Embed Size (px)
Citation preview
Інститут кібернетики імені В.М. Глушкова НАН України
Київський національний університет імені Тараса Шевченка
Національний технічний університет України «КПІ»
Чернівецький національний університет імені Юрія Федьковича
Академія метрології України
«ПРОБЛЕМИ ІНФОРМАТИКИ ТА КОМП’ЮТЕРНОЇ ТЕХНІКИ»
(ПІКТ – 2016)
Праці V-ї Міжнародної науково-практичної конференції
«ПРОБЛЕМЫ ИНФОРМАТИКИ И КОМПЬЮТЕРНОЙ ТЕХНИКИ»
(ПИКТ – 2016)
Труды V-oй Международной научно-практической конференции
Proceedings of the Fifth International Conference on
«INFORMATICS AND COMPUTER TECHNICS PROBLEMS»
(PICT – 2016)
ЧЕРНІВЦІ
21 – 24 ТРАВНЯ, 2016
2
МІЖНАРОДНА НАУКОВО-ПРАКТИЧНА КОНФЕРЕНЦІЯ
«ПРОБЛЕМИ ІНФОРМАТИКИ ТА КОМП’ЮТЕРНОЇ ТЕХНІКИ».
Праці конференції. – Чернівці: Видавничий дім «Родовід», 2016. – 212 с.
Конференція присвячена 80-ти річчю із дня народження Бублика Бориса Миколайовича
та 75-ти річчю із дня народження Кириченка Миколи Федоровича – видатних українських
учених, одних із фундаторів теорії керування.
Програмний комітет: Організаційний комітет:
Співголови
Сергієнко І.В., проф. (Україна, Київ)
Кунцевич В.М., проф. (Україна, Київ)
Мельничук С.В., проф. (Україна, Чернівці)
Члени комітету
Ангельський О.В., проф. (Україна, Чернівці)
Анісімов А.В., проф. (Україна, Київ)
Азаров О.Д., проф. (Україна, Вінниця)
Байєр Г., проф. (Німеччина, Цвікау)
Балмуш І., проф. (Молдова, Кишинів)
Виклюк Я.І., проф. (Україна, Чернівці)
Володарський Є.Т., проф. (Україна, Київ)
Гаращенко Ф.Г., проф. (Україна, Київ)
Граур А., проф., (Румунія, Сучава)
Гребеннік І.В., проф. (Україна, Харків)
Григорків В.С., проф. (Україна, Чернівці)
Дейбук В.Г., проф. (Україна, Чернівці)
Дивак М.П., проф. (Україна, Тернопіль)
Крістіа Д., проф., (Румунія, Ясси)
Мельник А.О., проф. (Україна, Львів)
Мохунь І.І., проф. (Україна, Чернівці)
Наконечний О.Г., проф. (Україна, Київ)
Остапов С.Е., проф. (Україна, Чернівці)
Пікієвич П., проф., (Польща, Д. Гурніча)
Поморова О.В., проф. (Україна, Хмельницький)
Савула Я.Г., проф. (Україна, Львів)
Сопронюк Ф.О., проф. (Україна, Чернівці)
Ситніков В.С., проф. (Україна, Одеса)
Станушек М., проф., (Польща, Краків)
Тарасенко В.П., проф. (Україна, Київ)
Ткач М.В., проф. (Україна, Чернівці)
Федасюк Д.В., проф. (Україна, Львів)
Хаас В., проф., (Чехія, Прага)
Харченко В.С. (Україна, Харків)
Хіромото Р., (США, Айдахо)
Царков Є.Ф., проф. (Латвія, Рига)
Чикрій А.О., проф. (Україна, Київ)
Шрайнер В., проф., (Австрія, Лінц)
Ясній П.В., проф. (Україна, Тернопіль)
Якоб Ф., проф., (Словакія, Кошіце)
Голова
Сопронюк Ф.О., проф.
Заступники голови
Остапов С.Е, проф.,
Дейбук В.Г., проф.
Члени оргкомітету
Руснак М.А. – вчений секретар,
Баловсяк С.В.,
Валь О.Д.,
Воробець Г.І.,
Воробець О.І.,
Дрінь Я.М.
Лазорик В.В.,
Скрипський М.І.,
Сопронюк Є.Ф.,
Спіжавка Д.І.,
Стецько Ю.П.,
Танасюк Ю.В.,
Фратавчан В.Г.,
Яковлєва І.Д.
© Чернівецький національний університет імені Юрія Федьковича
3
ЗМІСТ
ПЛЕНАРНІ ЗАСІДАННЯ ................................................................................. 7
БЕЙКО І.В. МЕТОДИ АСИМПТОТИЧНО-РОЗВ’ЯЗУЮЧИХ ОПЕРАТОРІВ ДЛЯ ОПТИМІЗАЦІЇ МОДЕЛЕЙ КЕРОВАНИХ СИСТЕМ ........................ 7
ГАРАЩЕНКО Ф.Г., ХАРЧЕНКО І.І. НАУКОВИЙ ТАНДЕМ – ЗАПОРУКА ТВОРЧОЇ СПІВПРАЦІ ТА УСПІХІВ. .................................................................................................... 8
ДРІНЬ С.С., ДРІНЬ Я.М. ДОСЛІДЖЕННЯ ЗАДАЧ З НЕЛОКАЛЬНИМИ УМОВАМИ ДЛЯ ПАРАБОЛІЧНИХ ПСЕВДОДИФЕРЕНЦІАЛЬНИХ РІВНЯНЬ ............ 14
КРИВОНОС Ю.Г., КРАК Ю.В. ПРОБЛЕМИ МОДЕЛЮВАННЯ І РОЗПІЗНАВАННЯ ЖЕСТОВОЇ КОМУНІКАЦІЙНОЇ ІНФОРМАЦІЇ ...................................................... 21
СОПРОНЮК Ф.О., СОПРОНЮК Є.Ф. ФІЛЬТРАЦІЯ БАГАТОВИМІРНИХ ВИПАДКОВИХ ПРОЦЕСІВ У ДИНАМІЧНИХ
СИСТЕМАХ ЗІ ЗМІННОЮ ВИМІРНІСТЮ ФАЗОВОГО ПРОСТОРУ ............................................................................................................ 22
СЕКЦІЯ 1 ........................................................................................................... 28
АБРАМЧУК В.С., АБРАМЧУК І.В., БАБЮК Д.О. ОПТИМІЗАЦІЙНІ МЕТОДИ НА ОСНОВІ ЗОЛОТОГО ПЕРЕРІЗУ ................................................................................................................ 28
ПЕРМЯКОВ В.И., ШЕВЧЕНКО А.А., АНТОНОВА Т.С. РАСПРЕДЕЛЕННАЯ СТРУКТУРА СИСТЕМА УПРАВЛЕНИЯ КОНВЕКТИВНЫМ ТЕПЛООБМЕНОМ ................................................... 30
ГОРБАТЮК Є.В., ГОРБАТЮК М.Є. МАТЕМАТИЧНА МОДЕЛЬ ДІЇ МІКРОРЕЛЬЄФУ НА НЕКЕРОВАНІ ПЕРЕМІЩЕННЯ РОБОЧОГО ОРГАНУ РОЗПУШУВАЧА ......... 32
КОПЕЦЬ М.М. ФОРМУЛИ ДЛЯ ОБЧИСЛЕННЯ РОЗВ’ЯЗКУ СИСТЕМИ ДИФЕРЕНЦІАЛЬНИХ РІВНЯНЬ РІККАТІ ЧЕТВЕРТОГО ПОРЯДКУ ........ 34
КОЦУР М.П. АЛГОРИТМ РОЗВ'ЯЗУВАННЯ ЗАДАЧІ ОПТИМАЛЬНОГО КЕРУВАННЯ НЕСТАЦІОНАРНИМ РЕЖИМОМ КАСКАДНОГО
ТЕРМОЕЛЕКТРИЧНОГО ОХОЛОДЖУВАЧА .................................................................................................................................................. 35
ЛАЗОРИК В.В. ГЕОМЕТРИЧНА МАТЕМАТИЧНА МОДЕЛЬ РОБОТА З ПАРАЛЕЛЬНОЮ СХЕМОЮ З’ЄДНАННЯ ЛАНОК .......................................... 38
МАЩЕНКО С.О, МОРЕНЕЦЬ В.І. КОНЦЕПЦІЯ РІВНОВАГИ ЗА НЕШЕМ В ІГРАХ З НЕЧІТКОЮ МНОЖИНОЮ ГРАВЦІВ ........................................................................ 40
ПЕРМЯКОВ В.И., МЕДВЕДЕВА А.Ю ИМПУЛЬСНОЕ УПРАВЛЕНИЕ ЭЛЕКТРОМАГНИТНЫМИ ВИБРОВОЗБУДИТЕЛЯМИ ........................................................................... 41
ПЕТPЕНЮК В. I., ПЕТРЕНЮК А.Я., ХОХ В.Д. ПРО ГРАФ–МОДЕЛІ ........................................................................................................................................................................................... 42
СОПРОНЮК О.Л. ПРАКТИЧНА СТІЙКІСТЬ ТА АНАЛІЗ ЧУТЛИВОСТІ ДИНАМІЧНИХ СИСТЕМ ЗІ ЗМІННОЮ ВИМІРНІСТЮ ФАЗОВОГО ПРОСТОРУ, ЗАЛЕЖНИХ ВІД ПАРАМЕТРІВ ................................................................................................................................................... 44
СТЕЦЬКО Ю.П., КУШНІРЧУК В.Й. АЛГОРИТМИ ОПТИМАЛЬНОГО МОДАЛЬНОГО РЕГУЛЮВАННЯ ........................................................................................................... 46
ТАРАНУХА В.Ю. ДОСЛІДЖЕННЯ ВЛАСТИВОСТЕЙ ЗГЛАДЖЕНОЇ N-ГРАМНОЇ МОДЕЛІ ДЛЯ СЛОВ’ЯНСЬКИХ МОВ, ЗАСНОВАНОЇ НА КЛАСАХ . 47
ТИМОФІЄВА Н.К.
