Видання зареєстровані авторами шляхом самоархівування
Permanent URI for this communityhttps://devessuir.sumdu.edu.ua/handle/123456789/1
Browse
4 results
Search Results
Item Інформаційно-аналітична система оцінювання відповідності сучасним вимогам навчального контенту спеціальності кібербезпека(Національний аерокосмічний університет "Харківський авіаційний інститут", 2021) Довбиш, Анатолій Степанович; Dovbysh, Anatolii Stepanovych; Шелехов, Ігор Володимирович; Shelekhov, Ihor Volodymyrovych; Хібовська, Юлія Олексіївна; Khibovska, Yuliia Oleksiivna; Матяш, О.В.Розв’язана актуальна задача підвищення функціональної ефективності машинного навчання інформаційно-аналітичної системи (ІАС) оцінки відповідності сучасним вимогам контенту навчальних дисциплін бакалаврського рівня спеціальності «Кібербезпека» Розроблено метод інформаційно-екстремального машинного навчання ІАС з метою адаптації навчального контенту випускової кафедри до вимог ринку праці, що дозволяє при функціонуванні системи в режимі моніторингу оперативно корегувати контент з навчальних дисципліни випускової кафедри. Ідея методу полягає у максимізації інформаційної спроможності ІАС в процесі машинного навчання, що дозволяє в режимі моніторингу отримати максимальну повну ймовірність прийняття правильних класифікаційних рішень. За результатами інформаційно-екстремального машинного навчання в рамках геометричного підходу побудовано вирішальні правила, практично інваріантні до багато вимірності простору ознак розпізнавання. Як критерій оптимізації параметрів машинного навчання використовується модифікація інформаційної міри Кульбака, яка є функціоналом точнісних характеристик класифікаційних рішень. Як параметри оптимізації розглядалися геометричні параметри гіперсферичних контейнерів класів розпізнавання, які в процесі машинного навчання відновлювалися в радіальному базисі бінарного простору ознак Хеммінга. При цьому вхідна навчальна матриця трансформувалася в робочу бінарну навчальну матрицю, яка змінювалася в процесі машинного навчання шляхом допустимих перетворень з метою адаптації вхідного математичного опису системи до максимальної достовірності класифікаційних рішень. Запропоновано категорійну модель функціонування ІАС, на основі якої розроблено алгоритм інформаційно-екстремального машинного навчанням системи з автоматичним визначенням базового класу розпізнавання. За результатами опитування фахівців з кібербезпеки сформовано вхідну структуровану навчальну матрицю, а за результатами фізичного моделювання підтверджено працездатність запропонованого методу інформаційно-екстремального машинного навчання ІАС.Item An Information-Extreme Algorithm for Universal Nuclear Feature-Driven Automated Classification of Breast Cancer Cells(Multidisciplinary Digital Publishing Institute, 2025) Савченко, Тарас Русланович; Savchenko, Taras Ruslanovych; Лахтарина, Руслана Юріївна; Lakhtaryna, Ruslana Yuriivna; Денисенко, Анастасія Петрівна; Denysenko, Anastasiia Petrivna; Довбиш, Анатолій Степанович; Dovbysh, Anatolii Stepanovych; Coupland, Sarah E.; Москаленко, Роман Андрійович; Moskalenko, Roman AndriiovychДіагностика раку молочної залози значною мірою спирається на гістопатологічну оцінку, яка схильна до суб'єктивності та неефективності, особливо при використанні зображень цілих зрізів (WSI). Це дослідження спрямоване на усунення цих обмежень шляхом розробки автоматизованого алгоритму класифікації клітин раку молочної залози, використовуючи інформаційно-екстремальний підхід машинного навчання та універсальні цитологічні ознаки. Метою є досягнення об'єктивної та узагальненої гістопатологічної діагностики. Методи: Оцифровані гістологічні зображення оброблялися для ідентифікації гіперхроматичних клітин. З окремих клітин було виділено 21 цитологічну ознаку (10 геометричних та 11 текстурних), обраних за їхній потенційний універсальний характер для різних видів раку. Ці ознаки потім використовувалися для класифікації клітин як нормальних або злоякісних за допомогою інформаційно-екстремального алгоритму. Цей алгоритм оптимізує інформаційний критерій у бінарному просторі Геммінга для досягнення надійного розпізнавання з мінімальною кількістю вхідних ознак. Архітектурна інновація полягає в застосуванні цього інформаційно-екстремального підходу до аналізу цитологічних ознак для класифікації ракових клітин. Результати: Функціональна ефективність алгоритму була оцінена на наборі даних зі 176 маркованих зображень клітин, що дало багатообіцяючі результати: точність 89%, прецизійність 85%, повнота 84% та F1-показник 88%. Ці метрики демонструють збалансовану та ефективну модель для автоматизованої класифікації клітин раку молочної залози. Висновки: Запропонований інформаційно-екстремальний алгоритм, що використовує універсальні цитологічні ознаки, пропонує потенційно об'єктивну та обчислювально ефективну альтернативу традиційним методам і може зменшити деякі обмеження глибокого навчання в гістопатологічному аналізі. Майбутня робота буде зосереджена на валідації алгоритму на більших наборах даних та дослідженні його застосовності до інших типів раку.Item Інформаційно-екстремальне ієрархічне навчання системи керування протезом кісті руки з неінвазивною системою зчитування біосигналів(Національний університет "Запорізька політехніка", 2020) Довбиш, Анатолій Степанович; Dovbysh, Anatolii Stepanovych; П'ятаченко, Владислав Юрійович; Piatachenko, Vladyslav Yuriiovych; Симоновський, Юлій Віталійович; Symonovskyi, Yulii Vitaliiovych; Шкуропат, О.