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
4 результатів
Результати пошуку
Документ Дослідження демографічних ситуацій на базі лагових моделей(Національний технічний університет "Харківський політехнічний інститут", 2023) Ахієзер, Олена Борисівна; Тоніца, Олег Володимирович; Геляровська, Оксана Анатоліївна; Сердюк, Ірина Василівна; Асландуков, Микола ОлексійовичПропонується дослідження та прогнозування часових рядів на основі моделей з лагами, а також розрахунок достовірного прогнозу на основі даних про народжуваність по Україні. Економічне моделювання – це один із важливих сучасних інструментів оцінки впливу технологій на економічний сектор з метою отримання оптимального рішення. Економічні оцінки можуть ґрунтуватися на кількох різних підходах до моделювання, кожен з яких має свої сильні та слабкі сторони. Актуальність використання економіко-математичних моделей з метою вивчення демографії пов'язана з необхідністю вивчення популяційних та міграційних процесів, а також для подальшого планування та здійснення економічного та соціального розвитку країни. У кожній сфері економіки зустрічаються явища, які цікаво та важливо вивчати в їх розвитку, оскільки вони еволюціонують у часі. Ціни, економічні умови, режим протікання промислового процесу, демографічні дані мають властивість змінюватися протягом часу. Сукупність вимірювань подібного роду показників в залежності від часу представляє собою часовий ряд. Цілі вивчення часових рядів можуть бути різними. Можливо, наприклад, намагатися передбачити майбутнє на основі знань минулого, керувати процесом, який породжує ряд, намагатися з'ясувати механізм, який лежить в основі процесу, очистити ряд від компонентів, які затемнюють його динаміку, або просто стисло зробити опис характерних особливостей ряду. При вивченні взаємозв’язків між показниками або при аналізі їх розвитку в часі в якості пояснюючих змінних використовують не тільки поточне значення змінних, але й деякі попередні по часу значення, а також сам час. Моделі даного типу називаються динамічними. В економічному аналізі динамічні моделі використовуються достатньо широко. Це цілком природно, адже в багатьох випадках вплив одних економічних факторів на інші здійснюється не миттєво, а з деяким запізненням – лагом. Об'єктом дослідження роботи являється математична модель взаємозалежності векторного часового ряду "Народжуваність по Україні за січень 2005 – липень 2012 рр." від реального доходу на душу населення. Дані вибрані досить актуально, адже без попереднього демографічного прогнозу неможливо уявити перспективи промисловості та споживання товарів та послуг, житлового будівництва, розвитку соціальної інфраструктури, охорони здоров’я та освіти, пенсійної системи та рішення геополітичних проблем.Документ Failure rate regression model building from aggregated data using kernel-based machine learning(Національний технічний університет "Харківський політехнічний інститут", 2022) Akhiiezer, Olena Borisivna; Grinberg, Galyna Leonidivna; Lyubchyk, Leonid Mykhailovych; Yamkovyi, Klym SerhiyovychThe problem of regression model building of equipment failure rate using datasets containing information on number of failures of recoverable systems and measurements of technological and operational factors affecting the reliability of production system is considered. This problem is important for choosing optimal strategy for preventive maintenance and restoration of elements of process equipment, which, in turn, significantly affects the efficiency of production management system. From a practical point of view, of greatest interest is the development of methods for regression models building to assess the impact of various technological and operational factors controlled during system operation on failure rate. The usual approach to regression models construction involves preselecting the model structure in the form of a parameterized functional relationship between failure rate and affecting technological variables followed by statistical estimation of unknown model parameters or training the model on datasets of measured covariates and failures.The main problem lies precisely in the choice of model structure, the complexity of which should correspond to amount of data available for training model, which in the problem of failure rate modeling is greatly complicated by lack of a priori information about its dependence on affecting variables. In this work, such a problem is solved using machine learning methods, namely, kernel ridge regression, which makes it possible to effectively approximate complex nonlinear dependences of equipment failure rate on technological factors, while there is no need to pre-select the model structure. Preliminary aggregation of data by combination of factor and cluster analysis can significantly simplify model structure. The proposed technique is illustrated by solving a practical problem of failure rate model building for semiconductor production equipment based on real data.Документ Strategic brand portfolio management(Національний технічний університет "Харківський політехнічний інститут", 2022) Akhiiezer, Olena; Holotaistrova, Halyna; Gomozov, Yevgen; Mats, Vladyslav; Rogovyi, AntonIn the past twenty years or so, three approaches to brand portfolio management strategies have emerged. The first approach is marketing. This approach is associated with building a corporate brand portfolio. The goal is to increase diversified cash flows by entering new market segments. The second approach is related to the competitive strategy of the enterprise. A false portfolio of intellectual property applications is being created. Competitors are expected to spend resources in retaliation. The third approach is the formation of a dynamic strategy for investment portfolio management. Due to the complex structure of the modern global financial market, the heterogeneous structure of available financial instruments and traders using different approaches and time horizons, forecasts, as a rule, require a large number of observations, work poorly in the vicinity of bifurcations and do not have a computer model that could build forecasts in real time. In such structures, slow diffusion-type processes with the phenomenon of memory arise, that is, non-Markov processes. Moreover, such structures can have fractal properties. In this work, it seems to us, the first step has been taken to build a "synthetic" model of dynamic asset portfolio management. By analyzing the data available in the scientific literature, a mathematical model of strategic brand portfolio management is proposed. In view of the above, the model has the form of a differential equation in fractional derivatives. In connection with the risk analysis, two models of fractional entropy are also considered - fractional Kolmogorov-Sinai entropy and fractional Shannon entropy.Документ Модель на основі шаблонів для короткострокового прогнозування кількості транзакцій у роздрібних магазинах одягу(Національний технічний університет "Харківський політехнічний інститут", 2022) Галуза, Олексій Анатолійович; Костюк, Ольга Василівна; Нікульченко, Артем Олександрович; Ахієзер, Олена Борисівна; Асландуков, Микола ОлексійовичОтримання прогнозних значень показників з урахуванням історичних даних, що представлені часовими рядами, відіграє вирішальну роль у прийнятті бізнес-рішень у різних галузях. Однією з таких сфер застосування є задача передбачення кількості транзакцій у fashion-магазинах роздрібної мережі з метою оптимального планування робочого часу працівників та досягнення максимального задоволення покупців якістю обслуговування. Вибір відповідної моделі прогнозування часових рядів залежить від горизонту прогнозу, а також характеристик часового ряду, а саме тренду, сезонності, циклічності та нерегулярності. Традиційні методи аналізу та прогнозування часових рядів призначені для обробки однієї сезонності в часовому ряду, але за наявності множинної сезонності ці методи не працюють задовільно. Застосування методів декомпозиції часового ряду характеризується обчислювальною складністю. Використання методів машинного навчання також не завжди є доцільним з низки різноманітних причин. Таким чином, необхідно використовувати прості адаптивні моделі, на основі вибраних шаблонів, для прогнозування сезонних даних складної структури, що повторюються. Основна мета цієї статті – розробити успішну адаптивну модель та запропонувати методи її використання для короткострокового прогнозування кількості транзакцій на основі даних у вигляді часових рядів. Для цілей оцінки використовується набір погодинних рядів кількості покупців (транзакцій) деяких магазинів роздрібної мережі, що характеризуються множинною сезонністю. Результати обчислювальних експериментів показують, що запропонована модель на основі шаблонів є досить ефективною для отримання короткострокових прогнозних значень. Ця модель, що характеризується простотою, інтуїтивною зрозумілістю і мінімальним числом параметрів, фактично може бути застосована до будь-якої області даних, представлених часовими рядами.