ЗАДАЧІ КОМБІНАТОРНОЇ ОПТИМІЗАЦІЇ, АРГУМЕНТОМ ЦІЛЬОВОЇ ФУНКЦІЇ В ЯКИХ Є РОЗБИТТЯ n -ЕЛЕМЕНТНОЇ
МНОЖИНИ НА ПІДМНОЖИНИ ....................................................................................................................................................................... 49
СЕКЦІЯ 2 ........................................................................................................... 51
БІЛОВА Г.В. МОДЕЛІ ОЦІНЮВАННЯ РИЗИКІВ ІНОФОРМАЦІЙНИХ ТЕХНОЛОГІЙ КОМЕРЦІЙНОГО БАНКУ ...................................................... 51
ДОНЧЕНКО В.С., ЗІНЬКО Т.П. МАТРИЧНІ КОРТЕЖНІ ОПЕРАТОРИ В ЗАДАЧАХ ГРУПУВАННЯ ІНФОРМАЦІЇ ..................................................................................... 53
ДОНЧЕНКО В.С., ТАРАСОВА О.В. КОРТЕЖНІ ОПЕРАТОРИ ТА ЗАСОБИ ПСЕВДООБЕРНЕННЯ В МАТРИЧНІЙ МНОЖИННІЙ РЕГРЕСІЇ .............................................. 54
SAFONYK A.P., MARTYNIUK Y.M. THE PROCESS OF AUTOMATION OF DRYING GRANULES IN A FLUIDIZED LAYER. ................................................................................. 55
НЕСЕНЧУК А.А. ИССЛЕДОВАНИЕ КОРНЕВЫХ ПОРТРЕТОВ И СИНТЕЗ ИНТЕРВАЛЬНЫХ ДИНАМИЧЕСКИХ СИСТЕМ ЧЕТВЕРТОГО ПОРЯДКА 57
ОПЕЙКО О.Ф. УПРАВЛЕНИЕ ПО ВЫХОДУ С ПРОПОРЦИОНАЛЬНО-ДИФФЕРЕНЦИРУЮЩИМ АДАПТИВНЫМ РЕГУЛЯТОРОМ ....................... 59
РОМАНЧУК К. Г. ПРО РАНЖИРУВАННЯ МОДЕЛЬНИХ СЦЕНАРІЇВ СИСТЕМНОЇ АВАРІЇ ЗА РИЗИКОМ ЗБИТКІВ ......................................................... 61
СКОТАРЕНКО Ф.М. ФОРМУЛИ Г’РЕВІЛЯ - КИРИЧЕНКА ДЛЯ МАТРИЧНИХ ЕВКЛІДОВИХ ПРОСТОРІВ ............................................................................ 63
СТЕФАНИШИНА-ГАВРИЛЮК Ю. Д., СТЕФАНИШИН Д. В. ПРО ЗАДАЧУ ОПТИМІЗАЦІЇ СТРУКТУРИ ІНВЕСТИЦІЙНОГО ПОРТФЕЛЯ З ВРАХУВАННЯМ РИЗИКУ НЕВИКОРИСТАНИХ
МОЖЛИВОСТЕЙ ................................................................................................................................................................................................ 64
ТКАЧЕНКО М.А. A MARKOVIAN IT PROJECT RISK MANAGEMENT MODEL ............................................................................................................................ 66
ФРАТАВЧАН В.Г. ПРО ДОСЛІДЖЕННЯ ЗАДАЧ РОЗПІЗНАВАННЯ ОБРАЗІВ В ЧЕРНІВЕЦЬКОМУ НАЦІОНАЛЬНОМУ УНІВЕРСИТЕТІ ІМЕНІ ЮРІЯ
ФЕДЬКОВИЧА ..................................................................................................................................................................................................... 67
ЦАПАР В.С., ЖУЧЕНКО О.А. СИСТЕМА КЕРУВАННЯ ТЕПЛОВИМ РЕЖИМОМ СКЛОВАРНОЇ ПЕЧІ З ПРОГНОЗУЮЧОЮ МОДЕЛЛЮ ......................................... 69
4
СЕКЦІЯ 3 .......................................................................................................... 71
ГЛАДЧЕНКО Ю.А., ЖИХАРЕВИЧ В.В. РОЗРОБКА ЕКСПЕРТНОЇ СИСТЕМИ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ МЕНЕДЖЕРІВ ПРОГРАМНИХ ПРОДУКТІВ ................. 71
ШИКУЛЬСЬКИЙ А.В., ЖИХАРЕВИЧ В.В. ОСОБЛИВОСТІ МОДЕЛЮВАННЯ НАНОСТРУКТУР НА ОСНОВІ РУХОМИХ КЛІТИННИХ АВТОМАТІВ ............................................ 72
ЯНУШЕВСЬКИЙ С.В., ОСТАПОВ С.Е., ХАРУК А. ДОСЛІДЖЕННЯ ВЛАСТИВОСТЕЙ ФУНКЦІЇ СТИСНЕННЯ ХЕШ-АЛГОРИТМІВ НА ОСНОВІ ЕКВІВАЛЕНТНИХ ПРАВИЛ
КЛІТИННИХ АВТОМАТІВ.................................................................................................................................................................................. 73
СЕКЦІЯ 4 .......................................................................................................... 75
АФАНАСЬЕВА И.В., БОНДАРЧУК Р.И. НЕКОТОРЫЕ АСПЕКТЫ ПРОЕКТИРОВАНИЯ СИСТЕМЫ ДИНАМИЧЕСКОГО ФОРМИРОВАНИЯ JSON ОБЪЕКТА ....................... 75
ГАРАС В.М. РОЗРОБКА ЕЛЕКТРОННОГО МУЗИЧНОГО ІІНСТРУМЕНТУ "Drum Machine" ........................................................................................ 76
DEIBUK V.G. REVERSIBLE DEVICES FOR TERNARY ARITHMETIC ..................................................................................................................................... 78
ЖАБИН В.И. АНАЛИЗ ЭФФЕКТИВНОСТИ ПРИМЕНЕНИЯ В МУЛЬТИПРОЦЕССОРНЫХ СИСТЕМАХ СПЕЦИАЛИЗИРОВАННЫХ
ВЫЧИСЛИТЕЛЕЙ .............................................................................................................................................................................................. 79
ЖАБІНА В.В. ПІДВИЩЕННЯ ЕФЕКТИВНОСТІ ПАРАЛЕЛЬНИХ ОБЧИСЛЕНЬ В СИСТЕМАХ, КЕРОВАНИХ ПОТОКОМ ДАНИХ ........................... 82
ЖИХАРЕВИЧ В. В., ШУМИЛЯК Л. М. ОСОБЛИВОСТІ ПАРАЛЕЛЬНОЇ ОРГАНІЗАЦІЇ ПРОЦЕСІВ КЛІТИННО-АВТОМАТНОГО МОДЕЛЮВАННЯ В ОПЕРАЦІЙНІЙ
СИСТЕМІ WINDOWS .......................................................................................................................................................................................... 84
ЗАБОЛОТНЯ Т.М., БАРТКОВ’ЯК А.Ю. ПРОГРАМНА БІБЛІОТЕКА МЕТОДІВ АНАЛІЗУ ТОНАЛЬНОСТІ ВІДГУКІВ ІНТЕРНЕТ-КОРИСТУВАЧІВ ............................................ 85
КАСІЯНЧУК Ю., ФОЧУК П.,КАСІЯНЧУК M. ЗАСТОСУВАННЯ ПЛАТФОРМИ ,,ANDROID’’ У СИСТЕМАХ МЕДИЧНОЇ НАВІГАЦІЇ В АСПЕКТІ ДОКЛІНІЧНИХ ДОСЛІДЖЕНЬ .. 87
КУЛАКОВСКИЙ В.Н.,.ДАВЫДОВ А.Н., СКВОРЦОВ И.В. ОСОБЕННОСТИ ПОСТРОЕНИЯ РАСПРЕДЕЛЁННОЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ КРУПНОГО ПРЕДПРИЯТИЯ ................ 89
МЕЛЬНИК В.А., ЛОПІТ І.І. ДВОЕТАПНИЙ ПІДХІД ДО ГЕНЕРУВАННЯ ПРОГРАМНИХ МОДЕЛЕЙ СПЕЦІАЛІЗОВАНИХ ПРОЦЕСОРІВ ..................................... 91
МАНУЛЯК І.З., МЕЛЬНИЧУК С.І. БЛОК СПЕЦПРОЦЕСОРА РОЗРАХУНКУ ІНФОРМАЦІЙНОЇ ЕНТРОПІЇ БІНАРНИХ РЕАЛІЗАЦІЙ ІМПУЛЬСНИХ СИГНАЛІВ ........ 92
ОГОЙКО М. В., ЗАБОЛОТНЯ Т.М. ПРОГРАМНІ ЗАСОБИ ДЛЯ АВТОМАТИЗОВАНОГО РОЗПОДІЛЕННЯ ПЕДАГОГІЧНОГО НАВАНТАЖЕННЯ ..................................... 94
ПАСТУШЕНКО А.С., ЗАБОЛОТНЯ Т.М. ПРОГРАМНЕ ЗАБЕЗПЕЧЕННЯ ДЛЯ ПІДТРИМКИ ДОСЛІДЖЕННЯ ЕФЕКТИВНОСТІ АВТОМАТИЗОВАНОГО РЕФЕРУВАННЯ
ПРИРОДНОМОВНИХ ТЕКСТОВИХ ДАНИХ ................................................................................................................................................... 96
ПОВОРОЗНЮК Н.І. РЕАЛІЗАЦІЯ ВЕЙВЛЕТ-АНАЛІЗАТОРА АКТИВНОГО ФІЛЬТРА ................................................................................................................. 98
САГАЙДА П.И. СОВРЕМЕННЫЕ ПОДХОДЫ К ПРИМЕНЕНИЮ В МАШИНОСТРОЕНИИ КОМПЬЮТЕРИЗИРОВАННЫХ ИНФОРМАЦИОННЫХ
СИСТЕМ ДЛЯ ИНТЕЛЛЕКТУАЛЬНОЙ ОБРАБОТКИ ДАННЫХ ................................................................................................................ 100
СЕКЦІЯ 5 ........................................................................................................ 102
MANAKOVA N.O., MAKOGON N.V. INFORMATION ACTIVITY OF LOCAL GOVERNMENT AS THE INSTRUMENT FOR PUBLIC ENGAGEMENT OF CITIZENS .................. 102
VERSTIAK ANDRII, VERSTIAK OKSANA MODELING ECONOMIC CONVERGENCE BETWEEN EUROPEAN UNION AND UKRAINE WITH VINE COPULAS ................................ 103
VINNYCHUK I.S., VINNYCHUK O.Y. SIMULATION EXPERIMENTS WITH PARAMETERS OF LEGAL AND SHADOW ECONOMIES INTERACTION MODEL .......................... 105
ВЕРГУНОВА І.М. КОРЕГУВАННЯ АГРОТЕХНОЛОГІЧНИХ СХЕМ ДЛЯ ОПЕРАТИВНОГО РІВНЮ КЕРУВАННЯ ........................................................... 107
ГУСТІ М.І. ВДОСКОНАЛЕННЯ МОДУЛЯ ПРИЙНЯТТЯ РІШЕНЬ ЩОДО ПАРАМЕТРІВ ЛІСОКОРИСТУВАННЯ У ГЛОБАЛЬНІЙ МОДЕЛІ
ЛІСУ G4M (ВЕРСІЯ ДЛЯ ЄС) .......................................................................................................................................................................... 109
ЖИХАРЕВИЧ В. В., ПЕРНЕРОВСЬКИЙ М. М. СИСТЕМА АВТОМАТИЗОВАНОГО КЕРУВАННЯ ПРОЦЕСОМ ВИРОЩУВАННЯ ШАМПІНЬЙОНІВ ІЗ ВИКОРИСТАННЯМ
НЕЧІТКОЇ ЛОГІКИ ........................................................................................................................................................................................... 110
КИРИЧЕНКО О.Л., ОСТАПОВ С.Е. ДОСЛІДЖЕННЯ СТРУКТУРИ ВЕБ-ПРОСТОРУ ЗА ДОПОМОГОЮ КЛАСТЕРНОГО АНАЛІЗУ............................................................ 112
КОМАНЮК М.І., САДОВЯК А.М. ОДНА ЗАДАЧА КОМП’ЮТЕРНОЇ ГЕОМЕТРІЇ ТА ГРАФІКИ ...................................................................................................................... 114
КУШНІРЧУК В.Й., СТЕЦЬКО Ю.П. ЗАСТОСУВАННЯ МЕТОДУ ЦЕНТРІВ В МОДЕЛЮВАННІ ЕКОЛОГО-ЕКОНОМІЧНОЇ ВЗАЄМОДІЇ .................................................... 116
ОХРЕМЧУК І.А. ВКЛЮЧЕННЯ СОЦІАЛЬНИХ ФАКТОРІВ ПРИ МОДЕЛЮВАННІ ПОЛІТИК ПОМ’ЯКШЕННЯ НАСЛІДКІВ ЗМІНИ КЛІМАТУ ....... 118
РЕШКАН І. С., ФРАТАВЧАН В. Г. ДОСЛІДЖЕННЯ ФАКТОРІВ ВПЛИВУ НА ПОПУЛЯРНІСТЬ ЕЛЕКТРОННИХ ЗАСОБІВ МАСОВОЇ ІНФОРМАЦІЇ ............................ 120
РУСНАК В., ФРАТАВЧАН В. ВИЯВЛЕННЯ ЗАКОНОМІРНОСТЕЙ В ОЦІНКАХ ЕФЕКТИВНОСТІ ПЕРІОДИЧНИХ ЕЛЕКТРОННИХ НОСІЇВ ІНФОРМАЦІЇ
МЕТОДОМ АМПЛІТУДНО-ЧАСТОТНИХ ФІЛЬТРІВ .................................................................................................................................... 122
5
ЯВДОШНЯК Р. Я. СИСТЕМА УПРАВЛІННЯ МЕРЕЖЕЮ АПТЕК «ГАРМОНІЯ» ..................................................................................................................... 123
СЕКЦІЯ 6 ......................................................................................................... 125
АБАБИЙ В., БАЛМУШ И., МЕЛНИК Р., КАТРУК М., ПОДУБНЫЙ М. СИСТЕМА ДЛЯ НАВИГАЦИИ ТРАНСПОРТНЫХ СРЕДСТВ ................................................................................................................... 125
АБАБИЙ В., СУДАЧЕВСКИ В., ПОДУБНЫЙ М., САФОНОВ Г., НЕГАРЭ Е. СИСТЕМА КОЛЛЕКТИВНОГО ПРИНЯТИЯ РЕШЕНИЙ НА БАЗЕ XBEE-PRO УСТРОЙСТВ ................................................................ 127
