Registration Number
0826U004769, PhD dissertation
Status
Доктор філософії
Date
11-09-2026
popup.evolution
.
Title
Intelligent methods and models of computer-mathematical modeling of plasma-chemical processes of obtaining nanoparticles
Author
Viktor Makarchenko,
popup.head Larysa I. Korotka
popup.opponent Nataliia A. Huk
popup.opponent Tatyana V. Neskorodieva
popup.review Kateryna Y. Ostrovska
popup.review Victoria V. Gnatushenko
popup.rada
Ukrainian State University of Science and Technologies
Description
Дисертацію присвячено розробці інтелектуальних методів та моделей для комп'ютерно-математичного моделювання плазмохімічних процесів отримання наночасток в умовах обмеженого обсягу експериментальних даних. Актуальність теми зумовлена широким застосуванням наночасток у нанотехнологіях, матеріалознавстві, енергетиці та медицині, а також складністю, нелінійністю та багатофакторністю плазмохімічних процесів, що ускладнює їх аналітичне моделювання та потребує застосування сучасних інформаційних технологій.
Мета дослідження – розробка інтелектуальних методів та моделей комп'ютерно-математичного моделювання плазмохімічних процесів отримання наночасток на основі гібридного підходу, що поєднує генеративні моделі, нечітку логіку та нейронні мережі, для підвищення точності оцінки характеристик наночасток.
Для досягнення мети поставлено і вирішено такі завдання: проаналізовано існуючі моделі та методи; визначено особливості оцінки інформативності ознак та розроблено підхід до їх відбору; досліджено методи генерації синтетичних даних при обмеженому обсязі спостережень; реалізовано метод оцінки якості синтетичних даних із застосуванням нечіткого логічного модуля; вдосконалено нейромережеві підходи та розроблено гібридні моделі для оцінювання вихідних характеристик наночасток; проведено чисельні дослідження та оцінено точність запропонованих моделей.
Об’єктом дослідження є процеси комп'ютерно-математичного моделювання багатофакторних нелінійних залежностей між технологічними параметрами складних систем (отримання наночасток у низькотемпературній плазмі).
Предметом дослідження – інтелектуальні методи та, зокрема, нейромережеві моделі оцінки вихідних характеристик плазмохімічних процесів в умовах обмеженого обсягу даних.
Методи дослідження: статистичний аналіз даних (кореляційний аналіз, взаємна інформація, важливість ознак на основі випадкового лісу, комбінований критерій відбору ознак); методи машинного навчання (регресійні моделі, ансамблеві методи); генеративні та нейромережеві методи (Generative Adversarial Networks для отримання синтетичних даних, багатошаровий перцептрон для прогнозування); методи нечіткої логіки та нечіткого логічного виведення (алгоритм Мамдані, центроїдний метод дефазифікації) для визначення якості синтетичних даних; методи оцінки якості моделей (MAE, RMSE, MSE, R²).
Наукова новизна одержаних результатів полягає у наступному.
Удосконалено метод розширення малих вибірок експериментальних даних за допомогою генеративно-змагальних мереж (GAN) із впровадженням механізмів регуляризації та оцінки взаємної інформації (Mutual Information), що дозволило зменшити ризик явища «колапсу мод» (mode collapse) та зберегти порядок ранжування взаємного впливу вхідних та вихідних змінних.
Вперше запропоновано гібридний підхід до моделювання оцінки вихідних параметрів плазмохімічного процесу в умовах обмеженого обсягу даних, який поєднує генеративно-змагальні мережі для генерації даних, апарат нечіткої логіки для оцінювання їх якості (через нечітке зважування) та багатошарові нейронні мережі для оцінювання вихідних параметрів багатовимірного нестаціонарного нелінійного процесу.
Вперше формалізовано процедуру зважування синтетичних даних на основі нечітких змінних: відстані до найближчих реальних точок, щільності розподілу та ступенів залежності між параметрами експериментальних даних, за умов їх недостатньої кількості, що дозволило підвищити точність моделей в умовах обмеженого обсягу даних.
Дістало подальший розвиток практичне застосування дерев прийняття рішень для аналізу значущості вхідних змінних на вихідні у плазмохімічних процесах, що дозволило автоматизувати ранжування вхідних змінних.
Практичне значення одержаних результатів полягає в тому, що на базі реальних експериментальних даних проведено системний аналіз плазмохімічного процесу і розроблено методи збільшення вибірки даних при їх малій кількості, що дозволяє зберегти фізичний зміст залежностей; реалізовано інтелектуальну технологію моделювання, яка враховує корельованість змінних та обмежений обсяг даних, для оцінки вихідних параметрів процесів, які моделюються. Розроблено програмний інструментарій (що підтверджується свідоцтвом про реєстрацію авторського права на твір: комп’ютерна програма).
Registration Date
2026-08-24
popup.nrat_date
2026-08-24 / 2026-09-16
