Факультет електроніки та інформаційних технологій (ЕлІТ)
Permanent URI for this communityhttps://devessuir.sumdu.edu.ua/handle/123456789/20
Browse
23 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 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 Багатошарова модель та метод навчання для детектування шкідливого трафіку на основі ансамблю дерев рішень(Національний аерокосмічний університет ім. М.Є. Жуковського "Харківський авіаційний інститут", 2020) Москаленко, В`ячеслав Васильович; Moskalenko, Viacheslav Vasylovych; Зарецький, Микола Олександрович; Zaretskyi, Mykola Oleksandrovych; Москаленко, Альона Сергіївна; Moskalenko, Alona Serhiivna; Кудрявцев, Антон Михайлович; Kudriavtsev, Anton Mykhailovych; Семашко, Віктор Анатолійович; Semashko, Viktor AnatoliiovychЗапропоновано модель і метод навчання багатошарового екстрактора ознак та вирішувальних правил для детектора шкідливого трафіку. Модель екстрактора ознак основана на згортковій розріджено кодуючій мережі, розріджений кодер якої апроксимується моделлю регресійного випадкового лісу згідно принципів дистиляції знань. При цьому розроблено алгоритм зростаючого розріджено кодуючого нейронного газу для навчання екстрактора ознак без вчителя з автоматичним визначення необхідної кількості ознак на кожному шарі. На етапі навчання екстрактора ознак для реалізації розрідженого кодування використано жадібний L0-регуляризований метод ортогонального узгодженого переслідування (Orthogonal Matching Pursuit), а під час дистиляції знань додатково використовувався L1- регуляризований метод найменших кутів (Least angle regression algorithm). Завдяки ефекту редукції причини отримані ознаки є некорельованими, а сформований ознаковий опис є стійким до завад та змагальних (Adveserial) атак. Запропонований екстрактор ознак навчається без вчителя для розділення пояснюючих факторів і дозволяє з максимальною ефективністю використати нерозмічені навчальні дані, обсяг яких, як правило, досить великий. Як модель вирішувальних правил запропоновано використовувати двійковий кодер спостережень на основі ансамблю дерев рішень та інформаційноекстремальні роздільні замкнені гіперповерхні (контейнери) класів, що відновлюються в радіальному базисі двійкового простору Хеммінга. Додавання кодуючих дерев відбувається за принципом бустінгу, а радіус контейнерів класів оптимізується шляхом прямого перебору. Інформаційно-екстремальний класифікатор характеризується низькою обчислювальною складністю та високою узагальнюючою здатністю для малих наборів розмічених навчальних даних. Результати верифікації навченої моделі на відкритих тестових наборах даних CTU підтверджують придатність запропонованих алгоритмів для практичного застосування, оскільки точність розпізнавання шкідливого трафіку становить 96,1 %.Item Інформаційна технологія глибокого машинного навчання системи виявлення кіберзагроз(Сумський державний університет, 2023) Зарудна, К.О.Розроблено програмний комплекс глибокого інформаційно-екстремального машинного навчання з використанням трьох класів розпізнавання на мові C#. Визначено, що використання алгоритму глибокого інформаційно-екстремального машинного навчання дозволяє сформувати вирішальні правила з точністю більше ніж 83%, що перевищує ефективність базового алгоритму на 5%. Розроблений програмний комплекс глибокого інформаційно-екстремального машинного навчання може бути використаний для ефективного виявлення кіберзагроз та забезпечення безпеки інформаційної інфраструктури.Item Інформаційний синтез бортової системи автономного безпілотного літального апарату для розпізнавання стану агрокультур(Сумський державний університет, 2023) Сулім, А.В.Розроблено та реалізували програмно алгоритми інформаційно-екстремального машинного навчання бортової системи автономного безпілотного літального апарату (БПЛА) для сегментації агрокультур з метою спостереження за їх розвитком у період вегітації.Item Інформаційно-аналітична система адаптації навчального контенту до вимог ринку праці. Функціонування системи в режимі моніторингу(Сумський державний університет, 2020) Сальник, К.О.Розроблено програмне забезпечення інформаційно-аналітичної системи адаптації навчального контенту випускової кафедри до вимог ринку праці за допомогою об’єктно- орієнтованої мови C#. Алгоритм роботи системи реалізовано згідно положень інформаційно-екстремальної інтелектуальної технології з метою забезпечення її функціонування в режимі моніторингу. Сформовано вхідний математичний опис, розглянуто та реалізовано категорійну модель машинного навчання з оптимізацією параметрів за допомогою інформаційних критеріїв, виконано алгоритм функціонування системи на етапі екзамену. Програма дозволяє провести опитування випускників кафедри та оцінити якість навчального контенту завдяки проведенню етапів навчання та екзамену. Для роботи з системою розроблено інтерфейс, який дає змогу користувачеві налаштувати основні параметри навчання, отримати детальну аналітику усіх процесів та візуалізувати результати оптимізації параметрів навчання.Item Інтелектуальна технологія аудіодіагностування несправностей дизельного двигуна(Сумський державний університет, 2019) Трактиренко, В.П.Розроблено алгоритм та програмне забезпечення інтелектуальної системи діагностування несправностей двигуна за звуком. При цьому задача оцінки сигналів, що використовуються при діагностиці, розв’язана в рамках інформаційно-екстремальної інтелектуальної технології. Розроблений алгоритм реалізовано у формі програмного забезпечення, створеного за допомогою програмного середовища Delphi 7.Item Інтелектуальна технологія діагностування типових дефектів лазерних принтерів(Сумський державний університет, 2019) Чубенко, В.В.Розроблено інформаційне та програмне забезпечення системи розпізнавання зображень. При цьому розглянуто питання обчислення інформаційного критерію функціональної ефективності (КФЕ) таких систем в рамках інформаційно-екстремальної інтелектуальної технології. Розроблений алгоритм реалізовано у програмному забезпеченні створено на мові програмування С#.Item Інтелектуальна інформаційна технологія ідентифікації дифракційних картин кристалічних матеріалів(Сумський державний університет, 2019) Соловей, В.В.Алгоритм та програмне забезпечення комп’ютерної інтелектуальної системи розпізнавання електронограм, що функціонує в рамках інформаційно-екстремальної технології. При цьому розглянуті питання відтворення класифікаторів з використанням певної частини електронограми та обчислення інформаційного критерію функціональної ефективності (КФЕ). Розроблений алгоритм реалізовано за допомогою мови програмування PHP.Item Інформаційна технологія інтелектуального аналізу інформативності ознак розпізнавання системи машинної оцінки знань(Сумський державний університет, 2019) Романенко, Т.А.Розроблено алгоритмічне та інформаційне забезпечення системи машинної оцінки знань для оцінки інформативності ознак розпізнавання в процесі формування вирішальних правил за інформаційно- екстремальної технології. Програмна реалізація виконана в середовищі для інженерних і наукових розрахунків MATLAB у вигляді комплексу m- сценаріїв та m-функцій.
- «
- 1 (current)
- 2
- 3
- »