АБАБИЙ В., СУДАЧЕВСКИ В., ПОДУБНЫЙ М., НЕГАРЭ Е. СИНТЕЗ НЕЧЕТКОГО КОНТРОЛЛЕРА ДЛЯ ПРИНЯТИЯ РЕШЕНИЙ НА БАЗЕ ГИСТЕРЕЗИСНЫХ ХАРАКТЕРИСТИК ......... 129
БАЛОВСЯК С.В., МЕЛЬНИЧУК А.Ю. ОРІЄНТОВАНА ФІЛЬТРАЦІЯ ЗОБРАЖЕНЬ В ПРОСТОРОВІЙ ОБЛАСТІ ................................................................................................. 131
БАЛОВСЯК С.В., ОДАЙСЬКА Х.С. ВИЗНАЧЕННЯ ОПТИМАЛЬНОЇ ДИСПЕРСІЇ ЯДРА ФІЛЬТРА ГАУСА ПРИ ФІЛЬТРАЦІЇ ГАУСОВОГО ШУМУ НА ЗОБРАЖЕННЯХ З
ОДНІЄЮ ПРОСТОРОВОЮ ЧАСТОТОЮ КОРИСНОГО СИГНАЛУ........................................................................................................... 133
БАЛОВСЯК С.В., ЦИГИРА К.В. ПРОГРАМНЕ ЗАБЕЗПЕЧЕННЯ ДЛЯ ПІДВИЩЕННЯ ЛОКАЛЬНОГО КОНТРАСТУ ТА ВИДАЛЕННЯ НЕОДНОРІДНОГО ФОНУ
ЗОБРАЖЕНЬ ...................................................................................................................................................................................................... 135
DÎNTU S., BALMUŞ I., MELNIC R., ŞULETEA A. СОЗДАНИЕ 3D ОБЪЕКТОВ ПРИ ПОМОЩИ POWERPOINT ....................................................................................................................... 137
ГАЗДЮК К.П., НІКІТІНА О.М. МОДЕЛЮВАННЯ РОЗПОВСЮДЖЕННЯ РОЗЛИВУ НАФТИ МЕТОДОМ ЙМОВІРНІСНИХ КЛІТИННИХ АВТОМАТІВ..................... 140
ГАЛКІН О.А. ДОСЛІДЖЕННЯ ЙМОВІРНІСНИХ МІР У ВИБОРІ ОПТИМАЛЬНОЇ ГІПОТЕЗИ ДЛЯ ЗАДАЧ КЛАСИФІКАЦІЇ ДАНИХ ..................... 142
БАРИЛО Г.І., ВІРТ В.В., ГОЛЯКА Р.Л., ГОТРА З.Ю., КРЕМЕР І.П. ЕНЕГРОЕФЕКТИВНИЙ СИГНАЛЬНИЙ ПЕРЕТВОРЮВАЧ НА ОСНОВІ СИНХРОННОГО ДЕТЕКТОРА ............................................ 144
ДІКОВ А. В., СОПРОНЮК Є. Ф. СТВОРЕННЯ СИСТЕМИ ВІДСЛІДКУВАННЯ РУХУ МАРШРУТНИХ ТРАНСПОРТНИХ ЗАСОБІВ З ВИКОРИСТАННЯМ GOOGLE
MAPS API, .NET ТА МІТОК ГЕОКОДУВАННЯ НА БАЗІ OS ANDROID ........................................................................................................ 146
Д’ЯЧЕНКО Л.І., МІНОВ Є.В., ОСТАПОВ С.Е. ЗАСТОСУВАННЯ ІНФОРМАЦІЙНИХ ТЕХНОЛОГІЙ ДЛЯ РОЗПІЗНАВАННЯ ДЕФЕКТІВ ВИРОЩУВАННЯ
НАПІВПРОВІДНИКОВИХ КРИСТАЛІВ .......................................................................................................................................................... 147
ГОТРА З.Ю., ІВАХ М.С., КОЖУХАР О.Т., КУЧМІЙ Г.Л., КРЕМЕР І.П.,ЧЕПАК І.М. ІНФОРМАЦІЙНЕ ЗАБЕЗПЕЧЕННЯ НЕПЕРЕРВНОГО НЕІНВАЗИВНОГО КОНТРОЛЮ
ЗМІН ХІМІЧНОГО СКЛАДУ КРОВІ ................................................................................................................................................................ 149
КОЖУХІВСЬКИЙ А.Д., НАМОФІЛОВА О.О. ЗАСТОСУВАННЯ ГЕНЕТИЧНИХ АЛГОРИТМІВ ДО ІНТЕЛЕКТУАЛЬНОГО АВТОМАТИЗОВАНОГО КОНТРОЛЮ ЗНАНЬ.............. 151
КОЛІСНИЧЕНКО Р.А. МЕТОД ПОБУДОВИ ІТ-ІНФРАСТРУКТУРНО-ОРІЄНТОВАНОЇ АРХІТЕКТУРИ АВІАЦІЙНОГО ТРЕНАЖЕРА .................................. 152
КРАК Ю.В., КУДІН Г.І., ШКІЛЬНЮК Д.В. МЕТОД ПОЛОСНОЇ РОЗДІЛЬНОСТІ ХАРАКТЕРИСТИЧНИХ ОЗНАК ДЛЯ КЛАСИФІКАЦІЇ ДАКТИЛЕМ ........................................... 154
КУЛАКОВСКИЙ В.Н., ЦЕГЕЛЬНЮК В.В., СКВОРЦОВ И.В. ПОИСК НАУЧНОЙ ДОКУМЕНТАЦИИ В ИНФОРМАЦИОННОЙ СИСТЕМЕ УПРАВЛЕНИЯ НАУЧНЫМИ ДАННЫМИ В
ПРЕДМЕТНОЙ ОБЛАСТИ «СВЕРХТВЕРДЫЕ МАТЕРИАЛЫ» .................................................................................................................... 155
ЛЕВЫКИН И.В. МЕТОД ФОРМИРОВАНИЯ, ВЫБОРА, КОРРЕКТИРОВКИ И СОХРАНЕНИЯ ПРЕЦЕДЕНТОВ ............................................................. 157
МАЦЕНКО В.Г. ОГЛЯД СИСТЕМ МАШИННОГО ПЕРЕКЛАДУ ............................................................................................................................................ 159
МЕЙТУС В.Ю. ПОДАННЯ ЗНАНЬ ПРИ ПОБУДОВІ ІНТЕЛЕКТУАЛЬНИХ СИСТЕМ......................................................................................................... 162
МЕЙТУС В.Ю., ЦЕПКОВА Д.П. БАЗИ ЗНАНЬ З НЕПОВНОЮ ІНФОРМАЦІЄЮ ДЛЯ ІНТЕЛЕКТУАЛЬНИХ СИСТЕМ .............................................................................. 164
МИРОНІВ І.В., ЖИХАРЕВИЧ В.В., ОСТАПОВ С.Е. АНАЛІЗ МЕТОДІВ РОЗПІЗНАВАННЯ СИМВОЛІВ ТЕКСТУ ........................................................................................................................ 166
НОВОТАРСЬКИЙ М. А., НЕСТЕРЕНКО Б. Б. ТРИВИМІРНА МАТЕМАТИЧНА МОДЕЛЬ ІЛЕОЦЕКАЛЬНОГО ПЕРЕХОДУ ............................................................................................ 167
ПАВЛОВА С.В., МЕЛЬНИКОВ С.В., БОГАЧУК Ю.П., ГОСПОДАРЧУК А.Ю. МОДЕЛИ ПРИНЯТИЯ РЕШЕНИЙ И РАЗРЕШЕНИЯ КОНФЛИКТНЫХ СИТУАЦИЙ В РАСПРЕДЕЛЕНЫХ СИСТЕМАХ
УПРАВЛЕНИЯ ДИНАМИЧЕСКИМИ ОБЪЕКТАМИ ..................................................................................................................................... 170
ПАШКО А.О. , ТЕРЕНЧУК С.А., ЄРЕМЕНКО Б.М., РЯБЧУН Ю.В. ОБЧИСЛЮВАЛЬНИЙ ЕКСПЕРИМЕНТ ДЛЯ РОЗВЯЗАННЯ КРАЙОВИХ ЗАДАЧ МЕТОДАМИ СТАТИСТИЧНОГО МОДЕЛЮВАННЯ
............................................................................................................................................................................................................................. 171
ТЕСЛЕНКО М.Г., ПЕРМЯКОВ В.И. ОПРЕДЕЛЕНИЕ ОПТИМАЛЬНОГО РАСПОЛОЖЕНИЯ ТОЧЕК ПРИ ВЫЧИСЛЕНИИ УГЛА СМАЧИВАНИЯ ПО ИЗОБРАЖЕНИЮ
............................................................................................................................................................................................................................. 173
ТОКАР О.Є. ВИЗНАЧЕННЯ ЗАПАСІВ ВУГЛЕЦЮ У МЕРТВІЙ ОРГАНІЧНІЙ РЕЧОВИНІ ЛІСОВИХ ЕКОСИСТЕМ ІЗ ВИКОРИСТАННЯМ
ГЕОІНФОРМАЦІЙНИХ ТЕХНОЛОГІЙ ........................................................................................................................................................... 175
ЧАЙКОВСЬКА Є.Є. ПРИЙНЯТТЯ РІШЕНЬ НА ПІДТРИМКУ ФУНКЦІОНУВАННЯ СУШИЛЬНОЇ УСТАНОВКИ У СКЛАДІ КОГЕНЕРАЦІЙНОЇ
СИСТЕМИ .......................................................................................................................................................................................................... 176
ПАВЛОВ В.В., ШЕПЕТУХА Ю.М. ІНТЕГРАЦІЯ РОЗПОДІЛЕНИХ НЕЛІНІЙНИХ ПРИКЛАДНИХ ПРОЦЕСІВ У МЕРЕЖАХ ВЕЛИКОЇ РОЗМІРНОСТІ .......................... 179
6
СЕКЦІЯ 7 ........................................................................................................ 181
АКСАК Н.Г., СОКОЛЕЦ Е.В. ПРОЕКТИРОВАНИЕ МУЛЬТИАГЕНТНОЙ СИСТЕМЫ УДАЛЕННОГО МОНИТОРИНГА НА ОСНОВЕ ОРГАНИЗАЦИЙ ................ 181
АФАНАСЬЕВА И.В., ИБАДОВ Д. Т. ИМПЛЕМЕНТАЦИЯ МНОГОСЛОЙНОГО ПЕРЦЕПТРОНА ДЛЯ ПРОГНОЗИРОВАНИЯ НЕПРЕРЫВНЫХ ДАННЫХ ...................... 182
ГАВУЧАК В. Д., РУСНАК М.А. ПОШУК ПОДІБНИХ ЗОБРАЖЕНЬ ЗА ДОПОМОГОЮ ХЕШ-ФУНКЦІЙ ................................................................................................... 183
МЕЛЬНИК В.А., КІТ А.Ю. РОЗШИРЕНИЙ ФОРМАТ ВИКОНАВЧОГО ФАЙЛУ ДЛЯ САМОКОНФІГУРОВНИХ КОМП’ЮТЕРНИХ СИСТЕМ ........................... 186
КОВАЛЬ Л.О., РУСНАК М.А. РОЗРОБКА БІБЛІОТЕКИ ОПТИЧНОГО РОЗПІЗНАВАННЯ ДРУКОВАНОГО ТЕКСТУ .......................................................................... 188
КРАВЕЦЬ П.О. ІГРОВИЙ МЕТОД НАВЧАННЯ ЛІТАЮЧОГО АНІМАТА ............................................................................................................................. 190
СЕКЦІЯ 8 ........................................................................................................ 192
БАЛОВСЯК С.В., ПШЕНИЧНИЙ О.О. СЕГМЕНТАЦІЯ ЗОБРАЖЕНЬ З ВИКОРИСТАННЯМ ІНФОРМАЦІЇ ПРО ВІДСТАНІ ДО ОБ’ЄКТІВ ...................................................... 192
БУРАЧЕК В.Р., КУЗЬ Д.В ПРОЕКТУВАННЯ ТА РОЗРОБКА ІНФОРМАЦІЙНОЇ СИСТЕМИ АВТОМАТИЗАЦІЇ КОНТРОЛЮ ПАРАМЕТРІВ ВИРОБІВ ПІДПРИЄМСТВА .............................................................................................................................................................................................. 194
ВОРОБЕЦЬ Г.І., ГОРДІЦА В.Е., КОСТЕНЮК Н.Г., МЕЛЬНИЧУК С.В.
МЕТОДИКА ПІДВИЩЕННЯ ЗАВАДОСТІЙКОСТІ ПЕРЕДАЧІ ДАНИХ В ТЕЛЕМЕТРИЧНИХ СИСТЕМАХ…………….………….196
ВОРОБЕЦЬ Г.І., ВОРОБЕЦЬ О.І., ГУРЖУЙ Р.Д., КУЗЬ М.А.
МОДЕЛЮВАННЯ ІНФОРМАЦІЙНИХ СЕНСОРНИХ МЕРЕЖ З АВТОІДЕНТИФІКАЦІЄЮ ВУЗЛІВ ЗА МЕТОДОЛОГІЄЮ МЕРЕЖ
ПЕТРІ ТА СИСТЕМ МАСОВОГО ОБСЛУГОВУВАННЯ……………………………………………………………………………………197
МАНГЛІЄВА Т.Н., ЮХИМЧУК М.С. РОЗРОБКА УЗАГАЛЬНЕНОГО ПІДХОДУ ДО МАТЕМАТИЧНОГО МОДЕЛЮВАННЯ АВТОМАТИЧНОЇ СИСТЕМИ З ЛУП ............. 199
ПЕРМЯКОВ В.И., РЕПИНА Ю.В. ОЦЕНКА ВОЗМОЖНОСТИ КОНТРОЛЯ ПРОЦЕССА ИЗМЕЛЬЧЕНИЯ ПО ВЕРОЯТНОСТНЫМ ХАРАКТЕРИСТИКАМ
АКУСТИЧЕСКОГО СИГНАЛА СРЕДСТВАМИ НЕЧЕТКОЙ ЛОГИКИ ....................................................................................................... 200
ПЕРМЯКОВ В.И., ТОРПАН М.Ю. РАСПОЗНОВАНИЕ ЦВЕТОВОГО ТОНА ИЗОБРАЖЕНИЯ ТЕХНОЛОГИЧЕСКИХ ОБЬЕКТОВ ............................................................. 202
СЕКЦІЯ 9 ........................................................................................................ 204
KRULIKOVSKYI O.V., HALIUK S.D., POLITANSKYI L.F. PRNG BASED ON DISCRETE HYPER CHAOTIC SYSTEM .............................................................................................................................. 204
FERNANDO COMIRAN, TATIANA FEDYK, JOOHYUNG HA, NATALIYA PSHENYCHKA COMPUTATIONAL ESTIMATIONS OF R&D INVESTMENTS BY LOSS SEASONED
EQUITY OFFERINGS IN THE UNITED STATES…………………………………………………………...…………………………………206
ЗАЛУЦЬКА І. Є., ВАЛЬ О. Д. ПОЗИЦІОНУВАННЯ В МЕРЕЖАХ GSM……………………………………………….…………………………………………………….208
МЕЛЬНИК А.О., ЯКОВЛЕВА І. Д.
СТРУКТУРНИЙ АНАЛІЗ АЛГОРИТМІВ – БАЗОВИЙ НАПРЯМ ПАРАЛЕЛЬНИХ ОБЧИСЛЕНЬ……………………………….…….210
7
Пленарні засідання
УДК: 519.6
БЕЙКО І.В.