А.Актуальність. Розв’язана актуальна задача інформаційного синтезу здатної навчатися системи керування протезом кісті руки з неінвазивною системою зчитування біосигналів. Мета роботи – підвищення функціональної ефективності системи керування протезом кісті руки з неінвазивною системою зчитування біосигналів на основі машинного навчання, що дозволяє при функціонуванні системи в робочому режимі розпізнавати з високою достовірністю і оперативністю когнітивні команди користувача протезу. Метод. У рамках інформаційно-екстремальної інтелектуальної технології (ІЕІ-технології) аналізу даних, яка базується на максимізації інформаційної спроможності системи розпізнавання в процесі машинного навчання, запропоновано метод інформаційного синтезу інтелектуальної системи керування протезом кісті руки з неінвазивною системою зчитування біосигналів. На відміну від існуючих методів інтелектуального аналізу даних метод інформаційно-екстремального машинного навчання розроблено в рамках функціонального підходу до моделювання когнітивних процесів, притаманних людині при формування та прийняття класифікаційних рішень. Такий підхід дозволяє наділити систему керування протезом властивостями адаптивності до довільних початкових умов формування когнітивних команд і перенавчання при розширенні словника ознак та алфавіту класів розпізнавання. Крім того, вирішальні правила, побудовані за отриманими в процесі машинного навчання геометричними параметрами гіперсферичних контейнерів класів розпізнавання є практично інваріантними до багато вимірності простору ознак розпізнавання. На основі запропонованої категорійної моделі розроблено алгоритм машинного навчання з оптимізацією ієрархічної структури даних. При цьому досліджено вплив на функціональну ефективність машинного навчання структур даних, побудованих у вигляді дихотомічного і декурсивного дерев. Як критерій оптимізації параметрів машинного навчання використовується модифікація інформаційної міри Кульбака, яка є функціоналом точнісних характеристик рішень, що приймаються. Результати. Побудовані в процесі ієрархічного інформаційно-екстремального машинного навчання вирішальні правила дозволяють розпізнавати в реальному темпі часу когнітивні команди з достатньо високою повною ймовірністю прийняття правильних класифікаційних рішень. За результатами фізичного моделювання доведено, що при використанні ієрархічної структури даних у вигляді декурсивного дерева функціональна ефективність машинного навчання збільшується у порівнянні із структурою даних у вигляді дихотомічного бінарного дерева. Висновки. Експериментально підтверджено достатньо високу функціональну ефективність запропонованого методу інформаційно-екстремального машинного навчання системи керування протезом кісті руки з неінвазивною системою зчитування біосигналів. Отримані наукові результати відкривають новий напрям створення інтелектуальних протезів руки з неінвазивною системою зчитування біосигналів на основі машинного навчання та розпізнавання образів.Item Decision-making support system for diagnosis of oncopathologies by histological images(Elsevier, 2023) Довбиш, Анатолій Степанович; Довбыш, Анатолий Степанович; Dovbysh, Anatolii Stepanovych; Шелехов, Ігор Володимирович; Шелехов, Игорь Владимирович; Shelekhov, Ihor Volodymyrovych; Романюк, Анатолій Миколайович; Романюк, Анатолий Николаевич; Romaniuk, Anatolii Mykolaiovych; Москаленко, Роман Андрійович; Москаленко, Роман Андреевич; Moskalenko, Roman Andriiovych; Савченко, Тарас Русланович; Савченко, Тарас Русланович; Savchenko, Taras RuslanovychThe aim of the study is to increase the functional efficiency of machine learning decision support system (DSS) for the diagnosis of oncopathology on the basis of tissue morphology. The method of hierarchical information-extreme machine learning of diagnostic DSS is offered. The method is developed within the framework of the functional approach to modeling of natural intelligence cognitive processes at formation and acceptance of classification decisions. This approach, in contrast to neuronal structures, allows diagnostic DSS to adapt to arbitrary conditions of histological imaging and flexibility in retraining the system by expanding the recognition classes alphabet that characterize different structures of tissue morphology. In addition, the decisive rules built within the geometric approach are practically invariant to the multidimensionality of the diagnostic features space. The developed method allows to create information, algorithmic, and software of the automated workplace of the histologist for diagnosing oncopathologies of different genesis. The machine learning method is implemented on the example of diagnosing breast cancer