Головна сторінка бібліотеки Спрощенний режим пошуку Інструкція з пошуку
Авторизація
Прізвище
Пароль
 

Бази даних


Книжкові видання- результати пошуку

Вид пошуку

Зона пошуку
у знайденому
 Знайдено у інших БД:Періодичні видання (1)
Формат представлення знайдених документів:
повнийінформаційнийкороткий
Відсортувати знайдені документи за:
авторомназвоюроком виданнятипом документа
Пошуковий запит: (<.>S=Штучний інтелект. Експертні системи<.>)
Загальна кількість знайдених документів : 7
Показані документи с 1 по 7
1.
   062
   Х 23


Харківський політехнічний ін-т, нац. техн. ун-т

    Вавіленкова, А. І. (кандидат технічних наук).
    Способи виявлення логічних зв’язків між частинами текстових [Текст] / А. І. Вавіленкова // Вісник Національного технічного університету “ХПІ” : зб. наук. пр. / Харківський політехнічний ін-т, нац. техн. ун-т. - Харків : НТУ “ХПІ”, 2016. - Вип. 12(1184): Нові рішення в сучасних технологіях. - С. 101-105 : ил. - Библиогр. в конце ст.
УДК

Рубрики: Радиоэлектроника

   Искусственный интеллект. Экспертные системы


   Радіоелектроніка


   Штучний інтелект. експертні системи


Кл.слова (ненормовані):
логіко-лінгвістичні моделі -- логико-лингвистические модели -- природна мова -- естественный язык -- логіко-лінгвістичні моделі -- логико-лингвистические модели -- логічні зв’язки -- логические связи -- текстові документ -- текстовые документы -- аналіз -- анализ -- штучний інтелект -- искусственный интеллект
Анотація: Метою роботи є створення формального опису способів виявлення логічних зв’язків між частинами тексів. Одним із засобів лінгвістичного аналізу текстової інформації та екстракції знань є логіко-лінгвістичні моделі. Довільний текст можна представити у вигляді масиву логіко-лінгвістичних моделей речень природної мови, логічні операції та структурні компоненти яких вказують на типи логічних зв’язків. Пропонується для відображення структури тексту використовувати формальний опис п’яти абстрактних моделей, що в подальшому дають можливість визначити тематику тексту.
Дод.точки доступу:
Сокол, Євген Іванович (доктор технічних наук ; ректор НТУ "ХПІ" 2015-) \відп. ред.\
Сокол, Евгений Иванович (доктор технических наук ; ректор НТУ "ХПИ" 2015-)
Харківський політехнічний ін-т, нац. техн. ун-т

Примірників усього: 1
аб.1 (1)
Вільні: аб.1 (1)

Знайти схожі

2.
   062
   Х 23


Харківський політехнічний ін-т, нац. техн. ун-т

    Погребняк, Сергій Віталійович (студент кафедри динаміки та міцності машин).
    Розробка комп’ютерної системи для обробки результатів експерименту за допомогою штучної нейронної мережі [Текст] / С. В. Погребняк, О. О. Водка // Вісник Національного технічного університету “ХПІ” : зб. наук. пр. / Харківський політехнічний ін-т, нац. техн. ун-т. - Харків : НТУ “ХПІ”, 2016. - Вип. 42(1214): Нові рішення в сучасних технологіях. - С. 145-153 : ил. - Бібліогр. в кінці ст.
УДК