НТУУ «Київський політехнічний інститут», Київ (Україна)
МЕТОДИ АСИМПТОТИЧНО-РОЗВ’ЯЗУЮЧИХ ОПЕРАТОРІВ ДЛЯ ОПТИМІЗАЦІЇ
МОДЕЛЕЙ КЕРОВАНИХ СИСТЕМ
Розвиток теорії асимптотично-розв’язуючих операторів належить до важливих напрямків
досліджень наукової школи професора Б.М. Бублика у побудові оптимізованих математично-
комп’ютерних моделей складних керованих систем. Побудова адекватно оптимізованих матема-
тично-комп’ютерних моделей керованих підсистем є важливою задачею науково обгрунтованої
підтримки прийняття управлінських рішень. Основні труднощі практичного розв’язання такої
задачі пов’язані або із неповнотою знань про причинно-наслідкові залежності у взаємодіючих
підсистемах або із надмірною складністю математичних моделей (їх нелінійністю, ієрархічною
керованістю, неповнотою даних тощо). Методи математично-комп’ютерного моделювання і оп-
тимізації таких систем основані на оптимальному використанні всієї сукупності даних спостере-
жень, необхідних для побудови оптимізованих граф-операторних моделей, вузлами яких є оп-
тимізовані моделі взаємодіючих підсистем. Оптимізація підсистем граф-операторної моделі за
критеріями мінімізації часу обчислень та похибок результатів здійснюється з використанням
розв’язуючих та асимптотично-розв’язуючих операторів [1-3] для оцінювання корисності альтер-
нативних моделей підсистем та корисності наявної інформації, що додатково надходить від
підсистеми спостережень. У загальному випадку s-та підсистема k-го вузла уніфікованої граф-
операторної моделі складається із комп`ютерних моделей керованих підсистем
( , , , ) 0,ks ks ks ks ksA x z u q
( , , ),ks ksz x u q
( , , ),ks ksv c x u q
1, , 1,ks ks N k N
які в умовах даних спостережень ksv описують причинно-наслідкові залежності між фазовим ста-
ном k s k sx X ks -ої підсистеми, керуванням ks ksu U , параметрами неповних даних
( , )ks ks ks ksq Q u v та зв’язками ksz із іншими підсистемами, об’єднаними у граф-оператору модель
( , , ) 0,A x u q ( , , ) ,C x u q v
1( , , ) ( , , ), , ( , , ) ,kNA x u q A x u q A x u q 1( , , ) ( , , ), , ( , , ) ,
kNС x u q С x u q С x u q
1( , , ) ,kNx x x X 1( , , ) ,
kNu u u U 1( , , ) .kNq q q Q
Для заданих критеріїв оптимальності ( , ) ( , )x u w B x u і заданого числа 0 граф-
операторну модель називають B -адекватною на допустимій множині M U V за метрикою
, якщо для довільних значень ( , )u v M і для довільних елементів 1 2,x x деякої мажоранти
( , )X u v множини розв’язків ( , ( , ), )x x u Q u v v граф-операторної моделі виконується нерівність 1 2( ( , ), ( , )) .B x u B x u
Для B -адекватної на множині M граф-операторної моделі існує розв’язуючий оператор
F , який для всіх ( , , ) ( , )x u v X u v M задовольняє нерівність ( ( , ), ( ( , ), ) / 2.F v u B X u v u . Із
використанням розв`язуючого оператора F екстремальне на множині M значення
( ( , ( , ), ), )B x u Q u v v u обчислюється як екстремальне на множині M значення ( , )F u v і при цьому
похибка обчисленого екстремального значення не перевищує / 2. Якщо для довільних значень
( , , ) ( , )x u v X u v M оператор задовольняє нерівність
( ( , ), , , , ( , , ), ( , , )) ,B x u u v q A x u q C x u q
то на множині M маємо ( , ) , , ,0, .F u v u v q v Із використанням оператора sn , який для всіх
( , , )x u v у перетині околу заданої точки ( , , ) ( , )k k k k kx u v X u v M із множиною ( , )X u v M
8
задовольняє рівняння ( , , ) 0, ( , , ) ,k k k k k k kA x u q C x u q v
( ( , ), , , , ( , , ), ( , , )) || ( , , ) || || ( , , ) || ,k s k n
snB x u u v q A x u q C x u q O A x u q O C x u q v
визначається асимптотично-розв`язуючий оператор ( , ) , ,0,sqF u v u q v , за яким будуються
ітеративні алгоритми прискореної збіжності до екстремального розв’язку, де наступне ( 1)k =е
уточнене наближення 1ku до екстремального розв’язку обчислюється за уточненим наближенням
F до критерія оптимальності .B
Асимптотично-розв’язуючі оператори були побудовані для широких класів керованих си-
стем, зокрема, для узагальнених систем із нелінійними підсистемами алгебро-інтегро-
диференційних рівнянь виду
0 1
0
( , , )
( , , , ) ( ), , , ( ), ( ), ( ), ( ), , ( ), ( ), ( ), , ( ), ( ), ( ), 0D t u x
A t x u q f x t u q x t x t u t q t t f x s u s q s s x t u t q t t ds
,
які узагальнюють макромоделі академіка В.М. Глушкова. Для лінійних задач
, , 1 1 ,1 1 0,k k k k k k k kA x A x A x f u 1, 2, ,k N , B x u c x f ui
N
i i N, ,
1
1
розв’язуючий оператор F u y y f u v f ui ii
N
N, ,
1
1 будується за розв’язком системи
*
,
1
0, , 1, ,1N
k i k k
i
c A y k N N
і оптимальне керування обчислюється як розв’язок оптимізаційної задачі
argmax , ,u D
u F u y A c
.
У випадку
1
1
, ,N
i i i N i i
i
f u f u f u f u
побудова оптимального керування зводиться до паралельного розв’язання суттєво спрощених
задач
u y A c y A c f u f uiu D
i i i ii i
, argmax , ,
.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Бейко І.В. Методи і алгоритми розв’язування задач оптимізації /І.В. Бейко, Б.М. Бублик, П.М. Зінько. _ К.: Вища школа. Головне
вид-во, 1983. – 512 с.
2. Бейко І.В., Уніфікована методологія розв‘язуючих операторів як новітня інформаційна технологія для відшукання нових знань і
прийняття оптимальних рішень (англійською мовою). Proc. "The Information Technology Contribution to the Building of a Safe Regional
Environment", AFCEA, Europe Seminar, Kiev, 28-30.05.98, с.44-50.
3. Beyko I., Уніфікована теорія оптимального моделювання (англійською мовою), Proc. 15th IMACS, World Congress (IMACS'97), Berlin, 25-29.08.97.
УДК 004.942:519.876.5
ГАРАЩЕНКО Ф.Г., ХАРЧЕНКО І.І.
НАУКОВИЙ ТАНДЕМ – ЗАПОРУКА ТВОРЧОЇ СПІВПРАЦІ ТА УСПІХІВ
Стаття публікується з нагоди 75-річчя Миколи Федоровича Кириченка та 80-річчя Бориса
Миколайовича Бублика. Показані наукові досягнення видатних українських учених.
У 2014 році виповнилося 45 років кафедрі моделювання складних систем Київського націо-
нального університету імені Тараса Шевченка. Історія кафедри моделювання складних систем
(МСС) висвітлена в монографіях [1, 2], де містяться унікальні документи, спогади та фотографії
від часу організації кафедри МСС, яка почала свою роботу 1 вересня 1969 року разом з іншими
чотирма кафедрами новоствореного факультету кібернетики: обчислювальної математики, теоре-
9
тичної кібернетики, економічної кібернетики та прикладної лінгвістики (Наказ ректора № 157 від
9 вересня 1969 р.)
Завідувачем кафедри МСС було призначено молодого талановитого вченого, вихованця ме-
ханіко-математичного факультету КДУ ім. Т.Г. Шевченка Б.М. Бублика, який у тому ж 1969 році
захистив докторську дисертацію. Згодом, з 1972 р. по 1975 р., він був призначеним деканом
спецфакультету прикладної математики, на якому здійснювалася перепідготовка спеціалістів у
галузі кібернетики. Така перепідготовка була дуже важливим заходом, оскільки бурхливий розви-
ток обчислювальної техніки вимагав нових знань і навичок від спеціалістів різних галузей для
роботи з ЕОМ. У цей час Б.М. Бублик почав гуртувати біля себе талановитих вчених, відбирати
здібних студентів та аспірантів, які потім створили наукову школу. На кафедрі була створена
унікальна наукова атмосфера, яка дозволила об‘єднати зусилля молодих тоді вчених –
М.Ф. Кириченка, І.В. Бейка, О.Ф. Ткаліч, І.С. Федорченка, М.П. Лепехи, Р.О. Сороки,
М.В. Цибаньова, М.В. Ногіна, В.А. Стояна, Г.І. Кудіна, О.Г. Наконечного, В.Л. Гірка,
Д.Я. Хусаінова, І.П. Ковальського, Ф.Г. Гаращенка, В.Я. Данилова та інших – у єдину команду,
яка могла б розв‘язувати найскладніші наукові проблеми в галузі моделювання та оптимального
керування складними технічними системами.
Першим завданням завідувача було сформувати дієздатний науковий колектив. Це зумови-
ло те, що першими викладачами стали молоді співробітники, які зараховувалися як штатні і до-
повнювався за рахунок сумісників, запрошених з Інституту кібернетики, таких як П.І. Андон,
І.М. Коваленко, Ю.М. Єрмольєв (всі вони згодом стали академіками НАН України). Тісне нау-
кове співробітництво та поповнення викладацьким складом здійснювалося завдяки тісним кон-
тактам зі співробітниками інститутів математики, механіки, гідромеханіки, автоматики та іншими
структурами, які входили до складу АН УРСР.
Важливою подією стало запрошення з Інституту гідромеханіки молодого кандидата фізико-
математчних наук Кириченка Миколи Федоровича. Згодом М.Ф. Кириченко захистив на кафедрі
докторську дисертацію, отримав звання професора. Започаткувався науковий тандем
Б.М. Бублика та М.Ф. Кириченка, які згуртували довкола себе однодумців, виділили таланови-
тих студентів, що згодом створили відому наукову школу. Саме в той час йшла дискусія з приво-
ду вибору напрямку наукової діяльності, розвитку теоретичних досліджень, які б відповідали
назві кафедри. Серед багатьох пропозицій чільною стала назва МСС, де під моделюванням склад-
них систем розуміли, насамперед, побудову математичних моделей керованих динамічних систем
та процесів (в тому числі і технологічних). Невдовзі на кафедрі почали розробляти і викладати
відповідні спеціальні курси, які охоплювали актуальну тогочасну проблематику. Через кілька
років у співавторстві Б.М. Бублика та М.Ф. Кириченка був написаний підручник «Основы тео-
рии управления», – К., 1975.
Авторитет, наукові публікації, організаційна майстерність авторів сприяли проведенню ряду
конференцій, семінарів та наукових шкіл, на яких були присутніми та брали безпосередню участь
відомі вчені з провідних наукових центрів Харкова, Одеси, Чернівців, Ужгорода, Дніпропет-
ровська, Донецька, де були в той час університети, довкола яких зосереджувалися провідні нау-
ковці. Міжнародні зв‘язки в той час обмежувалися Москвою, Ленінградом, Свердловськом, Таш-
кентом, Тбілісі та іншими науковими центрами колишнього СРСР.
Завдяки таланту керівника, вмінню підбирати кадри, поєднувати вимогливість із довірою,
Борису Миколайовичу, який мав великий науковий і людський авторитет, вдалося створити
стабільний, потужний і дружній колектив, де завжди панували товариський дух, тяга до наукових
здобутків, взаємна підтримка, повага до особистості, знань і уподобань кожного.
Наукова робота викладачів факультету кібернетики і, зокрема, кафедри МСС велася в рам-
ках спеціальної структури – Науково-дослідної частини Київського університету. Створена у
1982 р. при кафедрі науково-дослідна “Лабораторія моделювання та оптимізації” (на базі вже
існуючої лабораторії) за свою 25-річну діяльність виконала десятки фундаментальних і приклад-
них тем і досі продовжує свою плідну роботу з розробки i впровадження наукових досягнень ка-
федри.
Головною спеціалізацією кафедри МСС була і є прикладна математика, моделювання ди-
намічних систем, методи оптимізації та їх застосування. Під керівництвом Б.М. Бублика та при
безпосередній участі М.Ф.Кириченка сформувалась відома наукова школа з моделювання та оп-
10
тимізації, в рамках якої було захищено 19 докторських і більше 90 кандидатських дисертацій.
Основні наукові результати співробітників кафедри в 70–90 роки минулого століття
пов‘язані з започаткуванням та обґрунтуванням чисельно-аналітичних методів розв‘язання спек-
тральних задач математичної фізики, теорії пружності, пластин і оболонок; чисельних методів
дослідження та оптимального керування системами з розподіленими параметрами, зокрема,
розв‘язування задач про побудову оптимальних регуляторів, мінімаксних фільтрів; оцінювання;
модального керування тощо (Б.М. Бублик, Ф.Г. Гаращенко, М.Ф. Кириченко, О.Г. Наконечний).
Були одержані також глибокі фундаментальні результати, що пов‘язані з теорією керування:
спектральна теорія випадкових матриць та граничні теореми для випадкових детермінантів; мате-
матичне моделювання гідроакустичних систем; застосування локально-одновимірних схем для
оптимізації багатовимірних розподілених систем та інше. На базі теоретичних фундаментальних
результатів співробітниками кафедри здобуто ряд наукових результатів прикладного характеру,
які самі по собі були складними науково-технічними проблемами.
У 80-х роках вчені кафедри МСС інтенсивно займалися дослідженнями в галузі іденти-
фікації параметрів просторового руху літальних апаратів (ЛА) з метою обґрунтованого проекту-
вання окремих елементів та системи в цілому, а також з метою побудови ефективних керувань ЛА
в реальних умовах неповних і збурених даних вимірювання та спостереження, наприклад, в умо-
вах обмеженості “огляду”. Ці розробки впроваджено в КБ ім. О.К.Антонова (м. Київ, 1983) та ЛДІ
МАП СРСР (м. Жуковський, 1986) і використано пізніше в розробках для Національного косміч-
ного агентства України. Науковими керівниками цих розробок були член-кореспондент АН
УРСР, професор Бублик Б.М., професор Кириченко М.Ф. та відповідальними виконавцями – Бей-
ко І.В, Наконечний О.Г., Данилов В.Я., Кудін Г.І. Програмний комплекс у вигляді пакету при-
кладних програм для льотних досліджень розробив Лепеха М.П.
