Періодичні видання СумДУ
Permanent URI for this communityhttps://devessuir.sumdu.edu.ua/handle/123456789/69
Browse
27 results
Search Results
Item Optimization of Defect Detection in Atomic Materials Using Graphene Layer(Sumy State University, 2025) Bhangale, S.C.; Dhamande, L.S.; Tingare, B.A.; Diwan, T.D.; Kapgate, R.A.; William, P.; Patare, P.M.Властивості графену та інших атомних матеріалів у поєднанні з методами комп'ютерного зору дозволяють радикально покращити чутливість дефектоскопії. Процес збору даних, отриманий за допомогою цих методів, включав зображення високої роздільної здатності, які застосовувалися для захоплення дрібних деталей поверхні атомних матеріалів. Фотографії піддаються сучасним методам вилучення ознак, щоб виділити та покращити деталі основних структурних компонентів після проходження суворих етапів попередньої обробки даних, таких як зменшення шуму та стандартизація зображення. Унікальна модель Effective Chicken Swarm Guided Recursive NeuroNet (ECS-RNN) спрямована на класифікацію та виявлення дефектів за допомогою застосування інтелектуальних роїв та глибокого навчання. Навчання проводилося на основі показників продуктивності, досягнутих у цьому дослідженні, що вказує на її здатність створювати дуже точні та надійні прогнози з показником F1 97,3 %, точністю 98,5 % та прецизійністю 96,8 %. Ці результати свідчать про прогрес у виявленні дефектів за допомогою запропонованої методики та демонструють застосовність методів машинного навчання у вирішенні дуже складних задач. Модель ECSRNN демонструє суттєві покращення в обчисленнях нейронних мереж, демонструє свою здатність отримувати відповідні архітектури з мінімальною ерозією, що є перевагою в сценаріях, де отримання важливої інформації має першорядне значенняItem Approach for Predicting Filtration Efficiency in Nanocomposite Membranes Using 2D Materials(Sumy State University, 2025) Deshmukh, Sh.R.; William, P.; Dabhade, V.D.; Dhamande, L.S.; Patare, P.M.; Yogeesh, N.; Kapgate, R.A.Потенційні технології очищення та розділення води включають використання нанокомпозитні фільтраційних мембран. Складні взаємозв'язки між численними компонентами ускладнюють точну оцінку коефіцієнта відторгнення та фільтраційного потоку. Щоб вирішити цю проблему та покращити ефективність фільтрації в нанокомпозитних мембранах, це дослідження представляє новий метод адаптивного випадкового лісу, наповненого Golden Jackal (AGJ-RF), для прогнозування ефективності фільтрації в нанокомпозитних мембранах. Полівініліденфторид (PVDF) є традиційною мембраною, що використовується для очищення води разом з двовимірними (2D) матеріалами, такими як MXenes та оксид графену (GO). Для підтримки ефективної якості фільтрації використовується метод характеристики, відомий як тестування на проникність. Для визначення дисперсії використовується статистичний метод, відомий як дисперсійний аналіз (ANOVA). Цей аналіз використовує програмне забезпечення SPSS для оцінки продуктивності. Ефективність запропонованого методу фільтрації води проводиться за допомогою платформи Python, за допомогою якої можна оцінити гнучкість фільтрації та коефіцієнт відторгнення шляхом порівняння GO, Mxenes та традиційних мембран. Запропонований метод AGJ-RF був виконаний у різних матрицях: RMSE (2.1), MAE (1.5) та R2 (0.88). Експериментальні результати показують, що запропонована методика має більшу ефективність у прогнозуванні якості фільтрації в нанокомпозитних мембранах з використанням 2D-матеріалів.Item Intelligent Approach for Analyzing Semiconductor Band Gaps in Nanomaterial Systems(Sumy State University, 2025) Tingare, B.A.; Kapgate, R.A.; William, P.; Patil, J.M.; Diwan, T.D.; Patare, P.M.; Dhamande, L.S.