Рубрики: Радіоелектроніка

   Штучний інтелект. Експертні системи


   Радиоэлектроника


   Искусственный интеллект. Экспертные системы


Кл.слова (ненормовані):
комп’ютерне моделювання -- штучний інтелект -- апроксимація -- інтерполяція -- програмне забезпечення -- нейронні мережі прямого поширення -- зони оптимальної роботи -- створення рекурентної мережі -- компьютерное моделирование -- искусственный интеллект -- аппроксимация -- интерполяция -- программное обеспечение -- нейронные сети прямого распространения -- зоны оптимальной работы -- создание рекуррентной сети
Анотація: Нейронні мережі знайшли своє використання в різних сферах комп’ютерного моделювання, в тому числі і в механіці. Вони часто використовуються, так як дають високу точність, швидкість і гнучкість роботи. Метою роботи є створення програмного забезпечення з використанням елементів штучного інтелекту, для апроксимації та інтерполяції експериментальних даних. Програмне забезпечення повинно коректно працювати, мати простий інтерфейс та видавати результати з мінімальною похибкою. Методом рішення було використання елементів штучного інтелекту, а точніше нейронних мереж прямого поширення. В роботі збудована та навчена нейронна мережа прямого поширення. Вона була навчена вчителем (вчитель з використанням метода зворотного розповсюдження похибки) на основі навчаючої вибірки попередньо проведеного експерименту. Для перевірки мережі на коректність роботи та визначення величини похибки відповіді мережі проводилась перевірка на відомих даних, які не використовувалися для навчання, таким методом була проведена незалежна оцінка і визначена точність відповіді мережі та знайдена оптимальна зона роботи мережі. В статті детально описується тип мережі та її топологія, кількість вхідних та вихідних і прихованих нейронів, типи функції активації, способи навчання і підготовки навчаючої вибірки, описані математично. В результаті проведеної роботи була збудоване та протестоване програмне забезпечення з використанням штучних нейронних мереж, визначена величина похибки і зона її оптимальної роботи.
Дод.точки доступу:
Сокол, Євген Іванович (доктор технічних наук) \відп. ред.\
Сокол, Евгений Иванович (доктор технических наук)
Водка, Олексій Олександрович (кандидат технічних наук; доцент кафедри динаміки та міцності машин)
Харківський політехнічний ін-т, нац. техн. ун-т

Примірників усього: 2
аб.1 (2)
Вільні: аб.1 (2)

Знайти схожі

3.
   062
   Х 23


Харківський політехнічний ін-т, нац. техн. ун-т

    Поворознюк, А. И. (доктор технических наук).
    Информационная поддержка диагностико-лечебных мероприятий в медицине [Текст] / А. И. Поворознюк, О. А. Поворознюк // Вісник Національного технічного університету “ХПІ” : зб. наук. пр. / Харківський політехнічний ін-т, нац. техн. ун-т. - Харків : НТУ “ХПІ”, 2016. - Вип. 25(1197): Нові рішення в сучасних технологіях. - С. 73-79 : ил. - Библиогр. в конце ст.
УДК

Рубрики: Вычислительная техника

   Искусственный интеллект. Экспертные системы


   Обчислювальна техніка


   Штучний інтелект. Експертні системи


Кл.слова (ненормовані):
компьютерная система -- комп’ютерна система -- искусственный интеллект -- штучний інтелект -- принятие решения -- прийняття рішень -- диагностика -- діагностика -- лечение -- лікування -- врачебное действие -- лікарська дія -- врачебные ошибки -- лікарська помилка -- диагностический признак -- діагностична ознака -- решающее правило -- вирішальне правило
Анотація: Формализованы этапы диагностико-лечебных мероприятий при разработке компьютерных систем поддержки принятия решений в медицине. Для комплексной оценки этапов диагностико-лечебного процесса с целью минимизации рисков врачебных ошибок выполняется переход из традиционного пространства диагностических признаков в пространство врачебных действий. Анализ диагнозов в пространстве врачебных действий позволил разработать метод иерархической кластеризации диагнозов в пространстве врачебных действий и коррекцию порогов в диагностическом решающем правиле.
Дод.точки доступу:
Сокол, Євген Іванович (доктор технічних наук ; ректор НТУ "ХПІ" з 2015 року) \відп. ред.\
Сокол, Евгений Иванович (доктор технических наук ; ректор НТУ "ХПИ" с 2015 года)
Поворознюк, О. А. (кандидат технических наук)
Харківський політехнічний ін-т, нац. техн. ун-т

Примірників усього: 2
аб.1 (2)
Вільні: аб.1 (2)

Знайти схожі

4.
004.8
Э 65


Харківський політехнічний ін-т, нац. техн. ун-т

   
    Энергоэффективная система панорамного ультразвукового обнаружения препятствий для слепых [Текст] / В. Л. Костенко [и др.] // Вісник Національного технічного університету “ХПІ” = Bulletin of the National Technical University “KhPI” : зб. наук. пр. / Харківський політехнічний ін-т, нац. техн. ун-т. - Харків : НТУ “ХПІ”, 2018. - Вип. 16(1292): Нові рішення в сучасних технологіях. - С. 47-55 : ил. - Библиогр. в конце ст.
УДК
ББК 32.813