Одна з фундаментальних тем, започаткована Б.М. Бубликом ще 1973 року завдяки контак-
там з відомим ленінградським вченим В.І. Зубовим, була пов’язана з оптимальним проектуванням
різного типу прискорювальних та фокусувальних систем. Розроблені методи недиференційованої
оптимізації та практичної стійкості пучків траєкторій були використані для підвищення
коефіцієнта корисної дії та зменшення енергетичних витрат за заданої інтенсивності потоку еле-
ментарних часток у лінійних прискорювачах заряджених частинок, забезпечення мінімальних
шкідливих їх впливів і реалізовані у вигляді алгоритмів і програм при проектуванні: лінійних
прискорювачів важких іонів (Московський радіотехнічний інститут АН СРСР, 1982); лінійних
прискорювальних систем на 3 МЕВ і 12 МЕВ для медичних цілей (Інститут теоретичної та експе-
риментальної фізики АН СРСР, 1984–1990); для розрахунків оптимальних параметрів декількох
каналів мезонної фабрики (м. Троїцьк Московської обл., 1983) [3]. Ці ж методи використовували-
ся при проектуванні електростатичного перезарядного прискорювача в Інституті ядерних до-
сліджень НАНУ (1995). Згодом цей напрямок наукових досліджень очолив професор
Ф.Г. Гаращенко, під керівництвом якого було захищена докторська дисертація В.В. Пічкуром та
понад десять кандидатських дисертацій. Ці дослідження зберігають свою актуальність і можуть
бути використані в томографії, приладах науково-дослідного та виробничого характеру.
У 1986 р. Бублик Б.М, Бейко І.В. та Зінько П.М зайняли друге місце в конкурсі наукових
робіт Міністерства вищої і середньої спеціальної освіти УРСР з врученням премії, диплому та
медалі за монографію «Методы и алгоритмы решения задач оптимизации», – К., 1983.
Авторитет вчених кафедри МСС був настільки високий, що перед ними було поставлене
надзвичайно складне завдання – створення автоматизованої комп’ютерної системи обробки гідро-
акустичної інформації від радіобуїв, розкиданих у світовому океані, для розв'язання задач
знаходження координат джерела (джерел) гідроакустичних сигналів, які відображаються та
вимірюються спеціальними гідрофонними пристроями. Замовником виступало ММФ СРСР, на
його підприємствах ця система і впроваджувалася.
11
Кафедра МСС у 1997 р. – стоять у 1 ряду: І.В. Бейко, Ф.Г. Гаращенко, М.Ф. Кириченко,
М.П. Лепеха, Б.М. Бублик, І.І. Харченко; 2 ряд: Г.І. Кудін, В.А. Стоян, П.М. Зінько, В.Р. Кулян,
Ю.В. Крак, В.І. Петрук, В.А. Висоцький, О.М. Башняков; сидять: Н.М. Требіна, Л.Т. Аджубей,
О.Г. Павлюченко, Н.І. Давиденко, А.Г. Вайніленко, Ж.Ю. Бєлоносова.
Хоча в силу економічних труднощів, що вже давали про себе знати в останні роки існування
СРСР, на факультеті не вдалося створити лабораторію з діючим роботом, що було мрією
Б.М. Бублика, відповідні дослідження скеровувалися на виконання конкретного завдання: ро-
зроблено алгоритми адаптивного керування для стійки управління маніпуляційними роботами
“Прогрес 1-8” (м. Могильов, 1987). У подальшому були розроблені та впроваджені узагальнені
методи автоматизації процесу побудови рівнянь, що описують поведінку роботів. У роботі брали
безпосередню участь науковий керівник – професор Кириченко М.Ф., відповідальний виконавець
– Сорока Р.О., наукові співробітники Петрук В.І. та Крак Ю.В., який згодом захистив кандидатсь-
ку і докторську дисертації з робототехніки, до 2014р. – професор кафедри МСС, нині завідувач
кафедри теоретичної кібернетики (ТК).
Б.М. Бублик народився 25.01.1936 р. в селі Клюки Тетіївського району Київської області,
помер 24 грудня 1999 р. в м. Києві. Середню школу Б.М. Бублик закінчив у сусідньому м. Оратові
на Вінниччині у 1953 р. Того ж року склав іспити для вступу на механіко-математичний факуль-
тет Київського державного університету ім. Т.Г. Шевченка. Після закінчення університету в 1958
році Б.М. Бублик вступив до аспірантури. У 1962 р. захистив кандидатську дисертацію на тему:
«Коливання пластин та пологих оболонок, підкріплених ребрами жорсткості». В ці роки почалася
педагогічна діяльність Б.М. Бублика. Спочатку він працював асистентом на кафедрі загальної
математики на радіофізичному факультеті КДУ. У 1963–1964 рр. перебував у Монголії як викла-
дач вищої математики в Монгольському державному університеті ім. Чойбалсана в м. Улан-
Баторі. Повернувшись до Києва, Б.М. Бублик працював на кафедрі вищої математики та матема-
тичної фізики радіофізичного факультету КДУ. У 1964 році одержав звання доцента.
У 1969 р. Б.М. Бублик захистив докторську дисертацію з фізико-математичних наук на тему:
«Метод сумарних представлень в динамічних задачах теорії пластин і оболонок» і в 1971 р. одер-
жав звання професора по кафедрі МСС. Досягнення наукового колективу, очолюваного
Б.М. Бубликом, та його особистий внесок були високо оцінені науковою спільнотою колишнього
СРСР і в 1979 році його було обрано членом-кореспондентом АН України.
12
Голова спеціалізованої ради Б.М.Бублик на захисті дисертації 1998 р.
На долю Б.М. Бублика випала складна робота на посаді декана факультету кібернетики у
1977 – 1984 рр., особливо в період добудови корпуса факультету кібернетики по проспекту акад.
В.Глушкова, введення його в експлуатацію та оснащення сучасними на той час обчислювальними
засобами. Силами факультету кібернетики при підтримці ректорів М.У. Білого та В.В. Скопенка
був добудований та устаткований загальноуніверситетський Обчислювальний центр. Добрими
порадниками та щирими друзями, які підтримували його в цей час, були академіки В.М. Глушков,
І.І. Ляшко, В.С. Михалевич, І.В. Сергієнко.
Борис Миколайович був чудовим організатором науки. Створений і керований ним Респуб-
ліканський семінар з моделювання та оптимального керування складними системами свого часу
відіграв значну роль. Заснований ним Вісник Київського університету «Моделювання і оп-
тимізація складних систем» дали поштовх до теоретичних досліджень у галузі прикладної мате-
матики. За час роботи в університеті Б.М. Бублик був членом Вченої ради факультету і універси-
тету, головою спеціалізованих наукових рад із захисту докторських дисертацій в університеті,
членом кількох інших спеціалізованих рад. Був членом редколегії багатьох наукових журналів. Із
здобуттям Україною незалежності була створена Експертна Рада з інформатики та кібернетики
ВАК України, очолювана Б.М. Бубликом з 1992 до 1997 р.
Перелік друкованих праць Б.М. Бублика є вельми значним і кількісно налічує понад 120
назв. Це, насамперед, наукові монографії, підручники, навчальні посібники і програми наукових
курсів, наукові статті, тези наукових конференцій, фундаментальні розділи в наукових звітах,
рецензії, статті в енциклопедичних та довідникових виданнях, газетні публікації з актуальних
проблем організації науки.
Б.М. Бублик розвинув метод сумарних представлень для динамічних задач теорії пластин та
оболонок. Його прикладні дослідження пов‘язані з моделюванням просторового руху літальних
апаратів, локацією підводних об‘єктів, оптимізацією динаміки пучків елементарних частинок та
іонів у різних типах прискорювачів. Із провідних учених факультету кібернетики, кафедри та
науковців лабораторії під його керівництвом сформувалася відома наукова школа з моделювання
й оптимізації, одним з наукових здобутків якої на сьогоднішній день є захист більше 24 докторсь-
ких та понад 130 кандидатських дисертацій. Результати наукових досліджень були впроваджені в
КБ ім. О. Антонова, Інституті ядерної фізики НАНУ (Київ), Московському радіотехнічному ін-
ституті, Інституті теоретичної та експериментальної фізики АН СРСР, Льотному дослідному ін-
ституті (м. Жуковський, Росія) та в ряді інших провідних центрах та установах. З 1993 р.
Б.М. Бублик працював над проблемами математичного моделювання природоохоронних процесів
та над узагальненням отриманих раніше теоретичних результатів. Примітною рисою його науко-
вої біографії є те, що він завжди намагався працювати у колективі однодумців, надихав їх новими
науковими ідеями та всіляко підтримував запровадження ними цих ідей до практичного викори-
стання.
Викладацька майстерність професора Б.М. Бублика не залишали байдужими студентів. Він
завжди вмів зацікавити слухачів новими проблемами, неординарними методами розв‘язування
задач, щиро ділився науковим досвідом з підготовки нових лекційних курсів та нових напрямків у
13
виборі спецкурсів, які читалися на кафедрі. В останні роки ним були прочитані лекційні курси з
диференціальних рівнянь, теорії керування і спеціальні курси за тематикою «Математичні методи
моделювання та оптимального керування складними системами».
Багатогранна наукова та педагогічна діяльність Б.М. Бублика відзначалася глибиною та пер-
спективністю, а отримані наукові результати є вагомим внеском в українську науку. Держава ви-
соко оцінила наукові та педагогічні здобутки Б.М. Бублика, удостоївши його почесним званням
«Заслужений працівник освіти України», преміями та державними нагородами, зокрема трьома
медалями та двома орденами – «Знак пошани» та «За заслуги» ІІІ ступеня.
М.Ф. Кириченко 2005 р.
Микола Федорович Кириченко (нар. 15 червня 1940 р. в м. Ічня Чернігівської області – по-
мер 19 грудня 2008 р. в м. Києві) – видатний український вчений кібернетик та педагог, доктор
фізико-математичних наук, професор.
У 1962 р. закінчив механіко-математичний факультет Київського державного університету
ім. Т.Г. Шевченка за фахом «механіка». У 1966 р. в Інституті гідромеханіки АН України під
керівництвом проф. О.М. Голубенцева захистив кандидатську дисертацію на тему «Оцінки стій-
кості руху систем з випадковими параметрами». З 1970 р. – старший викладач кафедри моделю-
вання складних систем ф-ту кібернетики Київського університету, з 1971 р. – доцент кафедри. У
1973 р. захистив докторську дисертацію на тему «Дослідження задач стійкості і стабілізації руху
при обмежених збуреннях». З 1976 р. – професор кафедри МСС. З 1982 р. до 1986 р. – завідувач
кафедри теоретичної кібернетики. У 1984 р. отримав звання соросівського професора.
З 1986 р. до 1991р. працював у Чернівецькому державному університеті імені Юрія Федько-
вича, де створив та очолив кафедру математичних проблем управління і кібернетики.
У 1992 р. М.Ф. Кириченко повернувся до Києва і з того часу працював провідним науковим
співробітником у відділі інтелектуальних інформаційних технологій, який очолює академік
Ю.Г. Кривонос в Інституті кібернетики імені В.М. Глушкова НАН України. Саме там він ор-
ганізував творчий колектив зі своїх учнів, працюючи над розробкою засобів оптимального синте-
зу лінійних і нелінійних систем кластеризації даних (розпізнавання образів), що ґрунтуються ре-
зультатах теорії збурення псевдооберненених і проекційних операторів.
М.Ф. Кириченко є автором та співавтором 5 монографій, 11 наукових посібників, більше 190
наукових праць, підготував 30 кандидатів та 5 докторів наук. Результати його наукових праць
відомі не тільки в Україні. Цікавою була співпраця Б.М. Бублика та М.Ф. Кириченка з американ-
ськими вченими, а саме з професором Романом Куцом з Єльського університету США.
Нагороджений медалями «В пам‘ять 1500 річчя Києва» (1982 р.), «За трудову доблесть»
(1984 р.), відзнакою «Відмінник освіти України», лауреат Державної премії в галузі науки і тех-
ніки 2011 р. за цикл наукових праць «Конструктивна теорія моделювання, аналізу та оптимізації
систем з неповними даними та її застосування» (у складі колективу, посмертно)
Подана вище інформація наводить лише суху констатацію фактів біографії двох визначних
14
учених, але за нею не можна відтворити уявлення про внутрішній світ особистості.
Вічна тема людської пам‘яті турбує не одне покоління людей. Що треба створити, щоб за-
лишити добру згадку у нащадків? Цю проблему на прикладі власного життя успішно розв‘язали
Б.М. Бублик та М.Ф. Кириченко. Головна заслуга великої людини, непересічного вченого полягає
насамперед у тому, щоб виховати послідовників, знайти однодумців своїх ідей, втілити в життя
наукові задуми, передати моральні засади.
Якщо проаналізувати віхи життя та ознайомитися з їх біографіями, то вражає природна
скромність вчених в оцінці своїх здобутків. Разом з тим вони пишалися своїми учнями, всіляко
сприяли зростанню їх наукового потенціалу. Як визначні педагоги вони підготували декілька під-
ручників, що не втратили своєї актуальності і через багато років після написання.
Життя та діяльність такого наукового тандему у багатьох відношеннях є безпрецедентними.
Саме це покоління створило кістяк інтелігенції, яку називають шістдесятниками. Ці особистості й
сьогодні формують суспільну думку, вони доклали неймовірних зусиль для відродження не лише
національних традицій у культурі та науці. Важко навіть перелічити імена науковців, учителів,
письменників, лікарів, інженерів, які своїм прикладом, сумлінною працею, мужністю та бороть-
бою створили обличчя нової власної держави – самостійної незалежної України. У пам‘яті учнів
та колег ці вчені залишаються взірцем безкорисливості, доброзичливості, толерантності, боротьби
за свої переконання та ідеали.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Сучасні методи та інформаційні технології математичного моделювання, аналізу й оптимізації складних систем: Монографія. / [за
редакцією Ф.Г. Гаращенка, І.І. Харченка] – К.: Видавничо-поліграфічний центр «Київський університет», 2006. – 200 с.
