной полосы на агрегате непрерывного горячего цинкования(НТУ "ХПИ", 2012) Головко, Н. А.; Логунова, О. С.В работе приведены результаты построения имитационной модели, описывающей процесс нагрева стальной полосы в отделении нагрева агрегата непрерывного горячего цинкования (АНГЦ). Для построения модели использована технология искусственных нейронных систем. Предложенная модель позволит учесть многозонную структуру агрегата и сложные нелинейные зависимости между параметрами зоны.Документ Автоматизована кластерізація зображень клітин пацієнта з використанням штучного інтелекту(НТУ "ХПІ", 2013) Кунашев, Д. І.Обґрунтовано актуальність автоматизації процесів діагностики захворювань на основі аналізу зображень клітин пацієнтів з їх попередньою автоматизованою кластеризацією. Вказано перспективність використання штучного інтелекту, зокрема штучних нейронних мереж, які є сучасним, ефективним та потужними засобом автоматизації в умовах неповноти та зашумленості аналізованої інформації, наприклад, при цитологічних дослідженнях.