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
5 результатів
Результати пошуку
Документ Вибір архітектури нейронної мережі для автоводія транспортного засобу(Національний технічний університет "Харківський політехнічний інститут", 2022) Догадайло, Олександр Сергійович; Успенський, Валерій БорисовичВ даній роботі розглядається задача вибору архітектури нейронної мережі для створення автопілоту. Був створений автопілот для віртуального транспортного засобу, що може рухатися визначеним маршрутом та реагувати на різні сигнали світлофора. Вибрана архітектура, а саме згорткова нейронна мережа, має високу ефективність в задачі розпізнавання зображень. Автопілот складається з двох згорткових нейронних мереж, одна розпізнає маршрут руху, інша розпізнає сигнали світлофора. Через велику кількість шумів, фотографії для розпізнавання світлофорів були оброблені для підсилення червоного каналу та занулення зеленого і синього, що допомогло в розпізнаванні червоного та жовтого кольорів. Як середовище для навчання нейронних мереж та перевірки працездатності автопілоту, в цілому, була створена двовимірна гра з видом зверху. Даний автопілот, на відміну від інших, використовує лише зображення для орієнтації в просторі. Тестування моделі автопілоту показало майже 100 % точність на розпізнаванні маршруту та сигналів світлофора. Позитивний результат тестування показав, що автопілот може виконувати керування в простому середовищі і це дає можливість ускладнити робоче середовище. Використовуючи тільки зображення, такий автопілот є дешевшим за існуючі. Актуальність даної роботи ґрунтується на дослідженнях збільшення кількості транспортних засобів та шкідливих викидів в атмосферу у майбутньому. У статті розглянуті літературні джерела, обґрунтування вибору архітектури нейронної мережі, опис програмної реалізації, показані результати проведення тестування, у висновках вказаний можливий напрямок розвитку даної теми.Документ Дослідження нейронних мереж для прогнозування вартості акцій компаній у нестабільній економіці(Національний технічний університет "Харківський політехнічний інститут", 2022) Москаленко, В'ячеслав Васильович; Санталова, Анастасія Романівна; Фонта, Наталія ГригорівнаДані дослідження присвячені аналізу і вибору нейронних мереж різної архітектури та гібридних моделей, до яких включені нейронні мережі, для прогнозування ринкової вартості акцій на фондовому ринку країни, яка перебуває у процесі нестабільного розвитку. Аналіз та прогнозування таких фондових ринків не може бути проведено з використанням класичних методів. Актуальність теми дослідження зумовлена необхідністю розробки програмних систем, які реалізують алгоритмічне забезпечення прогнозування ринкової вартості акцій в Україні. Впровадження таких програмних систем до контуру прийняття інвестиційних рішень у компаніях, які зацікавлені у підвищенні інформаційної прозорості фондового ринку України, дасть можливість покращити прогнози щодо ринкової вартості акцій. Це у свою чергу сприятиме покращенню інвестиційного клімату та забезпечить зростання інвестування в українську економіку. Проведено аналіз результатів існуючих досліджень щодо використання нейронних мереж та інших методів обчислювального інтелекту для моделювання поведінки учасників фондового ринку та прогнозування ринку. У статті надано результати дослідження щодо використання нейронних мереж різної архітектури для прогнозування ринкової вартості акцій на фондових ринках України. Для прогнозування було обрано чотири акції Української фондової біржі: Центренерго (CEEN); Укртелеком (UTLM); Крюківський Вагонобудівний Завод ПАТ (KVBZ); Райффайзен Банк Аваль (BAVL). Для експериментального дослідження були обрані такі моделі: довга короткострокова пам’ять LSTM; згорткова нейронна мережа CNN; гібридна модель, яка поєднує дві нейронної мережі CNN і LSTM; гібридна модель, що складається з алгоритму декомпозиції варіаційного режиму та нейронної мережі довгострокової пам’яті (VMD-LSTM); гібридна модель VMD-CNN-LSTM глибокого навчання на основі варіаційного режиму (VMD) та двох нейронних мереж. Розраховано оцінки якості прогнозу за різними метриками. Зроблено висновок, що використання гібридної моделі VMD-CNN-LSTM дає мінімальну помилку прогнозування ринкової вартості акцій українських підприємств. Також доцільно використовувати модель VMD-LSTM для прогнозування на біржах країн з нестабільною економікою.Публікація Класифікація робочого стану підшипників кочення за допомогою згорткової нейронної мережі зі змінними факторами дилатації(Національний технічний університет "Харківський політехнічний інститут", 2021) Бабуджан, Руслан Андрійович; Ісаєнков, Костянтин Олександрович; Красій, Данило Максимович; Водка, Олексій Олександрович; Задорожний, Іван В'ячеславович; Ющук, Михайло ВікторовичРобота описує процес обробки даних роботи підшипників кочення, та їх використання в задачі побудови математичної моделі бінарної класифікації робочого стану підшипників методом згорткової нейронної мережі зі змінними факторами дилатаціїї ядер згорткових шарів. Для класифікації підшипників, що мають дефекти, були використані дані віброприскорень з власного випробувального стенду та з набору даних, що знаходяться у вільному доступі. В роботі також було досліджено спосіб узагальнення класифікації сигналів підшипників, що були отримані в результаті принципово різних експериментів, та що мають різний типорозмір. Для уніфікації сигналів пропонується наступний спосіб обробки: виділити ділянки даних із зсувом, перейти до частотного простору за допомогою швидкого перетворення Фур’є, відсікти частоти, що перевищують 10-кратну частоту обертання валу, відновити сигнал зі збереженням 10 періодів обертання валу, відмасштабувати отриманий сигнал діленням його на діаметр орбіти обертання тіла кочення та інтерполювати сигнал на 2048 точок. Даний алгоритм також дає можливість генерувати збалансовану вибірку для побудови математичної моделі. Ця можливість надається за допомогою варіювання кроку розбиття початкового сигналу. Перевага даного алгоритму над класичними методами копіювання чи видалення прикладів постає у створенні нових об’єктів, які уточнюють статистичні параметри генеральної сукупності. Алгоритм обробки сигналу було використано як для задачі бінарної класифікації всередині одного набору даних, так і для навчання на одному та тестуванні на іншому. Для збільшення набору даних для навчання та тестування математичної моделі використовується метод бутстрапування, який засновано на багаторазовій генерації вибірок методом Монте-Карло. Якість математичної моделі бінарної класифікації оцінювалась за часткою правильних відповідей. Задача сформульована як задача мінімізації бінарної перехресної ентропії. Отримані результати представлено в вигляді графіків, демонструючих процес навчання нейронної мережі та графіків щільності розподілу метрик.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 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.