Browsing by Author "Терленко, Андрій Павлович"

Now showing 1 - 2 of 2

Дослідження процедур мережі хеммінга для управління сервісними системами при неточно визначених і природомовних даних
(Український державний університет науки і технологій, Дніпро, 2022) Скалозуб, Владислав Васильович; Горячкін, Вадим Миколайович; Клименко, Іван Вікторович; Терлецький, Ігор Андрійович; Терленко, Андрій Павлович
UKR: Моделі та методи, а також програмні засоби щодо завдань планування потоків замовлень систем обслуговування, або сервісних систем (С&С), мають досить велике поширення. Завдання з розвитку процедур класифікації та управління С&С на основі моделі асоціативної пам’яті нейронної мережі Хеммінга (МХ) за неточно визначених характеристик даних сьогодні є актуальним, має теоретичне та практичне значення. Основна мета роботи – розвиток та дослідження математичних моделей процедур мережі Хеммінга для С&С за неточно визначених та природномовних характеристик даних, порівняльний аналіз моделей нечітких множин і коефіцієнтів упевненості CF. Методика. У роботі використано модифікацію процедур нейронної мережі Хеммінга та числові експериментальні дослідження порівняльних можливостей застосування як моделей первинних даних нечітких множин μХ (X → [0; 1]), а також експертних показників достовірності, коефіцієнтів впевненості CF(A) з множини [– 1; + 1]. Результати. Виконано формування та дослідження вдосконалених моделей нейронних мереж Хеммінга, призначених для процедур класифікації в С&С за неточно визначених та природномовних характеристик даних. Наукова новизна. Уперше для зав-дань класифікації та управління С&С досліджено порівняльні можливості використання нечітких величин (НВ), а також коефіцієнтів упевненості CF як моделей для представлення властивостей неповних і неточно визначених даних, а також даних у природномовній формі. При цьому встановлено переваги моделі коефіцієнтів впевненості CF та сформовано відповідні процедури класифікації та управління С&С. Практична значимість. Розроблені у статті моделі та процедури класифікації властивостей багатопараметричних об’єктів С&С на основі модифікованих нейронних мереж Хеммінга дозволяють ефективно вирішувати широке коло завдань сфери управління С&С за невизначености та неповноті первинних даних.
Дослідження інтелектуальних процедур і програмних засобів оптимізації потоків замовлень сервісних систем
(Український державний університет науки і технологій, м. Дніпро, 2022) Терленко, Андрій Павлович
UKR: В магістерській роботі було виконано аналіз моделей та інтелектуальних процедур завдань оптимізації потоків замовлень в сервісних системах. Запропоновано нові постановки завдань щодо оптимізації потоків замовлень сервісних систем, для реалізації яких застосовуються інтелектуальні процедури класифікації за не точно визначеними даними. Виконано вдосконалення математичних моделей оптимізації потоків замовлень сервісних систем на основі інтелектуальних процедур Хеммінга при не точно визначених характеристиках даних, які враховують різні моделі вихідних даних. Розроблено програмні засоби із класифікації компонентів послідовностей замовлень на основі модифікованих процедур мережі Хеммінга. Проведено числовий експеримент з метою підтвердити достовірність та ефективність запропонованих моделей і методів. Отримано рекомендації стосовно застосування процедур класифікації процедур Хеммінга при не точно визначених характеристиках даних, які враховують різні моделі вихідних даних. Мета дослідження полягає в розвитку постановок завдань та удосконаленні математичних моделей оптимізації потоків замовлень сервісних систем на основі інтелектуальних процедур Хеммінга при не точно визначених характеристиках даних. Об’єкт дослідження – інтелектуальні процедури і програмні засоби оптимізації потоків замовлень у сервісних системах при не точно визначених характеристиках даних.