Факультет електроніки та інформаційних технологій (ЕлІТ)
Permanent URI for this communityhttps://devessuir.sumdu.edu.ua/handle/123456789/20
Browse
33 results
Search Results
Item Адаптація нечіткого Bees Algorithm для розв’язування задач оптимізації(Сумський державний університет, 2025) Юсупов, Р.Розроблений вебдодаток для адаптації нечіткого Bees Algorithm забезпечує ефективне розв’язування задач оптимізації, надаючи інструменти для налаштування параметрів, аналізу результатів і візуалізації процесу. Система автоматизує обчислення, полегшує взаємодію між користувачами та алгоритмом, забезпечуючи високу точність і стабільність рішень. Використання цього вебдодатку сприяє підвищенню продуктивності досліджень, кращому аналізу даних і покращенню якості оптимізації в умовах невизначеності.Item Інформаційна технологія теселяції складових елементів 3D-моделей роботів(Сумський державний університет, 2025) Акименко, В.В.Практичне значення роботи полягає в автоматизації процесу теселяції як компонентів моделей роботів та їх геометрії, так і в теселяції дерева моделі загалом, а також в підтримці візуалізації та анімації положень складових елементів моделі та її подальшого збереження як до меш-форматів STL, GLTF, OBJ, так і в форматі пакету URDF. В рамках роботи було проведено аналіз сфери моделювання роботів, виконано порівняння аналогів систем для моделювання, досліджено та запропоновано алгоритм теселяції сітки компонентів, сформовано технічне завдання на розробку технології, а також продемонстровано приклад роботи веб-додатку в рамках завдань з розробки нової моделі та редагування існуючого пакету робот-моделі. Результатом проведеної роботи є розроблена інформаційна технологія теселя.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 Інформаційна технологія створення системи підтримки прийняття рішень для оцінки відповідності навчального контенту освітньо-наукової програми сучасним вимогам(Сумський державний університет, 2025) Бондарєв, А.С.Розглянуто методи моніторингу освіти в Україні та методи інтелектуального аналізу даних. Шляхом імітаційного моделювання сформовано вхідний математичний опис СППР для оцінювання відповідності навчального контенту кафедри комп’ютерних наук сучасним вимогам. Розроблено комплекс функціональних категорійних моделей , на основі яких розроблено і програмно реалізовано ієрархічне інформаційно-екстремальне машинне навчання за декурсивною структурою даних.Item Інформаційна технологія оптимізації швидкодії вебсайту : робота на здобуття кваліфікаційного ступеня магістра(Сумський державний університет, 2024) Задесенець, Д.С.Дипломний проект присвячений розробці інформаційної технології оптимізації швидкодії вебсайту. В роботі проведено аналіз предметної області з аналізом продуктів-аналогів, визначення мети проекту, засобів реалізації, планування та проектування роботи. Представлена поетапна розробка вебсайту для реалізації інформаційної технології. Після впровадження інформаційної технології було виконано тестування та аналіз результатів роботи.Item Інформаційна технологія керування платними підписками інтернет-сервісів(Сумський державний університет, 2023) Марчук, А.П.Було проведено аналіз предметної області застосування та описана актуальність створення інформаційної технології; був зроблений вибір середовища розробки; розроблена інформаційна технологія керування платними підписками інтернет-сервісів; після реалізації проєкту проведено тестування роботи інформаційної системи.Item Information-extreme machine training of on-board recognition system with optimization of RGB-component digital images(National Aerospace University «Kharkiv Aviation Institute», 2021) Naumenko, I.; Мироненко, Микита Ігорович; Мироненко, Никита Игорович; Myronenko, Mykyta Ihorovych; Savchenko, T.The research increases the recognition reliability of ground natural and infrastructural objects by use of an autonomous onboard unmanned aerial vehicle (UAV). An information-extreme machine learning method of an autonomous onboard recognition system with the optimization of RGB components of a digital image of ground objects is proposed. The method is developed within the framework of the functional approach to modeling cognitive processes of natural intelligence at the formation and acceptance of classification decisions. This approach, in contrast to the known methods of data mining, including neuro-like structures, provides the recognition system with the properties of adaptability to arbitrary initial conditions of image formation and flexibility in retraining the system. The idea of the proposed method is to maximize the information capacity of the recognition system in the machine learning process. As a criterion for optimizing machine learning parameters, a modified Kullback information measure was used, this informational criterion is the functionality of exact characteristics. As optimization parameters, the geometric parameters of hyperspherical containers of recognition classes and control tolerances for recognition signs were considered, which played the role of input data quantization levels when transforming the input Euclidean training matrix into a working binary training matrix using admissible transformations of a working training matrix the offered machine learning method allows to adapt the input mathematical description of recognition system to the maximum full probability of the correct classification decision acceptance. To increase the depth of information-extreme machine learning, optimization was conducted according to the information criterion of the weight coefficients of the RGB components of the brightness spectrum of ground object images. The results of physical modeling on the example the recognition of terrestrial natural and infrastructural objects confirm the increase in functional efficiency of information-extreme machine learning of on-board system at optimum in information understanding weight coefficients of RGB-components of terrestrial objects image brightness.Item Модернізація автоматизованої системи управління технологічним процесом приготування розчинів для виготовлення піроксилінових порохів(Сумський державний університет, 2022) Рибаков, П.О.Робота присвячена розробці і оптимізації системи управління технологічним процесом приготування розчинів для виготовлення піроксилінових порохів. Зроблений конструктивно-технологічний аналіз об'єкта управління, обрані канали управління, проведено вибір сучасних засобів автоматизації, розроблена математична модель об’єкта управління. Розрахований регулятор температури плавитеся. Вибрані його оптимальні параметри з точки зору прямих показників якості управління за перехідним процесом. Розрахований контур регулювання рівня у мірнику рідини. Виконано моделювання в середовищах Maple і MathLab і отримані перехідні характеристики ОУ. Розроблена функціональна схема автоматизації, структурна схема автоматизованої системи управління технологічним процесом приготування розчинів для виготовлення піроксилінових порохів, електрична схема.Item Оптимізація системи управління технологічним процесом двоступеневої конверсії метану(Сумський державний університет, 2021) Небилиця В.С.В магістерській роботі виконана оптимізація системи управління технологічним процесом двоступінчатої конверсії метану: розроблена математична модель об’єкта управління на основі фізичних параметрів і фізико-хімічного процесу конвертації метану, розрахований і вибраний оптимальний закон регулювання температурою. Розрахунки і моделювання проведені в середовищі Mathcad 15 (2010) і MathLab2017b.Item Розробка електронної системи оптимізації та контролю пристрою для внесення поживних розчинів у грунт(Сумський державний університет, 2019) Гламаздін, Г.А.Мета роботи – оптимізація системи контролю внесення поживної рідини. Визначення параметрів, що необхідно вдосконалити. Визначити параметри , що необхідно вносити і впливають на правильність роботи алгоритму. Автоматизація контролю внесення рідини. На основі отриманих результатів здійснити перевірку відповідності отриманих результатів що до потреб на початку експерименту.