Факультет електроніки та інформаційних технологій (ЕлІТ)
Permanent URI for this communityhttps://devessuir.sumdu.edu.ua/handle/123456789/20
Browse
27 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 Information-extreme machine training system of functional diagnosis system with hierarchical data structure(National University "Zaporizhzhia Polytechnic", 2022) Shelehov, I.V.; Барченко, Наталія Леонідівна; Барченко, Наталья Леонидовна; Barchenko, Nataliia Leonidivna; Прилепа, Дмитро Вікторович; Прилепа, Дмитрий Викторович; Prylepa, Dmytro Viktorovych; Бібик, Мирослав Віталійович; Бибик, Мирослав Витальевич; Bibyk, Myroslav VitaliiovychContext. The problem of information-extreme machine learning of the functional diagnosis system is considered by the example of recognizing the technical state of a laser printer by typical defects of the printed material. The object of the research is the process of hierarchical machine learning of the functional diagnosis system of an electromechanical device. Objective. The main objective is to improve the functional efficiency of machine learning during functional diagnostics system retraining using automatically forming a new hierarchical data structure for an expanded alphabet of recognition classes. Method. A method of information-extreme hierarchical machine learning of the system of functional diagnosis of a laser printer based on typical defects of the printed material is proposed. The method was developed with functional approach of modeling the cognitive processes of natural intelligence, which makes it possible to give the diagnostic system the properties of adaptability under arbitrary initial conditions for the formation of images of printing defects and flexibility during retraining of the system due to an increase in the power of the alphabet of recognition classes. The method is based on the principle of maximizing the amount of information in the process of machine learning. The process of information-extreme machine learning is considered as an iterative procedure for optimizing the parameters of the functioning of the functional diagnostics system according to the information criterion. As a criterion for optimizing machine learning parameters, a modified Kullback’s information measure is considered, which is a functional of the exact characteristics of classification solutions. According to the proposed categorical functional model, an information-extreme machine learning algorithm has been developed based on a hierarchical data structure in the form of a binary decomposition tree. The use of such a data structure makes it possible to split a large number of recognition classes into pairs of nearest neighbors, for which the optimization of machine learning parameters is carried out according to a linear algorithm of the required depth. Results. Information, algorithmic software for the system of functional diagnostics of a laser printer based on images of typical defects in printed material has been developed. The influence of machine learning parameters on the functional efficiency of the system of functional diagnostics of a laser printer based on images of defects in printed material has been investigated. Conclusions. The results of physical modeling have confirmed the efficiency of the proposed method of information-extreme machine learning of the system of functional diagnosis of a laser printer based on typical defects in printed material and can be recommended for practical use. The prospect of increasing the functional efficiency of information-extremal learning of the functional diagnostics system is to increase the depth of machine learning by optimizing additional parameters of the system’s functions, including the parameters of the formation of the input training matrix.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 A model and training method for context classification in cctv sewer inspection video frames(National University "Zaporizhzhia Polytechnic", 2021) Москаленко, В`ячеслав Васильович; Москаленко, Вячеслав Васильевич; Moskalenko, Viacheslav Vasylovych; Зарецький, Микола Олександрович; Зарецкий, Николай Александрович; Zaretskyi, Mykola Oleksandrovych; Москаленко, Альона Сергіївна; Москаленко, Алена Сергеевна; Moskalenko, Alona Serhiivna; Панич, Андрій Олександрович; Паныч, Андрей Александрович; Panych, Andrii Oleksandrovych; Lysyuk, V.V.A model and training method for observational context classification in CCTV sewer inspection vide frames was developed and researched. The object of research is the process of detection of temporal-spatial context during CCTV sewer inspections. The subjects of the research are machine learning model and training method for classification analysis of CCTV video sequences under the limited and imbalanced training dataset constraint. Objective. Stated research goal is to develop an efficient context classifier model and training algorithm for CCTV sewer inspection video frames under the constraint of the limited and imbalanced labeled training set. Methods. The four-stage training algorithm of the classifier is proposed. The first stage involves training with soft triplet loss and regularisation component which penalises the network’s binary output code rounding error. The next stage is needed to determine the binary code for each class according to the principles of error-correcting output codes with accounting for intra- and interclass relationship. The resulting reference vector for each class is then used as a sample label for the future training with Joint Binary Cross Entropy Loss. The last machine learning stage is related to decision rule parameter optimization according to the information criteria to determine the boundaries of deviation of binary representation of observations for each class from the corresponding reference vector. A 2D convolutional frame feature extractor combined with the temporal network for inter-frame dependency analysis is considered. Variants with 1D Dilated Regular Convolutional Network, 1D Dilated Causal Convolutional Network, LSTM Network, GRU Network are considered. Model efficiency comparison is made on the basis of micro averaged F1 score calculated on the test dataset. Results. Results obtained on the dataset provided by Ace Pipe Cleaning, Inc confirm the suitability of the model and method for practical use, the resulting accuracy equals 92%. Comparison of the training outcome with the proposed method against the conventional methods indicated a 4% advantage in micro averaged F1 score. Further analysis of the confusion matrix had shown that the most significant increase in accuracy in comparison with the conventional methods is achieved for complex classes which combine both camera orientation and the sewer pipe construction features. Conclusions. The scientific novelty of the work lies in the new models and methods of classification analysis of the temporalspatial context when automating CCTV sewer inspections under imbalanced and limited training dataset conditions. Training results obtained with the proposed method were compared with the results obtained with the conventional method. The proposed method showed 4% advantage in micro averaged F1 score. It had been empirically proven that the use of the regular convolutional temporal network architecture is the most efficient in utilizing inter-frame dependencies. Resulting accuracy is suitable for practical use, as the additional error correction can be made by using the odometer data.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.
- «
- 1 (current)
- 2
- 3
- »