2. Петрук В.І. Кафедра моделювання складних систем. До 45-річчя з дня застування. Наукове видання / В.I. Петрук. – К.: ДП «Інфор-маційно-аналітичне агентство», 2014. – 168 с.
3. Бублик Б.Н. Структурно-параметрическая оптимизация и устойчивость динамики пучков. / Б.Н. Бублик, Ф.Г. Гаращенко,
Н.Ф. Кириченко. – К.: «Наук. думка», 1985. – 304 с.
УДК 517.9+517.95
ДРІНЬ С.С., ДРІНЬ Я.М.
Національний університет ''Києво-Могилянська Академія'' (Україна)
Чернiвецький національний унiверситет iмені Юрія Федьковича (Україна)
ДОСЛІДЖЕННЯ ЗАДАЧ З НЕЛОКАЛЬНИМИ УМОВАМИ ДЛЯ ПАРАБОЛІЧНИХ
ПСЕВДОДИФЕРЕНЦІАЛЬНИХ РІВНЯНЬ
Встановлені теореми про розв'язність нелокальної багатоточкової задачі для параболічних
псевдодиференціальних рівнянь з негладкими сталими і змінними символами і з нелокальними та
псевдодиференціальними нелокальними умовами.
Теорія псевдодиференціальних рівнянь (ПДР) з нелокальними символами зародилася при
дослідженнях простіших рівнянь, що містять дробовий степінь оператора Лапласа /2)( [1], ідея
реалізації якого на функцію Sf особливо прозора в образах Фур'є: ]][|[|=)( 1/2 fFFf .
Ця формула є мало придатною для )(1
nRLf , але завдяки формулі про дію перетворення Фур'є
на згортку ][][=]*[ FfFfF та появі теорії розподілів Шварца її можна формалізувати до
більш зручної форми fFf *]|[|=)( 1/2 . Якщо операцію 1F розуміти у сенсі узагальнених
функцій, то ]|[| 21 F описане в [2, 3]. При 0>Re ця функція є локально інтегровною. Згортку з
цією функцією називають потенціалом Рісса, а саму функцію - ріссовим ядром. Оскільки при
0>Re потенціал Рісса має порядок особливості, більший ніж розмірність простору nR , то його
називають гіперсингулярним інтегралом і він завжди потребує регуляризації шляхом віднімання
ряду Тейлора функції f , або взяття її скінченної різниці.
Випадок однорідних символів має важливі застосування в теорії випадкових процесів.
Наприклад, ПДО Рісса з символом || ,
nR , 1<<0 , є твірним оператором симетричного
стійкого процесу [4, 5].
Теорія ПДО з негладкими символами має своє застосування і в сучасній теорії фракталів. У
15
[6] та цитованих там працях Р.Р. Нігматуліна, М.М. Джрбашяна та А.Б. Нерсесяна йдеться про
дослідження дифузійних процесів у фрактальних середовищах завдяки еволюційним рівнянням
дробового порядку з негладкими символами.
Дослідження лінійних ППДР зі сталими однорідними негладкими в нулі символами було
розпочате С.Д. Ейдельманом і Я.М. Дрінем в [7] і продовжене в [8, 9, 10]. Точну асимптотичну
поведінку фундаментального розв'язку (ФР) в околі нескінченно віддалених точок було
встановлено М.В. Федорюком [11] і з'ясовано, що вона не є експоненціальною, як у випадку
параболічних диференціальних рівнянь з частинними похідними, а степеневою. Методика
дослідження властивостей ФР, яка використовувалася в зазначених працях, своєю специфікою
накладає обмеження на порядок однорідності головного символу рівняння: 1> при 1>n ,
1= при 1=n .
А.Н. Кочубей [4, 5] вперше одержав точні оцінки параметрикса задачі Коші для лінійних
ППДР з символами певної гладкості поза початком координат, залежними від часу та просторової
змінної у випадку, коли 1>n та 1 . В.А. Літовченко у праці [12], розвиваючи ідею А.Н.
Кочубея [4, 5] встановлює аналогічні оцінки для 0> за умови нескінченної диференційовності
символів поза початком координат, залежних від часової змінної.
В.В. Городецьким в [13] будується спеціальний простір основних функцій, що
породжується властивостями ФР відповідного рівняння, який належить при кожному 0>t .
Для задачі Коші з початковими даними із простору встановлюється її коректна розв'язність у просторі , доводиться принцип локалізації та властивість слабкої стабілізації розв'язку задачі Коші. Зазначена схема дослідження задачі Коші та одержані результати поширюються в [14] на
випадок рівняння поліноміального вигляду.
Дослідженню нелокальних задач для рівнянь із частинними похідними приділяється велика
увага. Переважно випадки коректно поставлених задач вивчали в різних аспектах О.О. Дезін, В.К.
Романко, А.В. Біцадзе, О.А. Самарський, О.Л. Скубачевський, М.І. Матійчук. Задачі з
нелокальними умовами взагалі є умовно коректними, а їх розв'язність у багатьох випадках
пов'язана з проблемою малих знаменників. Саме такі задачі вивчалися у школі Б.Й. Пташника і
результати підсумовані у монографії [15].
Нелокальні багатоточкові задачі для еволюційних ПДР вивчалися В.В. Городецьким, Я.М.
Дрінем, М.М. Дрінь у працях [16, 17, 18, 19, 20, 21, 22, 23]. Зауважимо, що нелокальні задачі для
рівняння дифузії з оператором дробового диференціювання вивчені у праці [24], а перші
результати про розв'язки нелокальних крайових задач для ППДР анонсовані у [25].
Даною працею ми продовжуємо вивчати задачу із [23], де ПДО вперше запроваджуємо у
нелокальні умові [27], та аналогічну задачу для ПДО зі змінними символами.
1. Постановка задачі для рівняння зі змінними символами. Формула для розв'язку
Нехай 0>T , Tttm
=<<<01
, m
<<<<021
, 1> , 0> – числові параметри;
}0|{ p , p ; },<0|),{( nRxTtxt ; відносно a : R виконуються умови:
1) функції a : R , p0 , є неперервними, однорідними по порядку
функціями, де 0
, 1 , , p
( відомі дійсні числа такі, що 0> , p0 , причому
021<<<<<0
p ;
2) існує стала 0> така, що nR , ][0,Tt , вірною є нерівність
;||),( 00
ta
3) функції ),( ta , {0}\nR , ][0,Tt , p0 , є нескінченно диференційовними по ,
для яких правильні оцінки
;{0},1\,æ,|||),(||æ|æ pRZCtaD nn
N
4) 0> , nRx 0>C ,
0, : RRn , )( nRC :
|)|(1|)(| xCx ;
5) 0> , ),( xt 0>C , 0
f : R , )(Cf :
1.<<,0||)),(),((,|)|(1|),(| yxCytfxtfxCxtf
16
Формулою
,),()]],,([),([),(0=
1
xtxtuFtaFxtAux
p
x
(1)
визначається псевдодиференціальна операція з символом a : R , де
.),(),,(),(0=
ttatap
Зауважимо, що формулою (1) ПДО визначається лише на швидко спадних функціях
)(1 n
tRSCu . Якщо )(
]0[1,
,
ztCu , ][
0 – ціла частина 1
0 , то ПДО A визначена в [4] і
тлумачиться як гіперсингулярна інтегральна операція (ГСІО).
Розглянемо крайову задачу
,),(),,(=),(),( xtxtfxtAuxtut
(2)
,),(|),(=|),(=
1=
0=
n
kttk
m
k
tRxxxtuxtu (3)
Ttttm
=<<<<021
, m
<<<<021
, |>|
, ),,(=1 m
, i
m
i
1=
|=|
,
1<)},({exp1=
k
k
m
k
ta .
Якщо для довільного 1 nS 0),( kta , mk 1 , p 1 , то при 1<
1=
k
m
k
ця умова
виконується, а також <1=
k
m
k
c , де стала C визначена пізніше рівністю (10).
Формула для розв'язку однорідного рівняння
В образах Фур'є однорідна задача (2), (3) набуває вигляду
),(),,(),(=),(
0=
ttvtadt
tdv p
(4)
.),(~|),(=|),(=
1=
0=
n
kttk
m
k
tRtvtv (5)
Загальний розв'язок рівняння (4)
}.),({exp=),(0=0
daCtvpt
Задовольнимо умову (5). Тоді
),(~}),({exp=0=01=
daCCpkt
k
m
k
звідки
.
}),({exp
)(~=
0=01=
da
Cpkt
k
m
k
Розв'язок задачі (4), (5) дається формулою
.
}),({exp
)(~}),({exp
=),(
0=01=
0=0
da
da
tvpkt
k
m
k
pt
(6)
17
Позначимо
).,,(),(0=
tadapt
(7)
Тоді
=
)},({exp1
11=
)},({exp
1
1=1=
kk
m
k
kk
m
k
tata =0 =1
1 1( ) ( exp{ ( , )}) =
mr r
k k
r k
a t
)},),(),(({exp!!
!)
1(
1=
111
1
1|=|0=
mmmr
m
r
mrr
r
r
rtartarr
r
і останній вираз позначимо через Q :
mr
m
r
mrr
r
r rr
rtQ
11
1|=|0= !!
!)
1(
1),;,(
)},),(),(),(({exp11 mm
rtartata (8)
де ),( k
ta визначені рівністю (7).
Проведемо оцінку ),;,(
xtQ . Покладемо
|,),(|supmax
1
][0,1
taB
nS
Ttp
де S – одинична сфера в nR . Оскільки ),(|=|),(
tata , то Bta
|||),(| .
Оскільки
,),(),(=),(),(01=
0
00=0
dadadata
tptpt
то
}.),({exp}),({exp=)},({exp01=
0
0
dadata
tpt
Використовуючи умови параболічності 00
||),(
a отримуємо, що
}.||{exp}),({exp 00
0
tda
t
Далі
=1 =10 0
exp{ ( , ) } exp{ | ( , ) | }
t tp p
a d a d
}.||{exp1=
tBp
Якщо тепер скористатися нерівністю
0,0,1,=11
, badcd
b
c
aab
dc
причому рівність досягається при 0== ba i 1== ba , то для довільного 0> дістанемо, що
.)(=d
b
c
abaab
ddcc
Звідси при |=|a ,
1=b ,
0=c ,
0
0=d дістанемо, що
.)1
()|(|1
)|(|=|| 0
02
0
0
0
0
Тоді
18
,)1
(|||| 0
02
0
0
1=
0
01=
0
1=
ppp
BttBtB
},||{exp)},({exp 01
tCta
де
,=
0
01=
1
p
B (9)
}.{exp= 0
02
0
0
1=
p
BTC (10)
Вибором числа 0> розпорядимося так, щоб виконувалася нерівність 0>1 . Стала 1>C
залежить від B , порядків k
, pk 0 ПДО, що входять у вихідне рівняння (2), числа i T –
ширини шару T
. Очевидно, що стала C експоненціально зростає при зростанні T . Також
очевидно, що стала C не залежить від T , якщо у вихідному рівнянні відсутні молодші члени.
Аналогічно отримуємо, що
}||{exp}),({exp 01 kk
kr
kkrtcrta
і, отже,
.}||{exp)},({exp ||
1=
01
||
1=
r
kk
m
k
r
kk
m
k
crtcrta
Тоді
01
=0 =1
| ( , ; , ) | exp{ | | } ( ) ( )m
r r
k
r k
c cQ t t
},||{exp= 01
1=
t
c
c
k
m
k
де 1 із (9), за умови, що
,>1=
k
m
k
C (11)
де C із (10).
Позначимо
k
m
k
C
CC
1=
1= (12)
і отримаємо остаточну оцінку функції Q :
},||{exp|),;,(| 011
tCtQ
(13)
де 1 , C ,
1C визначені рівностями (9), (10), (12) відповідно. Формула (6) набуває вигляду
),(~),;,(=),(
tQtv
де Q визначена рівністю (8) і для неї вірною є оцінка (13). Тоді розв'язок задачі (2), (3) для
однорідного рівняння ( 0f )
.)(}),;,()},({exp){(2=),( ddtQxixtunR
n
nR
(14)
Оцінка (13) гарантує законність при 0>t диференціювання по t і застосування ПДО (1),
який тлумачиться як ГСІ, під знаком інтеграла в (14).
Позначимо
,),;,()},({exp)(2),( dtQxixtGnR
n
(15)
Tt <0 , nRx , де Q функція з (8), для якої правильна оцінка (13).
19
Оцінимо функцію G , де Q визначена в (8). Для цього скористаємося результатами праць [4,
лема 1; 5; 12, лема 2], звідки випливають оцінки
},|)|({|),(|)(1/
0=
n
p
xttCxtG (16)
,|)|(|),(||)æ|(1/
0=
æ
æ
np
xxttCxtGD (17)
nZ
æ ,
,|)|(|),(|)0(1/
0=
np
txtCxtG (18)
які правильні для всіх 0>t , nRx .
Оцінки (16) (18) гарантують законність при 0>t диференціювання по t і застосування A ,
p0 , під знаком інтеграла в (14).
Неоднорідне рівняння
У випадку сталого символа формула для розв'язку u : R набуває вигляду
( , ) = ( , ; , ) ( )nR
u t x G t x d dfxtGdR
t
),(),;,(0
,0,,),(),;,(01=
RxtdfxttGdk
R
kt
k
m
k
(19)
де функція G визначена виразом (15) і для неї вірними є оцінки (16) (18).
Отже, вірною є така теорема.
Теорема 1 Якщо виконуються умови 1) – 3), то задача (2), (3) має фундаментальний
розв'язок G (13), для якого вірними є оцінки (16) – (18). При 0f розв'язок цієї задачі
записується у вигляді (14), а для неоднорідного рівняння формула для розв'язку набуває вигляду
(19).