Аналіз заборонених зон у напівпровідникових наноматеріалах має велике значення для застосування в електроніці. Традиційні підходи мають обмеження в роботі зі складними, нелінійними зв'язками для прогнозування заборонених зон. У роботі пропонується модель FWS-RXGBoost (Fine-Tuned White Shark Algorithm-Resilient XGBoost), яка усуває проблеми, пов'язані з оптимізацією гіперпараметрів XGBoost для більш надійних прогнозів. Використовується набір даних Kaggle про відбитки матеріалів та цільові значення забороненої зони. Для забезпечення точності моделі нормалізація ознак за Z-оцінкою на етапі попередньої обробки стандартизує ознаки, що покращує градієнтне навчання. Оптимізація, натхненна White Shark, досягає балансу між глобальним дослідженням та локальним використанням. Ця модель виявилася більш стійкою до шуму в даних. Були проведені порівняння з моделлю градієнтного бустингу та моделлю Extra Trees. Згідно з показниками RMSE (0,17), MAE (0,10) та R² (0,97), FWS-RXGBoost ефективний для моделювання складних залежностей, пов'язаних з прогнозами забороненої зони. У зв'язку з цим, ці результати показують, що FWS-RXGBoost є надійним, високоточним інструментом для прогнозування ширини заборонених зон напівпровідників і наразі готовий до застосування в будь-яких реальних умовах, де точність є критично важливою. У майбутніх дослідженнях можуть бути використані більш різноманітні набори даних та складні гібридні моделі для розширення можливостей прогнозування.Item Dynamic Optimization of Non-Equilibrium Processes in Nanostructures for High-Performance Applications(Sumy State University, 2025) Shrivastava, A.; Bhanot, D.; Revathi, V.; Kansal, L.; Alsalami, Z.; Bindu, V.H.; Kumar, R.; William, P.Динамічна оптимізація нерівноважних процесів у наноструктурах має вирішальне значення для підвищення їхньої функціональності у високопродуктивних застосуваннях, включаючи наноелектроніку та енергетичні пристрої. Це дослідження показує вплив контрольованого нерівноважного синтезу на структурні, хімічні та електричні властивості наноструктурованих матеріалів, зосереджуючись на наноструктурованих плівках діоксиду титану (TiO2) та оксиду цинку (ZnO). Наноструктури синтезуються за допомогою хімічного осадження з парової фази (CVD) та електроосадження, де параметри осадження динамічно налаштовуються для оптимізації кристалічності, морфології поверхні та електронної поведінки. CVD осаджує однорідні, високочисті плівки TiO2 та ZnO, контролюючи реакції попередників у газофазній фазі на нагрітій підкладці, забезпечуючи чітко визначену кристалічність та морфологію поверхні. Електроосадження використовується для синтезу наноструктурованих плівок у водному електроліті шляхом електрохімічного відновлення металевих попередників, що дозволяє налаштовувати товщину, пористість та розмір зерна. Отримані плівки характеризуються за допомогою аналізу площі поверхні методом Брунауера-Еммета-Теллера (БЕТ), рентгенівської дифракції (XRD) та інфрачервоної спектроскопії з перетворенням Фур'є (FTIR) для оцінки текстурних властивостей, фазової чистоти та хімічних взаємодій. Це дослідження демонструє, як точний контроль нерівноважних станів під час синтезу може оптимізувати властивості наноструктур. Воно підкреслює ефективність динамічної оптимізації в нерівноважному синтезі та відкриває шляхи їх інтеграції у високопродуктивні наноструктуровані пристрої.Item Novel Model for Classifying the Toxicity of Metal Oxide Nanoparticles(Sumy State University, 2025) Varade, H.P.; Patil, J.M.; Tingare, B.A.; William, P.; Dabhade, V.D.; Kapgate, R.A; Korde, S.K.Наночастинки оксидів металів (MeOxNP) привертають дедалі більшу увагу в останні кілька років через їх різноманітне застосування в електроніці, медицині та відновленні навколишнього середовища. Однак їхня потенційна токсичність створює значні перешкоди для безпечного використання. Тому ця стаття спрямована на розробку нової моделі на основі штучного інтелекту (ШІ) для ефективної класифікації токсичності MeOxNP з використанням методу точно налаштованого випадкового лісу (DPO-RF) динамічного оптимізатора Pelican. Була підготовлена база даних з урахуванням різних типів наночастинок (НЧ), таких як Al2O3, CuO, Fe2O3, TiO2 та ZnO, а також найважливіших ключових фізико-хімічних характеристик. Ця модель супроводжується попередньою обробкою з використанням обробки відсутніх значень з імпутацією та стандартизацією шляхом застосування нормалізації Z-оцінки. Ознаки були вилучені за допомогою аналізу головних компонентів (PCA), зменшуючи розмірність, зберігаючи при цьому життєво важливу інформацію, пов'язану з токсичністю в цій моделі. Застосована модель на основі DPO-RF покращила вибір ознак цієї моделі, одночасно досягаючи підвищеної точності завдяки адаптивному дослідженню цієї моделі. Результати відображають дійсну класифікацію MeOxNP як токсичної або нетоксичної, що передбачає загальну точність близько 98,2 % для класів токсичності та відповідний коефіцієнт точності близько 98,5 % для класів нетоксичності, що має деякі важливі наслідки для оцінки потенційних ризиків під час використання відповідного застосування нанотехнологій.Item Forecasting Dielectric Behavior of Nano-Epoxy Materials through AI-based Electronic Properties(Sumy State University, 2025) Dabhade, V.D.; Tingare, B.A.; Thorat, S.R.; Kapgate, R.A.; Diwan, T.D.; Dhamande, L.S.; William, P.