Рубрики: Радиоэлектроника

   Радіоелектроніка


   Искусственный интеллект. Экспертные системы


   Штучний інтелект. Експертні системи


Кл.слова (ненормовані):
ультразвуковые датчики -- микроконтроллер -- звуковой излучатель -- программные коды -- энергопотребление -- ультразвуковое обнаружение препятствий -- пространственное ориентирование -- реабилитация незрячих людей -- ультразвукові датчики -- мікроконтролер -- звуковий випромінювач -- програмні коди -- енергоспоживання -- ультразвукове виявлення перешкод -- просторове орієнтування -- реабілітація незрячих людей
Анотація: Разработана энергоэффективная система ультразвукового обнаружения препятствий для слепых. Показана возможность повышения эффективности системы – расширения угла обзора, снижения энергопотребления, повышения времени автономной работы от элемента питания без подзарядки, за счет использования современной элементной базы, выбора оптимальной тактовой частоты и алгоритма работы микроконтроллера. Приведены результаты разработки программной модели и кода программы работы микроконтроллера. На основе данных исследований был собран и испытан макет устройства. Наличие трех ультразвуковых датчиков позволяет расширить угол обзора и определять наличие препятствий прямо перед человеком, а также слева и справа от него.
Дод.точки доступу:
Сокол, Євген Іванович (доктор технічних наук ; ректор НТУ "ХПІ" 2015-) \відп. ред.\
Сокол, Евгений Иванович (доктор технических наук ; ректор НТУ "ХПИ" 2015-)
Костенко, В. Л. (доктор технических наук; профессор)
Кондратьев, С. Б.
Ядрова, М. В. (кандидат технических наук; доцент)
Попов, Д. А.
Харківський політехнічний ін-т, нац. техн. ун-т

Примірників усього: 1
аб.1 (1)
Вільні: аб.1 (1)

Знайти схожі

5.
004.8
Г 46


Національний технічний університет “Харківський політехнічний інститут”

    Гигиняк, Віктор Васильович.
    Аналіз даних та машинне навчання на основі даних лабораторії ЦЕРН [Текст] / В. В. Гигиняк, А. О. Хлевний // Вісник Національного технічного університету “ХПІ” = Bulletin of the National Technical University “KhPI” : зб. наук. пр. / НТУ “ХПІ”. - Харків : НТУ “ХПІ”, 2020. - Вип. 2(4): Нові рішення в сучасних технологіях. - С. 53-57 : іл. - Бібліогр. в кінці ст.
УДК

Рубрики: Радіоелектроніка

   Радиоэлектроника


   Штучний інтелект. Експертні системи


   Искусственный интеллект. Экспертные системы


Кл.слова (ненормовані):
аналіз даних -- обробка даних -- експериментальні дані -- машинне навчання -- бінарна класифікація -- градієнтний бустинг -- фізика елементарних частинок -- нейронні мережі -- анализ данных -- обработка данных -- экспериментальные данные -- машинное обучение -- бинарная классификация -- градиентный бустинг -- физика элементарных частиц -- нейронные сети
Анотація: У даній роботі проведено аналіз даних, застосовано та порівняно між собою ряд методів машинного навчання до одного із найбільш важливих за своїм впливом та значенням відкритих датасетів організації ЦЕРН, розміщених на CERN Open Data Portal, який пов’язаний із відкриттям бозону Хіггса. Завдання полягало у вирішенні проблеми бінарної класифікації та розподіленні спостережень на ті, що свідчать про сигнал розпаду частинки та фонові. На першому етапі було проаналізовано вхідні дані, проведено аналіз відсутніх значень. Було відзначено залежність факту відсутності більшості змінних від однієї характеристичної, а також перевірено чи впливає наявність/відсутність на приналежність спостережень до сигналу. Для оцінки та отримання початкових результатів про вплив змінних на результат було розраховано матриці кореляцій. Далі застосовано більш точний та надійний метод розрахунку Predictive Power Score, який є новим та перспективним підходом до визначення залежностей, а саме передбачувальних властивостей змінних. Для подальшого застосування підходів машинного навчання датасет було оброблено та очищено, виявлено та закодовано категоріальні змінні за підходом «one-hot encoding», а також проведено заміну відсутніх значень на розраховані середні по датасету. Після підготовки вхідних даних їх було використано для навчання та валідації ряду моделей. Оскільки проблема полягала в вирішенні питання бінарної класифікації, то до розглянутих моделей ввійшли найбільш поширені методи класифікації, такі як: Decision Tree, Logistic Regression, Bagging, Random Forest, K-Nearest Neighbours, Gradient Bossting, XGB, SVM. До кожного з методів було застосовано пошук гіперпараметрів із використанням 2-фолдної крос-валідації. Серед метрик для оцінки якості та продуктивності моделей було обрано метрики акуратності, точності, чутливості, F-значення та AUC, остання з них була вирішальною, оскільки найбільше підходила до вимог та особливостей класифікації. Найкращими себе показали K-Nearest Neighbours та методи, що базуються на побудові ансамблів із простих класифікаторів, а саме дерев рішень. Також було проведено навчання та валідація моделей на базі нейронних мереж, які хоч і показали досить високі результати, однак через проблематику з перенавчанням виявилися дещо гіршими за методи на основі побудови ансамблів. Найвищі значення спостерігались для Gradient Boosting та XGB, а так як останній є схожим за принципом до першого, але має ряд переваг по швидкості, надійності та продуктивності, то було обрано зупинитися саме на ньому. Після наступного етапу вдосконалення вхідних параметрів моделі, було досягнуто збільшення значень метрик та отримано високі показники передбачувальної здатності. Оскільки XGB базується на побудові ансамблів із простіших предикторів (а в даному випадку дерев рішень), то це дозволило отримати наочне уявлення про алгоритм передбачення. Таким чином наступним кроком було проведено візуалізацію роботи отриманої моделі у вигляді побудови зведеного дерева рішень, а також розраховано F-значення важливості змінних. Отримані результати дозволили провести аналіз впливу кожної із змінних на передбачення сигналу, а також порівняти їх із теоретичними відомостями. Було відмічено більший вплив змінних, отриманих вченими методами розрахунку із теоретичних формул в порівнянні із вхідними змінним, які відповідали неопрацьованим значенням детекторів. Таким чином в результаті роботи було проаналізовано різні підходи та методи машинного навчання, встановлено, що найбільш продуктивними та при цьому легкими в інтерпретації результатів є моделі на базі ансамблю дерев рішень, а також отриманий алгоритм для роботи з експериментальними даними, їх аналізом та використанням у методах машинного навчання.
Дод.точки доступу:
Сокол, Євген Іванович (доктор технічних наук ; ректор НТУ "ХПІ" 2015-) \відп. ред.\
Сокол, Евгений Иванович (доктор технических наук ; ректор НТУ "ХПИ" 2015-)
Хлевний, Андрій Олександрович (кандидат технічних наук)
Національний технічний університет “Харківський політехнічний інститут”

