Реєстраційний номер
0826U004769, Дисертація доктора філософії
На здобуття
Доктор філософії
Дата захисту
11-09-2026
Статус
Захищена
Назва роботи
Інтелектуальні методи та моделі комп’ютерно-математичного моделювання плазмохімічних процесів отримання наночасток
Здобувач
Макарченко Віктор Сергійович,
Керівник Коротка Лариса Іванівна
Опонент Гук Наталія Анатоліївна
Опонент Нескородєва Тетяна Василівна
Рецензент Островська Катерина Юріївна
Рецензент Гнатушенко Вікторія Володимирівна
Установа, організація, у вченій раді якої відбудеться/відбувся захист
Український державний університет науки і технологій
Опис
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).
Дата реєстрації
2026-08-24
Додано/оновлено в НРАТ
2026-08-24 / 2026-09-16