Для прогнозування діелектричної поведінки наноепоксидних композитів було запропоновано складні алгоритми машинного навчання. Діелектричні характеристики були точно оцінені для максимізації використання наноепоксидного композиту в електроніці. Використовуючи моделі штучного інтелекту та дані про їхні електричні властивості, метою є прогнозування діелектричної поведінки наноепоксидних матеріалів. Для досягнення узгодженого внеску характеристик набір даних був попередньо оброблений за допомогою нормалізації min-max, яка нормалізувала діапазон вхідних характеристик. Тому представлена модель Malleable AdaBoost, керована алгоритмом пошуку білки (FSS-MAdaBoost), яка поєднує MAdaBoost з FSS. Ця гібридна модель може подолати типові недоліки покращеної точності прогнозування та успішної обробки складних та нелінійних зв'язків між характеристиками. Запропонована модель порівнюється з існуючою моделлю. Продуктивність була оцінена за допомогою вимірювань RMSE (0,018) та MAE (0,01). Згідно з вищезазначеними результатами, модель на основі FSS-MAdaBoost перевершує попередні підходи зі значно нижчими значеннями RMSE та MAE, що свідчить про кращі прогнози та надійність. Результати вказали на перспективні напрямки прогнозування діелектричних властивостей за допомогою моделі FSSMAdaBoost для наноепоксидних матеріалів, надаючи цінну інформацію, яку вчені-матеріалознавці та інженери можуть використовувати для оптимізації дизайну матеріалів, тим самим покращуючи електронні застосування.Item Quality Control Model for Electrospun Nanofibers through Image Analysis(Sumy State University, 2025) Tingare, B.A.; Deshmukh, S.R.; Kapgate, R.A.; Thorat, S.R.; William, P.; Jondhale, S.D.; Dabhade, V.D.Електровідцентровані нанофібри широко використовуються в інноваційних галузях, зокрема в біомедичній інженерії для каркасів тканин, фільтрації повітря та води, акумулюванні енергії тощо, завдяки високому співвідношенню площі поверхні до об’єму. Однак, серед основних проблем є відсутність точного контролю якості під час виробництва, що призводить до значних варіацій у властивостях та продуктивності матеріалу. У цій роботі запропоновано вирішення цієї проблеми шляхом розробки моделі ESMA-ADRN (Efficient Slime Mould Algorithm — оптимізована адаптивна глибока залишкова нейромережа) для оцінки якості нанофібрових структур на основі аналізу зображень. Для дослідження використовувався датасет зображень електровідцентрованих нанофібр, які проходили попередню обробку методом медіанного фільтрування для зменшення шуму. Виділення ознак проводилось за допомогою методу головних компонент (PCA) для вибору найбільш інформативного простору ознак. Результати моделі ESMA-ADRN перевершили інші моделі за всіма показниками, зокрема: – Точність (accuracy): 94,30%; – Прецизійність (precision): 96,58%; – Чутливість (sensitivity): 93,04%; – Специфічність (specificity): 93,72%; – F-мірa: 94,77%. У перспективі подальші дослідження повинні охоплювати більше виробничих сценаріїв, а також передбачати тонке налаштування параметрів моделі для підвищення її ефективності у різних умовах виробництва.Item Exploring Thermodynamic Process in Hybrid Nanofluid Flow through Porous Materials Using Multi-Objective Support Vector Machine(Sumy State University, 2024) Chaturvedi, R.; Umareddy, M.; Verma, R.; Sharma, N.; Gori, Y.; Rao, A.K.; Sankhyan, A.; William, P.