2. Випадок сталого символа ПДО рівняння Розглянемо крайову задачу [27]
,),(),,(=),(),( xtxtfxtAuxtut
(20)
=0 =
=1
( , ) | = ( , ) |m
t k k t tk
k
u t x B u t x ,),( nRxx (21)
де A – ПДО з символом )(a , а k
B – ПДО з символами )(k
b , RRn , однорідними
порядку 0>k
, mk 1 .
Запишемо розв'язок задачі (20), (21) у вигляді
( , ) = (2 ) exp{ ( , )} ( , )n
nR
u t x i x v t d
,),(,321
xtIII (22)
де
,),(),(= 1
1=
1 dfxttGdI
kk
nR
kt
t
m
k
),( xt , (23)
,),(),(= 2
0
2 dfxtGdI
nR
t
),( xt , (24)
,0,>,)(),(= 3
3
n
nR
RxtdxtGI (25)
1 ( , ) = ( )(2 ) ( )n
k k k k
nR
G t t x M b ,)})((),({exp dttaxik (26)
,,>,),(0,> n
kRtxttt
20
2 ( , ) = ( )(2 ) n
nR
G t x M exp{ ( , ) ( )( )} ,i x a t d (27)
,,>,),( nRtxt
3( , ) = ( )exp{ ( , )
nR
G t x M i x ,,),(,)})(( nRxtdta (28)
Якщо 1)(=)(1
m
bb , а |=|)( a , 1=n , > , то, враховуючи [26],
,))(ˆ(
ˆ)(
1=),ˆ(
220=
3
xt
txtG r
r
.,0,> RRxt
Тоді
.1
=)(1
=),ˆ(0=
3
r
rR
dxxtG
Виходячи із (28) можна записати, що
3 1
( )( , ) = [ ( ) ( )xG t x F a Mt
exp{ ( ) }], > 0, , ,n na t t x R R
3 1
( )( , ) = [ ( ) ( )xA G t x F a M
exp{ ( ) }], > 0, , .n na t t x R R
Тому
0,=),()( 3
xtGA
t
nn RRxt ,0,> . (29)
Аналогічними властивостями володіють функції 1
kG ( mk 1 ) i 2G . Використовуючи (29),
[4, 5] i [23] доводиться, що функція ),( xtu , 0>t , nRx , визначена рівністю (22), задовольняє
рівняння (20) і нелокальні умови (21). Отже, вірною є така
Теорема 2. Нехай ),( xtu , ),( xt , функція, визначена в (22), є сумою трьох доданків,
кожен з яких визначений рівностями (23) – (25) відповідно. Тоді вірними є співвідношення
,),(0,=)(3
xtIA
t
.),(),,(=))((32
xtxtfIIA
t
Функція u задовольняє умову (21).
Зауваження. Порядки ПДО в нелокальних умовах (21) можуть бути довільними і не зв'язані
з порядком ПДО у рівнянні (20).
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Самко Г.С. Интегралы и производные дробного порядка и некоторые их приложения / Г.С. Самко, А.А. Килбас, О.И. Маричев. – Минск: Наука и техника, 1987. – 688 с.
2. Schwartz L. Theorie des distributions. In 2 volms / L. Schwartz. – Paris: Hermann, 1951. – V. 2. - 169 p.
3. Лизоркин П.И. Операторы, связанные с дробным дифференцированием, и классы дифференцируемых функций / П.И. Лизоркин // Тр. Мат. ин-та АН СССР. – 1972. – Т. 117. – С. 212–243.
4. Кочубей А.Н. Параболические псевдодифференциальные уравнения, гиперсингулярные интегралы и марковские процессы / А.Н.
Кочубей / Изв. АН СССР. Сер. мат. – 1988. – Т. 52, № 5. – С. 909–934. 5. Eidelman S.D. Analytic methods in the theory of differential and pseudo-differential equations of parabolic type / S.D. Eidelman, S.D.
Ivasyshen, A.N. Kochubei – Basel-Boston-Berlin: Bizkhaser Verlag, 2004. – 390 p. (Operator Theory: Advances and Applications, Vol. 152).
6. Кочубей А.Н. Задача Коши для эволюционных уравнений дробного порядка / А.Н. Кочубей / Дифференц. уравнения. – 1989. – Т. 25, № 8. – С. 1359–1368.
7. Эйдельман С.Д. Необходимые и достаточные условия стабилизации решений задачи Коши для параболических
псевдодифференциальных уравнений / С.Д. Эйдельман, Я.М. Дринь // Приближенные методы математического анализа. – Киев, 1974. – С. 60–69.
8. Дрінь Я.М. Вивчення одного класу параболічних псевдодиференціальних операторів у просторах гельдерових функцій / Я.М.
Дрінь // Доп. АН УРСР. Сер. А. – 1974. – № 1. – С. 19–21. 9. Дринь Я.М. Фундаментальное решение задачи Коши для одного класса параболических псевдодифференциальных уравнений /
Я.М. Дринь // Докл. АН УССР. Сер. А. 1977. – № 3. – С. 198–202.
10. Эйдельман С.Д. Построение и исследование классических фундаментальных решений задачи Коши равномерно параболических псевдодифференциальных уравнений / С.Д. Эйдельман, Я.М. Дринь // Мат. исследования. – 1981. – Т. 63. – С. 18–33.
11. Федорюк М.В. Асимптотика функции Грина псевдодифференциальных параболических уравнений / М.В. Федорюк // Дифференц.
уравнения. – 1978. – Т. 14, № 7. – С. 1296–1301.
21
12. Літовченко В.А. Задача Коші з оператором Рісса дробового диференціювання / В.А. Літовченко // Укр. мат. журн. – Т. 57, № 12. –
2005. – С. 1653–1667.
13. Городецький В.В. Граничні властивості гладких у шарі розв'язків рівнянь параболічного типу / В.В. Городецький. – Чернівці: Рута, 1998. – 225 с.
14. Літовченко В.А. Задача Коші для параболічних псевдодиференціальних рівнянь з початковими умовами в просторах узагальнених функцій типу розподілів: дис. ... кандидата фіз.-мат. наук: 01.01.02 / В.А. Літовченко. – Чернівці, 1995. – 118 с. 15. Нелокальні крайові задачі для рівнянь з частинними похідними / [Б.Й. Пташник, В.С. Ільків, І.Я. Кміть, В.М. Поліщук]. – Київ:
Наук. думка, 2002. – 416 с.
16. Ya.M. Drin' Nonlocal problem for one class equations of diffusion in space of generalized functions. Pros. Spie 9066, Eleventh Intern. Conf. on Correlation Optics, 9066OU, pp. 1–12 (December 17, 2013).
17. V.V. Gorodetsky, Ya.M. Drin'. Investigation of Cauchy and Nonlocal problems of Diffusion Equation. Pros. Spie 9066, Eleventh Intern.
Conf. on Correlation Optics, 9066OT, pp. 1–20 (December 17, 2013). 18. Городецкий В.В. Нелокальная по времени двухточечная задача и задача оптимального управления для эволюционных псевдодифференциальных уравнений / В.В. Городецкий, Я.М. Дринь // Проблемы управления и информатики. – 2014, № 2. – С. 65–79.
19. Городецький В.В. Нелокальна багатоточкова за часом задача для еволюційних рівнянь з псевдодиференціальними операторами в просторах періодичних функцій / Городецький В.В., Дрінь Я.М. // Буковинський математичний журнал, 2014. – Т. 2, № 1. – С. 54–70.
20. Городецький В.В. Багатоточкова за часом задача для одного класу еволюційних псевдодиференціальних рівнянь / Городецький В.В., Дрінь Я.М. // Укр. мат. журн. – 2014. – Т. 66, № 5. – С. 619–633. ISSN 1027–3130.
21. Дрінь Я.М. Дослідження задачі Коші та нелокальних багатоточкових крайових параболічних задач для псевдодиференціальних рівнянь з негладкими символами / Я.М. Дрінь, М.М. Дрінь // Міжнар. наук. конф. ''Диференціальні рівняння та їх застосування'' (11–
14.10.2006): Тези доп. – Чернівці, 2006. – C. 205. 22. Дрінь Я.М. Класичні та узагальнені нелокальні задачі для параболічних псевдодиференціальних рівнянь з негладкими символами / Ярослав М. Дрінь // Third intern. conf. for Young Mathematicians on Differential Equations and Applications dedicated to Yaroslav
Lopatynsky (Lviv, November 3–6, 2010): Book of abstracts, Donetsk, 2010. – P. 55. 23. Дрінь Я.М. Нелокальна задача Діріхле для параболічних псевдодиференціальних рівнянь з негладкими символами / Дрінь Я.М. //
Буковинський математичний журнал, 2014. – Т. 2, № 2–3. – С. 72–81. 24. Матійчук М.І. Параболічні та еліптичні задачі у просторах Діні / М.І. Матійчук. – Чернівці: Чернівецький нац. ун-т, 2010. – 248 с.
25. Матійчук М. Про розв'язки нелокальних крайових задач для параболічних псевдодиференціальних рівнянь М. Матійчук, О. Дрінь
// Сучасні проблеми механіки і математики. Матеріали конф. – Львів, 1998. – С. 246. 26. Дрінь Р.Я. Дослідження якісних властивостей розв'язків параболічних псевдодиференціальних рівнянь з негладкими символами: дис. ... кандидата фіз.-мат. наук: 01.01.02 / Р.Я. Дрінь. – Львів, 1997. – 115 с.
27. Дрінь М.М. Задача з нелокальними псевдодиференціальними умовами дял параболічних псевдодиференціальних рівнянь / Дрінь М.М., Дрінь Я.М. // Буковинський математичний журнал, 2014. – Т. 2, № 4. – С. 48–56.
УДК:004.928
КРИВОНОС Ю.Г., КРАК Ю.В.
ІК НАНУ, КНУ (Україна)
ПРОБЛЕМИ МОДЕЛЮВАННЯ І РОЗПІЗНАВАННЯ ЖЕСТОВОЇ КОМУНІКАЦІЙНОЇ
ІНФОРМАЦІЇ
Пропонуються підходи до побудови систем комунікації для людей з вадами слуху на основі
розробки математичних методів та інформаційних технологій.
Вивчаються загальні проблеми передачі інформації візуально-кінетичними засобами (рух
рук, рух пальців рук, артикуляція губ, мімічні прояви емоцій), що використвуються у жестовій
мові глухих людей [1]. Базовою смисловою одиницею виступає жест і його візуальне сприйняття
визначають особливості жестової мови: можливість певним чином розташувати жест у просторі,
виконувати одночасно жест двома руками і т.п. Відзначимо, що жестовая інформація в різних
народів має схожу візуалізацію і близьку інтерпретацію, що робить її важливим елементів міжна-
родної комунікації. Розвиток сучасних засобів обчислювальної техніки, Wев-технологій, дозво-
ляють створювати мультимедійні комп'ютерні засоби для опису, візуалізації та ідентифікації жес-
тової інформації. Структура жестових елементів може бути формалізована за конфігурацією, за
локалізацією і за характером руху.
У доповіді пропонується підхід до структурування і формалізації жестів з метою викорис-
тання отриманих конструктивних елементів, як для синтезу, так і для розпізнавання (ідентифіка-
ції) довільного жесту. Запропонований формальний опис структури жесту складається з певних
ключових станів узагальненого скелета, які були отримані шляхом оцифрування рухів людини-
носія жестової інформації і функціонально розрахованих траєкторій при виконанні жесту. Мно-
жини цих станів і траєкторій фіксовані. За їх допомогою і алгоритму синтезу проміжних траєкто-
рій стає можливим синтезувати довільний жест. Таким чином, за допомогою носіїв жестової мови
створюється фіксована множина станів узагальненого скелета для довільної кількості віртуальних
моделей, з якої автоматично синтезується набір жестів для жестової мови.
Отриманий опис жесту застосовується до задачі розпізнавання, під якою розуміється відне-
22
сення об'єкта до одного з взаємовиключних класів з яких складається жест. Для ідентифікації
пропонується використовувати методи запропоновані і розвинуті у роботах Кириченка М.Ф. та
його учнів. Для побудови системи ознак запропоновано використовувати геометро-топологічні
характеристики рук людини і метод, заснований на гістограмах орієнтованих градієнтів. За допо-
могою навченого класифікатора була проведена ідентифікація жестів дактильной азбуки. Тесту-
вання запропонованого підходу показало його здатність для синтезу та розпізнавання жестових
елементів.
ПЕРЕЛІК ЛІТЕРАТУРИ
1. Кривонос Ю.Г. Моделирование движений рук, мимики и артикуляции лица человека для син теза и визуализации жестовой информации / Кривонос Ю.Г., Крак Ю.В. // Кибернетика и системный анализ. – 2011. – №4. – С.3-8.
УДК 517.977.1
СОПРОНЮК Ф.О., СОПРОНЮК Є.Ф.
ЧНУ імені Юрія Федьковича (Україна)
ФІЛЬТРАЦІЯ БАГАТОВИМІРНИХ ВИПАДКОВИХ ПРОЦЕСІВ У ДИНАМІЧНИХ
СИСТЕМАХ ЗІ ЗМІННОЮ ВИМІРНІСТЮ ФАЗОВОГО ПРОСТОРУ
Для динамічних систем зі змінною вимірністю фазового простору, які знаходяться під
впливом випадкових збурень, одержані рівняння типу рівнянь Вінера для матричної оптимальної
перехідної імпульсної функції. Ці рівняння запропоновано використовувати для оптимальних
фільтрів типу Калмана і Б’юсі.
Нехай задано розбиття { }, , ,
відрізка , тобто , ( ( – нестаціонарні випад-
кові процеси розмірності , .
На відрізку з заданим розбиттям розглянемо динамічну систему
( (
(
( ( ( ( (
(1)
за умов зміни вимірності фазового простору
( ( ( ( (2)
В (1) ( – квадратні матриці порядку , ( – прямокутні матриці розмірності
, для яких розв’язок (1) існує і єдиний для всіх , ( ( – вектор фазового простору
системи (1) розмірності , у (2) – відомі матриці розмірності , – одинична
матриця і ( ) , .