Примірників усього: 1
аб.1 (1)
Вільні: аб.1 (1)

Знайти схожі

6.
004.8
К 60


Національний технічний університет “Харківський політехнічний інститут”

    Колдун, Максим Миколайович.
    Побудова алгоритму прогностичної моделі при створенні предиктивного модуля передбачення нештатних ситуацій в роботі автоматизованої системи керування технологічними процесами [Текст] / М. М. Колдун, Ю. Є. Грудзинський // Вісник Національного технічного університету “ХПІ” = Bulletin of the National Technical University “KhPI” : зб. наук. пр. / НТУ “ХПІ”. - Харків : НТУ “ХПІ”, 2020. - Вип. 2(4): Нові рішення в сучасних технологіях. - С. 58-63 : іл. - Бібліогр. в кінці ст.
УДК

Рубрики: Радіоелектроніка

   Радиоэлектроника


   Штучний інтелект. Експертні системи


   Искусственный интеллект. Экспертные системы


Кл.слова (ненормовані):
теплоенергетика -- формалізація -- оцінка -- прогнозування -- моделювання -- виробництво -- агрегування -- параметри -- ітераційний алгоритм -- теплоэнергетика -- формализация -- оценка -- прогнозирование -- моделирование -- производство -- агрегирование -- параметры -- итерационный алгоритм
Анотація: У статті пропонується методологія створення моделі роботи прогнозуючої системи для технологічних об'єктів управління складними або критичними виробництвами. Для цього запропоновано використовувати ітераційний алгоритм прогнозування технічного стану об'єкта, побудований на основі математико-статистичних методів обробки часових рядів показань об'єктових давачів, який включає в себе кілька кроків. Кроки алгоритму реалізують: формалізацію апріорних даних,, що мають відношення до побудови моделі, у вигляді вхідного керуючого фактора X і вихідного контрольованого вектора параметрів y; висування гіпотези про структуру моделі за результатами ранжирування вхідних керуючих факторів X; вибір алгоритму отримання інформації з об'єкта управління відповідно до структури моделі і ітераційного алгоритму; вибір реалізації алгоритму знімання інформації відповідно необхідної точності вимірювань вхідних параметрів керуючих факторів і оцінки впливу збурюючих впливів; оцінку параметрів моделі, використовуючи стандартні математичні процедури статистичної обробки даних з виключенням слабо значущих параметрів; перевірку адекватності моделі з можливим повторенням усієї процедури з метою поліпшення характеристик моделі. Запропонована агрегована процедура побудови моделі поведінки об'єкта керування придатна для дослідження поведінки більшості потенційно небезпечних технологічних об'єктів управління. Процедура дозволяє здешевити і спростити розробку моделі потенційно небезпечних об'єктів, забезпечити подальший безпечний режим їх функціонування та зробити оцінку їх поточного і майбутнього станів, знизивши витрати на їхню експлуатацію.
Дод.точки доступу:
Сокол, Євген Іванович (доктор технічних наук ; ректор НТУ "ХПІ" 2015-) \відп. ред.\
Сокол, Евгений Иванович (доктор технических наук ; ректор НТУ "ХПИ" 2015-)
Грудзинський, Юрій Євгенійович (ст. викладач)
Національний технічний університет “Харківський політехнічний інститут”

