Оновлено: 2026-01-04
Загальна кількість
Повні тексти
Загальна кількість
Повні тексти
Кількість локальних репозитаріїв
Повні тексти
0826U000010, Дисертація доктора філософії
Доктор філософії
Запланована
Методи та засоби асоціативного оброблення даних для класифікації об’єктів в інтелектуальних системах
Каташинський Дмитро Олександрович,
Керівник Мартинюк Тетяна Борисівна
Опонент Тимченко Леонід Іванович
Опонент Цмоць Іван Григорович
Рецензент Колесницький Олег Костянтинович
Рецензент Кулик Ярослав Анатолійович
Дисертаційна робота: 169 с., 12 табл., 36 рис., 4 дод., 78 джерел. МЕТОДИ ТА ЗАСОБИ АСОЦІАТИВНОГО ОБРОБЛЕННЯ ДАНИХ ДЛЯ КЛАСИФІКАЦІЇ ОБ’ЄКТІВ В ІНТЕЛЕКТУАЛЬНИХ СИСТЕМАХ. Мета дослідження полягає у розширенні функціональних можливостей нейроподібних класифікаторів за рахунок ранжування результатів класифікації, що забезпечить наочність та зручність користувачам при прийнятті рішень в інтелектуальних системах різного призначення. Об’єктом дослідження є процеси паралельного оброблення масивів даних на регулярних структурах для асоціативних задач з орієнтацією на класифікацію обʼєктів.Предметом дослідження є методи, алгоритми та програмні засоби, що забезпечують паралельне оброблення масивів даних на регулярних структурах для класифікаторів обʼєктів. Дисертаційну роботу присвячено розв’язанню науково-прикладної задачі розроблення методів та засобів асоціативного оброблення даних для класифікації та ранжування об’єктів у інтелектуальних системах. Актуальність дослідження визначається необхідністю обробляти в реальному часі значні обсяги інформації для задач штучного інтелекту і відповідно потребою у створенні програмних та апаратно-ефективних засобів для виконання інтелектуальних функцій. В ході розвʼязання поставлених завдань отримано такі наукові результати. Подальший розвиток отримав метод паралельного оброблення масивів даних для асоціативних задач у процесі сортування та ранжування при класифікації об'єктів через використання ознак обнулення елементів числового масиву в процесі альтернативного сортування, що розширює функціональні можливості класифікатора за рахунок ранжування результатів. Вперше запропоновано вдосконалення методу позрізового оброблення масиву даних на базі SM-перетворення з нормалізацією елементів дискримінантних функцій, що забезпечує реалізацію процесу класифікації обʼєктів у матричному (систолічному) форматі. Вперше запропоновано варіант реалізації механізму конкуренції для нейроподібного класифікатора із застосуванням результатів сортування елементів числового масиву, що забезпечує паралелізм процесу класифікації через задіяння швидкісної операції декремента одночасно до всіх елементів числового масиву. Окремі розробки дисертаційної роботи впроваджено на базі ТОВ «Елефантслаб», а також у навчальний процес кафедри обчислювальної техніки ВНТУ у дисципліни «Інтелектуальні системи, технології та нейрокомпʼютери» та «Методи штучного інтелекту та нейромережі». Основні результати виконаних в дисертаційній роботі досліджень опубліковано в 11 роботах: 6 статтях у фахових виданнях; 5 публікаціях у збірках праць конференцій.
2026-01-02
2026-01-02
Оновлено: 2026-01-04
Збереження набору наукових даних відбувається в два етапи:
1.) Створення набору даних
Введіть назву набору, короткий опис набору (анотацію) та натисніть кнопку «Створити набір». Після цього автоматично буде створено чернетку набору даних, яку Ви можете зберігати для подальшої роботи з набором. Система перенаправить Вас на сторінку «Інформація про набір даних».
2.) Заповнення даних
На сторінці «Інформація про набір даних» Вам необхідно заповнити всі поля щодо набору даних і завантажити файли.
Зверніть увагу! Кожен файл завантажується окремо. Це зроблено для стабільної роботи системи.
