2023

Permanent URI for this communityhttp://crust.ust.edu.ua/handle/123456789/17062

UKR: У даному репозитарії представлені електронні версії статей, автори яких є членами співтовариства університету. Зі статтями авторів, що не працюють в УДУНТ, можна ознайомитися на сайті журналу "Системні технології".
ENG: This repository contains e-articles whose authors are members of the community of the university. Articles of authors who are not USUST employees are available online at the website of the journal "System technologies".

Browse

Now showing 1 - 3 of 3

Визначення здатності штучного інтелекту до встановлення авторства художнього україномовного тексту за значними фрагментами
(Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2023) Іванов, Олександр Петрович; Скалозуб, Владислав Васильович; Горячкін, Вадим Миколайович; Шинкаренко, Віктор Іванович
UKR: Штучний інтелект стає невід’ємною частиною побутового життя та професійної діяльності людини. Представлена робота має на меті дослідити ефективність визначення авторства художніх текстів за допомогою сучасних інструментів штучного інтелекту, а саме інтелектуальна пошукова система Bing. Для експерименту було вибрано десять українських авторів з багатим доробком художніх творів, які відображають різні аспекти української культури та історії. Випадкові фрагменти довжиною до 500 слів були вибрані з різних творів цих авторів. Було проведено експеримент з визначення авторства 360 фрагментів. Використовуючи мову програмування Python та пакет skpy, було створено програмне забезпечення, яке надсилає запити та отримує відповіді від Bing бота, вбудованого в Microsoft Skype. В текстах відповідей перевірялася наявність імені автора фрази та відповідної назви твору. Встановлено, що довгі фрагменти дозволяють з високою точністю, але не завжди визначити автора художнього україномовного тексту.
Реляційно-сепарабельні моделі процесів моніторингу при перемінних і нечітких інтервалах спостережень
(Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2023) Скалозуб, Владислав Васильович; Горячкін, Вадим Миколайович; Мурашов, Олег Вячеславович
UKR: Стаття присвячена розвитку комбінованих моделей, методів і засобів, призначених для вирішення актуальних завдань моделювання та аналізу даних процесів моніторингу, які представлені часовими рядами і відрізняються перемінним або нечітким інтервалом спостережень (ЧРПНІ). В наших попередніх дослідженнях для реалізації завдань аналізу і прогнозування характеристик ЧРПНІ була запропонована сепарабельна модель (СПМ), а також удосконалений квантильний алгоритм. При реалізації процесів моніторингу з нечітким кроком інтервалів спостережень застосувався підхід на основі декомпозиції за допомогою α-рівнів. Засобами моделі СПМ і квантильного алгоритму були досліджені дані клінічного моніторингу процесів реабілітації хворих на діабет. В цій роботі для підвищення точності та ефективності моделювання і аналізу процесів ЧРПНІ запропоновані нові реляційно-сепарабельна модель (РСМ) і комбінований квантильний алгоритм. Реляційна модель визначається системою нечітких реляційних відношень першого та другого порядку, отриманих на основі вихідної послідовності даних. У комбінованому алгоритмі результати розрахунків, отримані за СПМ і моделями нечітких реляційних відношень, узагальнювалися при оптимальному виборі вагових коефіцієнтів для окремих складових. В результаті виконаних досліджень шляхом числового моделювання було встановлено, що запровадження комбінованих моделей процесів при ЧРПНІ являється раціональним та результативним. Приклади аналізу даних моніторингу процесів реабілітації хворих на діабет показали певні можливості забезпечення вимоги до точності результатів аналізу показників та їх короткострокового прогнозування.
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.