Примірників усього: 1
аб.1 (1)
Вільні: аб.1 (1)

Знайти схожі

7.
004.8
К 32


Національний технічний університет “Харківський політехнічний інститут”

   
    Квазистереоскопическая система обнаружения препятствий для слепых на базе RASPBERRY PI 3 и STM 8L [Текст] / В. Л. Костенко [и др.] // Вісник Національного технічного університету “ХПІ” = Bulletin of the National Technical University “KhPI” : зб. наук. пр. / НТУ “ХПІ”. - Харків : НТУ “ХПІ”, 2020. - Вип. 2(4): Нові рішення в сучасних технологіях. - С. 64-75 : ил. - Библиогр. в конце ст.
УДК

Рубрики: Радиоэлектроника

   Радіоелектроніка


   Искусственный интеллект. Экспертные системы


   Штучний інтелект. Експертні системи


Кл.слова (ненормовані):
видеокамера -- Raspberry Pi -- ШИМ контролер -- вибромотор -- ультразвуковой датчик -- карта глубин -- вспомогательные устройства -- оптические датчики -- відеокамера -- ШІМ контролер -- вібромотор -- ультразвуковий датчик -- карта глибин -- допоміжні пристрої -- оптичні датчики
Анотація: Разработана квазистереоскопическая система для выявления препятствий для слепых с повышенной информативностью. Повышение информативности осуществляется за счет применения одноплатного компьютера Raspberry Pi 3 и микроконтроллера STM8L. Подсистема панорамного ультразвукового обнаружения позволяет определять наличие помех и их удаленность по частоте прохождения звукового сигнала, а подсистема создания тактильного рельефа – по интенсивности тактильной информации. В устройстве предусмотрена возможность коммутации подсистем с источником питания в соответствии с режимом обнаружения помех. С помощью кнопки подачи питания осуществляется отключение подсистемы создания тактильного рельефа, ток потребления которой не менее 500 мА, с сохранением работы подсистемы ультразвукового обнаружения препятствий, ток потребления которой не более 20 мА, при этом обеспечивается экономия заряда элемента автономного питания, продления срока его работы без подзарядки. Приведены результаты разработки программной модели-алгоритм работы системы, код программы построения кадра с картой глубин в реальном времени, код программы работы вибромоторов, модульные тесты для тестирования программного кода подсистемы создания тактильного рельефа. На основе данных исследований был собран и испытан макет устройства. После определенного цикла тренировок, слабовидящий человек приобретает способность к лучшей ориентации в пространстве. Автономность системы обеспечивается экономным энергопотреблением за счет применения разработанного алгоритма работы системы и современной энергоэффективной аппаратной части.
Дод.точки доступу:
Сокол, Євген Іванович (доктор технічних наук ; ректор НТУ "ХПІ" 2015-) \відп. ред.\
Сокол, Евгений Иванович (доктор технических наук ; ректор НТУ "ХПИ" 2015-)
Костенко, Виталий Леонидович (доктор технических наук; профессор)
Кондратьев, Сергей Борисович (ст. преподаватель)
Ядрова, Марина Васильевна (кандидат технических наук; доцент)
Стельмах, Диана Евгеньевна
Національний технічний університет “Харківський політехнічний інститут”

Примірників усього: 1
аб.1 (1)
Вільні: аб.1 (1)

Знайти схожі

 

Наша адреса: 61000, Харків, вул. Кирпичова, 2
Науково-технічна бібліотека НТУ "ХПІ"
Контактний телефон: (057) 707-63-07
E-mail: library@khpi.edu.ua