Browsing by Author "Терлецький, Ігор Андрійович"

Now showing 1 - 7 of 7

Дослідження алгоритмів оптимального формування транспортно-логістичних процесів реального часу гетерогенними операторами
(Український державний університет науки і технологій, Дніпро, 2022) Скалозуб, Владислав Васильович; Горячкін, Вадим Миколайович; Скалозуб, Марина Владиславівна; Терлецький, Ігор Андрійович
UKR: В статті представлено результати досліджень моделей і алгоритмів формування широкого кола транспортно-логістичних процесів реального часу, при виконанні яких утворюються упорядковані структури масових замовлень. При цьому використовуються оператори, які мають різну складність, «вагу». Вирішуються питання щодо створення формальних моделей наборів вхідних даних, на основі яких ведеться ефективна реалізація технологічних і логістичних процесів. Призначення моделей – удосконалення процедур процесів оптимального упорядкування та класифікації послідовностей елементів аналізу, замовлень. Нами запропоновані нові спеціалізовані моделі (графові моделей, бінарні дерева) для вхідних (первинних) множин елементів, а також алгоритми їх оброблення, які забезпечують підвищення ефективності складових процесу упорядкування. Крім того графові моделі і алгоритми дозволяють вирішувати завдання класифікації для даних різних типів, а також являються придатними для упорядкування мульти-послідовностей замовлень. Шляхом порівняльного аналізу встановлена висока обчислювальна ефективність запропонованих нових алгоритмів упоряд-кування та класифікації даних. В статті приведено змістовні приклади та відзначено особливості завдань упорядкування та класифікації мульти-послідовностей замовлень к масштабі реального часу. А саме, це завдання розформування-формування залізничних составів і завдання «масової доставки замовлень товарів за адресою». Для демонстрації моделей та алгоритмів надані приклади реалізації завдань формування та перетворення бінарних графових моделей потоків даних реального часу. Утворені моделі також були застосовані для завдань ефективного сортування, класифікації при інтервальній невизначеності даних. В роботі нами досліджено можливості утворення структур нечіткого упорядкування та класифікації числових даних що надходять у режимі реального часу.
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 моделей класифікації невизначених даних з вимогами достовірності результатів
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2024) Скалозуб, Владислав Васильович; Горячкін, Вадим Миколайович; Терлецький, Ігор Андрійович
UKR: У доповіді приведені результати досліджень та розвитку інтелектуальних моделей управління складними системами за умов невизначеності даних на основі процедур класифікації, які забезпечують достовірне вирішення завдань з урахуванням оцінки граничної розмірності моделей. Досліджені можливості удосконалення нейронних мереж Хеммінга для класифікації даних у форматах нечітких величин і certainty factor CF(A). Визначені особливості математичної моделі завдань класифікації на основі набору шаблонів ознак. Приведено програмний комплекс інформаційної технології управління призначенням/відбором виконавців, а також визначення авторства україномовних творів на основі класифікації наборів шаблонів із певних нечітких ознак. Програмний комплекс використовує запропоновані у доповіді процедури редукції і статистики каппа Коена.
Дослідження інтелектуальних моделей управління на основі процедур класифікації невизначених даних зі встановленими вимогами достовірності результатів
(Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2024) Скалозуб, Владислав Васильович; Горячкін, Вадим Миколайович; Клименко, Іван Вікторович; Терлецький, Ігор Андрійович
UKR: Стаття присвячена дослідженням властивостей і розвитку інтелектуальних моделей управління складними системами за умов невизначеності даних на основі процедур класифікації на основі методів редукції та статистики каппа Коена. Застосування цих методів забезпечує достовірне вирішення завдань з урахуванням оцінки граничної розмірності моделей класифікації. В роботі були досліджені можливості удосконалення нейронних мереж Хеммінга для класифікації даних у форматах нечітких величин і certainty factor CF(A). Також були визначені особливості удосконаленої математичної моделі завдань нечіткої класифікації на основі набору шаблонів ознак. Представлено структуру програмного комплексу інформаційної технології управління призначенням/відбором виконавців на основі класифікації наборів шаблонів із певних нечітких ознак, який використовує процедури редукції і каппа статистики.
Формування моделей класифікації невизначених даних процедурами редукції і каппа статистики
(Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2023) Скалозуб, Владислав Васильович; Горячкін, Вадим Миколайович; Терлецький, Ігор Андрійович; Дудник, Ілля Петрович
UKR: Стаття присвячена розвитку математичних моделей класифікації невизначених даних, представлених нечіткими величинами та коефіцієнтами упевненості CF(A). Процедури формування шаблонів діагностування використовують модифіковані мережі Хеммінга (МХН), а також методи редукції та статистики каппа Коена. При цьому визначаються граничні розмірності та склад параметрів моделі класифікації, які забезпечують встановлені ймовірнісні вимоги достовірності результатів розрахунків. Представлена процедура редукції простору моделі діагностування невизначених даних. У статті наведено постановки, математичні моделі та реалізації завдань класифікації за недетермінованими даними. Прикладом моделі класифікації за нечіткими даними являється завдання із встановлення авторів україномовних текстів. Завдання класифікації при даних у форматі CF(A) відповідає відбору кандидата. Результати числового моделювання дозволили встановити результативність, достовірність та ефективність запропонованих процедур формування достовірних моделей класифікації при невизначених даних.