Після того як Ви заповнили інформацію про набір наукових даних та додали необхідні файли, Ви можете зберегти чернетку або відправити дані в систему.
Зверніть увагу! Якщо дані відправлені Ви не можете їх змінювати.
Чернетки необхідні для зберігання набору даних і його редагування до моменту відправки.
Всі акаунти на сайті НРАТ проходять стандартну процедуру реєстрації і є верифікованими. Однак для того, щоб отримати додаткові можливості, такі як публікація відкритих рецензій на академічні тексти, необхідна верифікація за афіліацією.
В особистому кабінеті відображається поточний статус верифікації за афіліацією.
Щоб отримати статус «верифікований», необхідно змінити основну адресу електронної пошти на корпоративну, яка прив’язана до наукової установи або закладу освіти.
Наприклад: user@ukrintei.ua, user@nas.gov.ua
Для завершення процесу верифікації за афіліацією необхідно заповнити інформацію про себе в персональному кабінеті.
Обов’язковими є такі поля:
– ім’я,
– прізвище,
– науковий ступінь,
– вчене звання.
Всі інші поля є необов’язковими, але бажано їх заповнювати.
Після підтвердження корпоративної електронної скриньки та заповнення обов’язкових полів ваш акаунт буде автоматично верифіковано за афіліацією.
Якщо статус верифікаціїї не змінився одразу, спробуйте перезавантажити сторінку.
Якщо ваша електронна адреса є корпоративною і всі обов’язкові поля заповнені, але акаунт не має позначки верифікації, вам необхідно написати нам на електронну скриньку NRAT@ukrintei.ua. Після перевірки ми додамо вашу адресу в базу даних, і ваш акаунт буде верифіковано.
Після проходження процедури верифікації за афіліацією Ви можете змінити основну адресу електронної скриньки на зручну для вас, не втративши при цьому статусу верифікації.
Проходити верифікацію за афіліацією необхідно лише один раз.
* Ми використовуємо корпоративні адреси з Єдиної державної бази з питань освіти та Державного реєстру наукових установ, яким надається підтримка держави
Для пошуку новин, опублікованих на офіційному вебпорталі НРАТ у розділі «Новини» необхідно ввести у пошукове поле одне слово, декілька слів або точну фразу. Окремі слова розділяються проміжками.
Пошук виконується всюди – як у назві, так і у тексті новини.
Для отримання більш повного результату рекомендується використовувати основу слів (частини слів без закінчення).
При використанні для пошуку декількох слів вони поєднуються одним з логічних способів, описаних нижче.
За замовчуванням встановлено логічний сполучник “та”. У такому випадку результати пошуку будуть охоплювати усі публікації новин, де є вказані слова, навіть якщо вони розташовані окремо одне від одного і знаходяться у різних частинах тексту.
Приклад. Пошукова фраза: звіт ОЕСР. Результат пошуку: всі новини, які містять слово «звіт» та слово «оеср» як разом, так і окремо в тексті і в назві.
Якщо словосполучення чи фразу взяти у лапки (“), то результати будуть містити усі публікації, де зустрічається саме це словосполучення або фраза.
Приклад. Пошукова фраза: «звіт ОЕСР». Результат пошуку: всі новини, які містять точну фразу «звіт оеср».
Якщо Вам відома дата публікації новини або цікавить певний проміжок часу, в який вони були опубліковані на сайті, можна обрати таку дату чи інтервал дат у додатковому полі, що має вигляд календаря. Напис дати здійснюється у форматі рік-місяць-день і підтверджується натисканням на відповідну дату у випадаючому полі календаря. Можна вписувати дату або обирати, гортаючи сторінки календаря за місяцями та роками. За замовчуванням інтервал починається з більш давньої дати (2018-01-23) та завершується поточною.
Також Ви можете використовувати один або декілька хештегів, які розташовані під полем пошуку у правій частині екрану сторінки «Новин».
Зверніть увагу: пошук академічних текстів проводиться в окремому пошуковому вікні за посиланням https://nrat.ukrintei.ua/searchdb/