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
32 результатів
Результати пошуку
Документ Застосування нейромережі для визначення типу елементів симетро-компенсувального пристрою несиметричної системи з нульовим проводом(Національний технічний університет "Харківський політехнічний інститут", 2024) Ягуп, Катерина Валеріївна; Ягуп, Валерій ГригоровичУ статті досліджується можливість використання нейронних мереж у галузі підвищення енергетичних показників чотирипровідної системи електропостачання з нерівномірним навантаженням у фазах. Нерівномірне навантаження у фазах спричиняє несиметрію струмів у мережі і сприяє зростанню струму в нульовому проводі, що вкрай негативно впливає, як на саму мережу, так і на її споживачів. Для усунення несиметрії і зниження струму в нульовому проводі можна підключити симетро-компенсувальний пристрій. Такий пристрій представляє собою набір реактивних елементів, параметри яких визначаються шляхом пошукової оптимізації. Для визначення типу необхідного елементу виконується перерахунок визначених параметрів. Тобто вирішення такої задачі складається з двох складових підзавдань – структурного та параметричного синтезу. Такий підхід надає високу точність розрахунків, але має суттєвий недолік – обчислення представляються громіздкими і затратними. Задля спрощення вирішення задачі синтезу має сенс визначити тип елементів за допомогою нейронних мереж, що дозволить значно скоротити час та ресурси, що витрачаються на розрахунок величин параметрів симетро-компенсувального пристрою. Предметом дослідження статті є вивчення можливості використання нейромереж з метою прогнозування типів реактивних елементів симетро-компенсувального пристрою. У ході дослідження було визначено параметри і тип нейронної мережі, що забезпечують найточніше прогнозування топології структури симетро-компенсувального пристрою. Вхідні параметри нейромережі формувалися з наборів, що складаються з восьми параметрів – опорів та індуктивностей ліній передач і нульового дроту. Матриця цілей формувалася з множини наборів даних, що складаються з шести елементів, що містять інформацію про типи елементів, що підключаються (0 – конденсатор, 1 – індуктивність) між фазами та між фазами та нульовим проводом. У ході дослідження були отримані результати квазірішення, значення яких виявилися співрозмірними з точними розрахунками визначення структури симетро-компенсувального пристрою системи електропостачання з нульовим проводом. Це свідчить про високу якість роботи розробленої нейромережі. Застосування мінімаксної стратегії до отриманих результатів надає можливість звести отримані значення до 0 та 1, щоб забезпечити наявність отриманих нейромережею результатів.Документ Нейронна мережа для розпізнавання та класифікації зображень на кордонах декількох класів(Національний технічний університет "Харківський політехнічний інститут", 2024) Дмитрієнко, Валерій Дмитрович; Леонов, Сергій Юрійович; Мезенцев, Микола ВікторовичНейронна мережа належить до комп‘ютерних систем обчислювальної техніки та штучного інтелекту в області побудови автоматизованих систем розпізнавання та класифікації зображень на кордоні декількох класів, що виконаний з можливістю виконування діагностики та розпізнавання зображення на кордонах двох, трьох та більшого числа класів завдяки тому, що шар схем виділення одного, двох або більшої кількості одиничних сигналів з виходів шару вихідних нейронів Y1 , Y2 , , Yp , , Ym в кожний момент часу пам‘ятає число ненульових сигналів на виході нейронів вихідного шару, а другий шар вихідних нейронів X1 , X 2 , , X p , , X m запам‘ятовує нейрони вихідного шару, які мають на своїх виходах ненульові сигнали. Технічним результатом, що досягається цією нейронною мережею є збільшення числа класів, які розпізнаються, та можливість розпізнавати зображення, що знаходяться на однаковій відстані Хемінга від двох, трьох або більшої кількості еталонних зображень, що зберігаються у вагах зв‘язків нейронів шару, що запам‘ятовує. Проведено експериментальне оцінювання методу та нейронної мережі для розв‘язання задач зіставлення цифрових зображень. Нейронна мережа реалізована у вигляді програмної утілити.Документ Аналіз нейромережевих моделей LSTM та GMDH для прогнозування криптовалюти(Національний технічний університет "Харківський політехнічний інститут", 2020) Мороз, Володимир В.; Хелвіг, Д.; Мороз, Дмитро В.; Жуков, Павло П.Досліджується застосування нейромережевих моделей для задачі прогнозування цін на криптовалюти. На відміну від класичних статистичних методів аналізу фінансових і економічних рядів, в основі яких є багатовимірний лінійний регресійний аналіз, пропонується модель з пам'яттю та адаптивна поліноміальна модель. Апробація моделей проводиться на даних криптовалютних ринків завдяки їх високій волатильності та низькій кореляції з традиційними активами. Для прогнозування застосовуються GMDH та LSTM нейронні мережі. Доведена перевага поліноміальної регресійної моделі GMDH за критерієм швидкість-точність прогнозування.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 Application of bayesian regularization for improving the quality of electrical energy in the electrical supply system(Національний технічний університет "Харківський політехнічний інститут", 2023) Yagup, Kateryna Valeriivna; Yagup, Valery GryogorovychThe possibility of using neural networks in the field of the energy coefficients correction of a power supply system with uneven load in phases is being studied. This need is justified by the fact, that the calculation of the necessary parameters of the symmetry-compensating device was previously based on the Nelder – Mead search optimization method. Search optimization performing is computationally expensive, takes long computation times, and may calculate anomalous values. The article develops the idea of using technology for predicting the parameters of a symmetry-compensating device, based on neural network modeling using Bayesian regularization. For a given set of initial data, the best selected configuration turned out to be a neural network of two layers, implemented in the MATLAB package using the machine learning