Інтелектуальна технологія оптимізації керування потоками замовлень сервісних систем із неточно визначеними і природномовними даними
(Український державний університет науки і технологій, Дніпро, 2023) Скалозуб, Владислав Васильович; Горячкін, Вадим Миколайович; Терлецький, Ігор Андрійович
UKR: Мета. Завдання щодо класифікації даних та оптимізації керувань потоками замовлень у системах обслуговування мають значне поширення. Розробка інтелектуальної інформаційної технології (ІІТ) оптимального керування потоками замовлень у сервісних системах (ОПЗС&С), з урахуванням неточно визначених та природномовних характеристик даних (НВД), що реалізована на основі модифікованої мережі Хеммінга (МХН), зараз є актуальною, має наукове і практичне значення. Основною мета роботи – розвиток і вдосконалення математичних моделей і процедур ОПЗС&С та формування ІІТ на основі МХН за НВД. Методика. Запропоновано нові постановки завдань ОПЗС&С, які відзначаються НВД. Удосконалено математичні моделі та інтелектуальні процедури оптимізації потоків ОПЗС&С на основі МХН. Розроблено програмні засоби для ІІТ на основі МХН та процедур процесів ОПЗС&С. Проведено числові дослідження коректності та ефективності рішень. Результати. Сформовано нові постановки завдань ОПЗС&С за НВД, які відрізняються можливостями врахування результатів вибору керувань на попередніх кроках. Виконано формування вдосконалених математичних моделей та продукційних інтелектуальних процедур ОПЗС&С на основі МХН, проведено аналіз сфери їх застосування. Розроблено та досліджено програмні засоби ІІТ для процесів ОПЗС&С з НВД, проведено числовий експеримент для підтвердження достовірності та ефективності запропонованих моделей і методів процесів ОПЗС&С. Наукова новизна. У роботі вдосконалено математичні моделі, а також продукційні інтелектуальні процедури оптимізації потоків на основі результатів класифікації за МХН. Розроблено варіанти моделей функціонування процедур ОПЗС&С, де елементи потоків розглянуто або ізольовано від інших, або оптимальний для поточного елемента вибір керування впливає на обслуговування наступних елементів. Практична значимість. Розроблена на основі модифікованих мереж Хеммінга інтелектуальна інформаційна технологія дозволяє виконувати оптимізацію керувань потоками замовлень у сер-вісних системах з неточно визначеними та природномовними характеристиками даних.
Інтелектуальні процедури упорядкування послідовностей замовлень неоднорідними операторами формування
(Дніпровський національний університет залізничного транспорту імені академіка В. Лазаряна, Дніпро, 2021) Скалозуб, Владислав Васильович; Горячкін, Вадим Миколайович; Терлецький, Ігор Андрійович
UKR: Представлено результати досліджень завдань дискретного оптимального планування широкого кола виробничо-технологічних, логістичних та інших сервісних процесів. В основу методів планування покладено нові інтелектуальні процедури упорядкування (ІПУ) послідовностей елементів (замовлень), що реалізуються засо- бами конструктивного моделювання. Призначення процедур - підвищення ефективності отримання упорядкування замовлень з урахуванням складності операцій формування, а також обмежень на ресурси. В статті розглянуті моделі та методи застосування ІПУ, що орієнтовані на процеси розформування-формування (РФ) багатогрупових залізничних составів (БГС) на сортувальних станціях. Формально такі процеси представлені новими моделями упорядкування мульти-послідовностей замовлень з урахуванням складності операцій (УМПСО). При пошуку оптимальних рішень використані моделі асоціативної пам’яті Хеммінга , які дозволяють класифікувати поточні ситуації процесів УМПСО. В них кожному класу визначених станів (з урахуванням неповноти та збурення даних) відповідає один або кілька раціональних опера-торів із числа можливих. Процедури ІПУ зменшують кількість варіантів аналізу та підвищують чисельну ефективність методу опти- мізації мульти-послідовностей замовлень. В статті приведені формалізація багатошарових конструктивних моделей процесів УМПСО, інтелектуальні процедури для методів їх реалізації, виконано формування процедури класифікації операцій на основі моделей нейронних мереж Хеммінга. При цьому також розроблено удосконалену структуру інформаційної технології РФ з використанням інтелектуальних процедур, наведені приклади їх застосування.