Термодинамічні процеси в розташуванні гібридної нанотекучої рідини через пористі матеріали. Ймовірно, це виглядає так, як нанорідини поводяться та взаємодіють у пористих структурах, споживаючи термодинаміку. Динаміка рідини та теплопередача, а також, можливо, вдосконалення системи для окремих застосувань. Метою цього дослідження є з’ясування поведінки та взаємодії нанофлюїдів у пористих структурах шляхом вивчення термодинамічних процесів потоку гібридних нанофлюїдів через пористі матеріали. У цій статті ми запропонували методи багатоцільової опорної векторної машини (MSVM) для термодинамічних процесів у нанорідині через пористі матеріали. Прогнози техніки були ретельно вивчені та перевірені на основі обчислювальних даних. Потім було оцінено напругу зсуву в циліндрі, число Нуссельта і Бежана, а також поведінку теплового поля за допомогою перевіреного методу прогнозування. Наш метод забезпечує величезне підвищення ефективності, скорочуючи час обробки більш ніж на 92%. Ми ефективно представляємо кореляції в числовому порядку точності, коли стикаємося зі зростаючим набором змінних. Це підкреслює спосіб корисної та потужної створеної прогностичної техніки. Варто відзначити, що це сильна альтернатива, яка перевершує класичні статистичні методи в області обладнання для проектування обробки. Зрештою, запропонований нами метод є унікальним і корисним способом вирішення складних обставин компонування.Item Enhancing Hydrological Model Daily Streamflow Predictions in Data-Scarce Watercourses by Integrating CNN-LSTM with Physical Processes(Sumy State University, 2024) Kulshreshtha, K.; Raj, N.; Chowdhury, S.; Gori, Y.; Shrivastava, A.; Rao, A.K.; Sankhyan, A.; William, P.Щоденне прогнозування потоків у водотоках із невеликою кількістю даних має важливе значення для ефективного управління водними ресурсами та зміни клімату. Особливо в районах з рідкісними даними спостережень географічна та часова складність гідрологічних систем становить значну проблему для традиційних гідрологічних моделей. У цьому дослідженні ми пропонуємо інноваційний підхід для покращення щоденних прогнозів стоку шляхом інтеграції архітектури згорткової нейронної мережі з довготривалою короткочасною пам’яттю (CNN-LSTM) із фізичними процесами та використання моделі дослідження та прогнозування погоди (WRF) для гідрологічного процесу. Мета полягає в тому, щоб покращити здатність моделі WRF фіксувати складну взаємодію між погодними умовами та динамікою потоку шляхом поєднання цієї основи глибокого навчання з фізичними процесами, які визначають модель. Для більш точного зображення гідрологічної системи модель WRF, добре відома своїм моделюванням атмосфери з високою роздільною здатністю, надає детальні метеорологічні дані. Ефективність запропонованого методу оцінюється за допомогою показників RMSE (5,14), MAE (6,85), MEDAE (5,97), а також R2 (12,05) і порівнюється з існуючими методами. Поєднання CNN-LSTM і WRF пропонує багатообіцяючий шлях для підвищення точності та надійності гідрологічних моделей, що має вирішальне значення для прийняття обґрунтованих рішень щодо управління водними ресурсами та стійкості до клімату.Item Optimizing Data Traffic: Effective Management of Physical Processes in Networked Information Systems(Sumy State University, 2024) Chhabra, G.S.; William, P.; Badholia, A.; Sharmila; Tidake, V.M.; Patare, P.M.; Khatkale, P.B.Затори в містах є складними для сучасного міського управління через швидке розширення Рапід-Сіті, застарілі методи контролю дорожнього руху, неналежне проектування та будівництво доріг, а також зростання кількості автомобілів. Література надає детальну архітектуру інтелектуальної транспортної системи (ITS) на основі Інтернету речей (IoT), зосереджуючись на рівнях програми, мережі та сприйняття. Прикладний рівень обробляє дані про трафік і підтримує різні ІТС. За допомогою датчиків і комунікаційних мереж рівень сприйняття збирає дані про трафік у реальному часі, а мережевий рівень забезпечує надійну та безпечну передачу даних. Розробка заглиблюється в архітектуру протоколу автомобільної мережі зв’язку з акцентом на мобільних спеціальних мережах (MANET). У контексті транспортних спеціальних мереж (VANET) він охоплює питання безпеки, транспортний рівень, фізичний і медіа-контроль (PHY/MAC) рівень і протоколи маршрутизації. У статті досліджується інтеграція мобільних моделей із інструментами мережевого моделювання, окреслюючись двома методами: Mobile Fusion Model і Mobile Embedded Model. На завершення представлено дослідження моделювання з використанням платформи Optimized Network Engineering Tool (OPNET) Modeler, це дослідження оцінює Destination Sequenced Distance Vector (DSDV) Protocol і Optimized Link State Routing (OLSR) Protocol щодо продуктивності втрати пакетів, навантаження на мережу та Мережі зв'язку від автомобіля до автомобіля (V2V).
- «
- 1 (current)
- 2
- 3
- »