tool Neural Network Toolbox. The network input parameters are a set of tuples, consisting of load values in each of the three phases of the power supply system, which are resistive-inductive in nature. There are six input quantities in total (load resistance and inductance values in each of the three phases) and all their values are different, which causes current asymmetry in the network and reactive power. The target matrix is formed from tuples, consisting of three values, which are the parameters of the symmetrical compensating device, calculated by the optimization method, in such a way as to compensate reactive power and to balance currents in the network. The number of data tuples, required to train a neural network was determined empirically. During the experiments, the optimal number of neurons in the neural network was also revealed. The use of the generated neural network to calculate the parameters of the symmetry-compensating device determined approximate solutions is comparable in accuracy to the values, found by optimization methods. With the help of the generated neural system, adequate quasi-solutions for calculating the parameters of the symmetry-compensating device were determined, which, in case of calculation, using the optimization method, led to anomalous values, that didn’t optimize the energy coefficients of the power supply system to the required extent. Also, such neuropredictions protect the system from receiving excessive high parameters of symmetry compensating device, which can be obtained with an optimization approach.Документ Використання ChatGPT в процесі вивчення англійської мови: переваги та можливості(Національний технічний університет "Харківський політехнічний інститут", 2023) Акоп'янц, Нуну МихайлівнаПредставлена наукова стаття розглядає використання ChatGPT, статистичної моделі мови, розробленої компанією OpenAI, як ефективного інструменту для вивчення англійської мови. Розглядаються переваги, які надає ця технологія студентам, що вивчають англійську мову, і описується її потенціал у покращенні навичок усного та письмового спілкування, лексичного запасу та граматики. Також обговорюються можливі виклики і обмеження використання ChatGPT та наводяться деякі рекомендації щодо оптимального використання цієї технології в навчальному процесі. У статті пропонується детальний огляд можливостей, переваг і обмежень використання ChatGPT в навчанні англійської мови, а також експериментально доводиться підвищення показників продуктивності навчання. Дана робота підкреслює значущість цієї технології як інноваційного інструменту для студентів, які вивчають англійську мову, і сприяє подальшому дослідженню та розвитку цього напрямку в академічному середовищі.Документ Using long short-term memory networks for natural language processing(Національний технічний університет "Харківський політехнічний інститут", 2023) Onyshchenko, Kostiantyn; Daniiel, YanaThe problem of emotion classification is a complex and non-trivial task of language interpretation due to the natural language structure and its dynamic nature. The significance of the study is in covering the important issue of automatic processing of client feedbacks, collecting opinions and trendcatching. In this work, a number of existing solutions for emotion classification problem were considered, having their shortcomings and advantages illustrated. The evaluation of performance of the considered models was conducted on emotion classification on four emotion classes, namely Happy, Sad, Angry and Others. The model for emotion classification in three-sentence conversations was proposed in this work. The model is based on smileys and word embeddings with domain specificity in state of art conversations on the Internet. The importance of taking into account the information extracted from smileys as an additional data source of emotional coloring is investigated. The model performance is evaluated and compared with language processing model BERT (Bidirectional Encoder Representations from Transformers). The proposed model achieved better performance at classifying emotions comparing to BERT (having F1 score as 78 versus 75). It should be noted, that further study should be performed to enhance the processing by the model of mixed reviews represented by emotion class Others. However, modern performance of models for language representation and understanding did not achieve the human performance. There is a variety of factors to consider when choosing the word embeddings and training methods to design the model architecture.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 властивостей середовища керування даними та оцінка часу передачі великих наборів даних(Національний технічний університет "Харківський політехнічний інститут", 2022) Броварник, Олексій Олексійович; Овсяніков, Владислав ВалерійовичУ статті розглядається задача оцінювання часу передачі великих наборів даних через розподілене середовище керування даними на основі самостійно створеної моделі нейронної мережі та дослідження властивостей цього середовища за допомогою методів статистичного аналізу. Для початкового аналізу отримано метадані для успішних передач файлів в системі, трансформовано та виділено змінні, які впливають на час передачі файлів. Під час аналізу використані різні вибірки, щоб перевірити, чи схожі результати в усіх наявних даних. Застосовано методи кореляційного, регресійного аналізу для дослідження середовища. Виявлено, що не існує чіткої кореляції між часом передачі та одним з вхідних параметрів. Час передачі файлу залежить від ряду зовнішніх факторів, які неможливо отримати за допомогою метаданих, але можливо частково дослідити середовище використовуючи отримані метадані. Використано модель на основі двох вхідних рівнів для числових та категоріальних змінних, а потім об’єднаних в одну гілку. Для зображення результатів передбачення використовуються показники RMSE та діаграма розсіювання для порівняння цільових та передбачених значень. Проведені розрахунки показують задовільні результати передбачень.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.