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
7 результатів
Результати пошуку
Документ Методологія прийняття рішень на основі сукупної достовірності та інтепретованості рекомендації штучного інтелекту(Національний технічний університет "Харківський політехнічний інститут", 2023) Білобородова, Т. О.; Скарга-Бандурова, І. С.У статті розглядається перехід у медичній діагностиці від традиційних клініцистських методологій до доказових підходів із використанням штучного інтелекту (ШІ). Основною метою дослідження є розробка методології прийняття рішень, заснованої на інтеграції людських рішень і рекомендацій на основі ШІ, а також можливості інтерпретації результатів ШІ. Запропонована методологія передбачає формування рішень на основі людського інтелекту (ЛI) та ШІ, оцінку корисності рекомендацій та генерацію спільного рішення на основі кумулятивної ймовірності. Практичне застосування методики було продемонстровано шляхом експерименту з класифікації немедичних зображень. Результати дослідження підкреслюють важливість прозорості, інтерпретації та довіри до результатів ШІ для успішного використання ШІ в охороні здоров'я.Документ Методологія усунення дисбалансу класів наборів даних зображень(Національний технічний університет "Харківський політехнічний інститут", 2021) Білобородова, Т. О.; Скарга-Бандурова, І. С.; Коверга, М. О.Представлено методологію вирішення задачі усунення дисбалансу класів в наборах даних зображень, яка включає етапи вилучення фрагментів зображень, аугментацію фрагментів, вилучення ознак, та дублювання об’єктів міноритарного класу. В якості міри визначення незбалансованості набору даних використано ступінь дисбалансу. Проведено експеримент з використанням набору даних зображень облич пацієнтів з висипаннями на шкірі, що анотовані у відповідності до ступеня тяжкості акне. Розглянуто основні кроки реалізації запропонованої методології. Результати класифікації показали доцільність застосування запропонованої методології. Точність класифікації на тестових даних склала 85%, що на 5% вище ніж без застосування запропонованої методології.Документ Особливості реалізації технології обробки даних для розпізнавання жестів(Національний технічний університет "Харківський політехнічний інститут", 2019) Сіряк, Р. В.; Скарга-Бандурова, І. С.; Шумова, Л. О.Розглянуто основні етапи вирішення задачі машинного розпізнавання жестів рук, отриманих з вебкамери. Завдання полягало в отриманні простої, точної та ресурсоефективної системи візуального розпізнавання. В ході роботи були визначені основні етапи підготовки та обробки даних, проведені експерименти зі зміною значень гіперпараметрів, порядком проходження та кількістю шарів згорткової нейронної мережі. В результаті застосування пропонованої технології отримано точність розпізнавання 98.46%, зі значенням функції втрати 0.02. Перевагою системи є її низька обчислювальна складність на етапі розпізнавання, що дозволяє в реальному часі класифікувати жести рук.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 Модель обробки потокових даних для розпізнавання окремих одиниць жестової мови(НТУ "ХПІ", 2018) Сіряк, Р. В.; Скарга-Бандурова, І. С.У статті розглянута задача розпізнавання окремих жестів рук, отриманих з вебкамери. Запропоновано модель обробки потокових даних та розпізнавання жестів на відеозображеннях у вигляді 10-шарової згорткової нейронної мережі. За результатами оцінки якості моделі, отримана точність на тестовій множині склала 96%, значення функції втрати – 0.02. Результати перевірки показали, що модель є стійкою до відносно широких кутів обертання рук і є незалежною від освітлення, завдяки використанню контурів.Документ Налаштування моделі прогнозування часу прибуття громадського транспорту на зупинки міста(НТУ "ХПІ", 2018) Деркач, М. В.; Скарга-Бандурова, І. С.; Хишев, В. О.Стаття присвячена питанню створення ІоТ-системи для прогнозування та інформування пасажирів про час прибуття транспортних засобів на зупинки міста. Розробка являє собою інтеграцію обчислювальних і комунікаційних систем, спрямованих на полегшення взаємодії між фізичними об'єктами через мережу Інтернет. Наведена базова модель для прогнозування часу прибуття транспортного засобу вздовж маршруту та варіант її настроювання для покращення прогнозу. Наведено результати порівняння практичного застосування моделей в режимі реального часу для тролейбусного парку міста Сєвєродонецьк. Визначено загальне відхилення розрахунків прогнозу від дійсного часу прибуття тролейбуса на контрольні точки (зупинки).Документ Комплексний підхід до обробки різнорідних медичних даних з відсутніми значеннями(НТУ "ХПІ", 2018) Білобородова, Т. О.; Скарга-Бандурова, І. С.Показана необхідність врахування змішаних наборів даних з відсутніми значеннями. Запропоновано узагальнений підхід до обробки різнорідних медичних даних з урахуванням типу даних, механізму їх відсутності. Проведене опрацювання трьох різних наборів даних з використанням запропонованого підходу та контрольної моделі. Надано порівняння ефективності опрацювання даних.