Позначимо
( ) ( ( … ( ) (3)
де ( ( ( , а через ( позначена фундаментальна матриця розв’язків од-
норідного векторного диференціального рівняння
( (
(
( ( (4)
Тепер можемо записати сигнал на виході системи (1) за умов (2), який задовольнятиме по-
чаткову умову ( ( (
( ( ( (
∫ ( ( ( (
∑ ( )
∫ ( ) ( ( (
(5)
Якщо
(
(6)
то сигнал на виході системи матиме вигляд
23
( ( ∫ ( ( ( (
∑ ( )
∫ ( ) ( ( (
або
( ( ∫ ( ( (
∑ ( )
∫ ( ) ( (
(7)
де через ( позначена матриця розмірності
( ( ( (8)
Позначимо через ( ( – векторний сигнал розмірності , який бажано одержати на ви-
ході системи при , , і через ( ( – похибку відтворення бажаного сигналу
( ( ( ( ( ( (9)
де
( ( ( ( ∑ ( )
∫ ( ) ( (
Маємо
( ( ( ( ∫ ( ( (
(10)
Припустимо, що ( ( і ( ( – випадкові процеси з нульовими середніми значеннями.
Тоді з урахуванням (6) ( ( також буде випадковим процесом з нульовим середнім значенням.
Коваріаційні матриці вказаних вище випадкових процесів будуть
[ ( ( ( ( ] [ ( ( ( ( ]
[ ( ( ( ( ] [ ( ( ( ( ]
[ ( ( ( ( ] [ ( ( ( ( ]
}
(11)
За міру якості фільтра (1) виберемо наступний функціонал:
( ∑ [ ( ( ( ( ]
∑ [ ( ( ( ( ]
(12)
Оскільки
[ ( ( ( ( ]
{[ ( ( ∫ ( ( (
] [ ( ( ∫ ( ( (
]
}
[ ( ( ( ( ] ∫ [ ( ( ( ] ( (
∫ ( [ ( ( ( ( ]
24
∫ ( ∫ [ ( ( ( ( ] (
Щоб одержати вигляд функціонала якості, потрібно останній вираз підставити в (12).
Легко бачити, що матриці
∫ [ ( ( ( ( ] (
∫ ( [ ( ( ( ( ]
порядку задовольняють умову , тобто ( . Отже, функціонал
якості набуває вигляду
( ∑
{ [ ( ( ( ( ]
∫ ( ∫ [ ( ( ( ( ] (
∫ ( [ ( ( ( ( ]
}
(13)
Величина ( , яка є мірою похибки фільтра, залежить від виду матричних імпульсних пе-рехідних функцій ( ( ( , . Якщо ці матриці є опти-мальними імпульсними перехідними функціями, тобто за цих функцій функціонал ( досягає
мінімального значення, то це означає, що за будь-яких інших матричних перехідних імпульсних
функціях ( ( (де – довільний скалярний параметр, який не залежить від , )
міра похибки фільтра задовольнятиме нерівність ( ( ( .
У відповідності з (13), одержуємо
( ( ∑ { [ ( ( ( ]
∫ [ ( ( ( ( ]( ( ( )
∫( ( ( ) ∫ [ ( ( ( ( ]( ( ( )
}
(14)
Вираз (14) перетворимо до наступного вигляду:
( ( ( ∑ {
∫ [ ( ( ( ( ] (
∫ ( ∫ [ ( ( ( ( ]
(
∫ ( ∫ [ ( ( ( ( ]
(
25
∫ ( ∫ [ ( ( ( ( ]
( }
(15)
Позначивши
∫ ( ∫ [ ( ( ( ( ]
(
(16)
∫ ( ∫ [ ( ( ( ( ]
(
(17)
( ( ∫ ( ( (
(18)
і враховуючи те, що
( ( ∫ ( ( (
одержимо
∫ ( ( ( ∫ ( (
( ( )
( ( ( ( ( )
∫ ( ( ( ∫ ( (
( ( )
( ( ( ( ( )
Отже, , а значить
(19)
На основі рівності (19) одержимо
[ ∫ [ ( ( ( ( ] (
]
[ ∫ [ ( ( ( ( ] (
∫ ( ∫ [ ( ( ( ( ] (
]
[ ∫ { [ ( ( ( ( ] ∫ (
[ ( ( ( ( ] } (
]
( (20)
де
( ∫ { [ ( ( ( ( ] ∫ (
[ ( ( ( ( ] } (
(21)
Розглянемо останній доданок у (15). Введемо позначення
26
( ∫ ( ∫ [ ( ( ( ( ]
(
(22)
У відповідності з (18) одержуємо
( ∫ ( ∫ ( ( ( (
(
{ ∫ ( ( (
∫[ ( ( ( ]
} [ ( ( ( ( ]
і тому, використовуючи останню рівність, одержуємо
( (23)
Отже (15) на основі (20) і (22) набуває вигляду
( ( ( ∑ (
∑
(
(24)
де ( і ( визначені виразами (21) і (22).
Необхідна умова мінімуму функціонала (13) має вигляд
( ( |
(25)
за будь-яких ( .
Цю умову можемо записати у вигляді
∑ (
(26)
Умова (26) виявляється не тільки необхідною, але й достатньою умовою мінімуму
функціонала (13). Дійсно, якщо виконується умова (26), то вираз (24) набуває вигляду
( ( ∑ ( ( ∑
( (
(27)
оскільки згідно (23)
∑
(
за будь-яких ( , , , .
Використовуючи те, що умова (26) повинна виконуватися за будь-яких функцій ( ,
то у відповідності з (21) умову мінімуму функціонала (12) запишемо так:
[ ( ( ( ( ] ∫ (
[ ( ( ( ( ]
(28)
, , .
Можемо зробити висновок, що оптимальна імпульсна перехідна функція ( фільтра,
яка має розмірність при , , , повинна задовольняти матричне інтегральне рівняння (28) (матричне інтегральне рівняння Вінера). З цього інтегрального рівняння
випливають наступні два співвідношення, які використовуються для знаходження оптимального
фільтра Калмана–Б’юсі системи зі змінною вимірністю фазового простору.
Рівняння (28) перепишемо так:
[ ( ( ( ( ] ∫ (
[ ( ( ( ( ]
, , .
27
Використовуючи наведені вище позначення, останнє співвідношення перепишемо так:
{[ ( ( ( ( ] ( ( }
Якщо використати (9), то звідси одержимо
[ ( ( ( ( ] (29)
Щоб одержати друге співвідношення, використаємо вираз для ( ( , транспонуючи який, маємо
( ( ∫ ( ( (
Помножимо ліву і праву частини цього співвідношення зліва на ( ( . Одержимо
( ( ( ( ∫ ( ( ( ( (
Замінимо обидві частини їх математичними сподіваннями
[ ( ( ( ( ] [ ∫ ( ( ( ( (
]
Згідно (29) права частина цього співвідношення дорівнює нулю. Тому
[ ( ( ( ( ] (30)
Сформулюємо тепер задачу про оптимальні фільтри Калмана–Б’юсі для динамічних си-
стем зі зміною вимірності фазового простору.
На відрізку з розбиттям розглянемо лінійну систему
( (
(
( ( ( ( (
(31)
за умов зміни вимірності фазового простору
( ( ( ( (32)
Тут ( – вектор стану системи (31) розмірності , ( – матриця розмірності ,
( ( – векторний випадковий процес розмірності , ( – матриця розмірності , ,
.
За спостереженнями визначається вектор ( ( розмірності , який визначається
співвідношенням
( ( ( ( ( ( ( (33)
де ( – матриця розмірності , а ( ( – векторний випадковий процес розмір-
ності . Ми припускаємо, що система (31), (32) за умов (33) при ( ( і ( ( цілком
спостережувана.
Випадкові процеси ( ( і ( ( – це процеси Гаусса типу білий шум з нульовими се-
редніми значеннями. Їх коваріаційні матриці мають вигляд
[ ( ( ( ( ] [ ( ( ( ( ] ( (
[ ( ( ( ( ] [ ( ( ( ( ] ( (
[ ( ( ( ( ] [ ( ( ( ( ]
}
(34)
де ( – дельта-функція Дірака, ( – симетрична невід’ємно визначена матриця роз-
мірності , ( – симетрична додатно визначена матриця розмірності , ,
.
Нехай ( ( – випадковий процес Гаусса розмірності з нульовим математичним
сподіванням
[ ( ( ] (35)
і кореляційною матрицею
[ ( ( ( ( ] (36)
причому – невід’ємно визначена матриця, яка відома. Крім цього, ми припустимо, що
28
( ( ( ( ( ( незалежні.
Зауважимо, що оскільки ( ( – випадковий процес з нульовим середнім значенням, то з
(35) випливає, що [ ( ( ] для будь-якого , тобто ( ( випадковий процес з ну-
льовим середнім значенням, , .
Задача. Знайти фільтр, який описується векторним диференціальним рівнянням
( (
(
( ( ( ( ( ( (
(37)
за умов зміни вимірності фазового простору
( ( ( ( (38)
вихід якого вектор ( ( розмірності був би оптимальною оцінкою ( ( стану ( (
системи (31), (32), коли .
Щоб розв’язати сформульовану задачу, потрібно знайти функції ( і ( для системи
(37), (38) на основі (33) та використавши (28) при , .
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Бублик Б.Н. Основы теории управления / Б.Н. Бублик, Н.Ф. Кириченко – К.: Вища школа, 1975. – 328 с. 2. Кириченко Н.Ф. Введение в теорию стабилизации движения / Н.Ф. Кириченко – К.: Вища школа, 1978. – 184 с.
3. Сопронюк Ф.О. Моделювання та оптимізація систем управління з розгалуженням структур / Ф.О. Сопронюк – Чернівці: Рута,
1995. – 155 с. 4. Ройтенберг Я.Н. Автоматическое управление / Я.Н. Ройтенбер
СЕКЦІЯ 1 УДК 517.9
АБРАМЧУК В.С., АБРАМЧУК І.В., БАБЮК Д.О.
Вінницький державний педагогічний університет (Україна)
Вінницький національний технічний університет (Україна)
ОПТИМІЗАЦІЙНІ МЕТОДИ НА ОСНОВІ ЗОЛОТОГО ПЕРЕРІЗУ
Запропоновані методи мінімізації унімодальних одномірних функцій, інтерполяції алгебрич-
ними многочленами, обчислення визначених інтегралів від погано зумовлених функцій на основі
послідовностей золотого перерізу.
Постановка проблеми: мінімізація похибки обчислень; розробка чисельних алгоритмів оп-
тимізації та інтегрування функцій складної природи.
Степеневі послідовності. Золотим перерізом назвемо розв’язки рівняння , один з
яких, √
, ділить проміжок на частини точками , , а другий, ⁄ ,
ділить точками , проміжок . Узагальненням золотого перерізу назвемо розвязки рівняння з цілими коефіцієнтами такими, що один корінь належить
( , другий ― ( . Для багатомірних обмежених замкнутих областей відображенням , де ( , є функція, що описує гладку (кусково-гладку) поверхню, якою
розбивається область на частини.
Теорема. 1. Члени степеневих послідовностей ( ( , є лінійними функціями параметра з цілими коефіцієнтами. Члени степеневої послідовності ( є
лінійними функціями параметра з раціональними коефіцієнтами.
2. Члени степеневої послідовності ( , , задовольняють рекурентне співвідношення , . Члени степеневої послідовності ( задовольняють рекурентне
співвідношення , .
Мінімізація унімодальних функцій. Основним недоліком класичного методу оптимізації
на основі золотого перерізу є лінійна швидкість збіжності. Методи ньютонівського типу в околі
точки мінімуму мають квадратичну швидкість збіжності для гладких опуклих функцій, але не
застосовні для оптимізації довільних функцій [1].
Позначимо через відрізок, якому належить точка мінімуму унімодальної функції.
а) Якщо ( ( , то введемо точку поділу відрізка на основі золотого пере-
29
різу: ;
б) Якщо ( ( ― точку , де , , . Позначимо
( , .
Варіант 1. Якщо ( , то виконаємо параболічну інтерполяцію на сітці ( . Обчислимо за формулою:
(
, де a)
( (
( ( , б) (
( ( .
Визначимо новий проміжок, якому належить і продовжимо процес.
Варіант 2. Якщо ( , то визначимо новий проміжок , присвоїмо , визначимо нову точку і продовжимо процес.
Процес завершимо, якщо проміжок, якому належить звужений до величини ,
або число кроків стало більшим за , ― задані величини. Модифікація алгоритму із
звуженням проміжку і параболічною інтерполяцією забезпечує високу швидкість збіжності.
Розв'язання нелінійних рівнянь ( , ( . Знаходження дійсного кореня рівняння еквівалентно задачі мінімізації | ( |.
Інтерполяція за допомогою степеневого базису. Виберемо в якості вузлів інтерполяції
точки із послідовності золотого перерізу, отриманого шляхом послідовного розбиття підінтер-
валів , ⋃ , точками ( ( ,
( . Задача інтерполяції за допомогою алгебричного многочлена ( ∑ зво-
диться до розв'язання системи алгебричних рівнянь ( , з матрицею Ван-
дермонда. Оскільки вузли вибираються із послідовності золотого перерізу, то на основі висновків
теореми дістанемо, що всі вирази є лінійними функціями відносно з цілими коефіцієнтами.
Перетворення матриці жордановими виключеннями приведе матрицю Вандермонда до діагональ-
ної форми з діагональними елементами, що є лінійними функціями відносно з цілими
коефіцієнтами.
Таким чином, задача інтерполяції буде розв’язана з мінімальною похибкою обчислень.
Оскільки похибка інтерполяційної формули мінімізується при виборі сітки з чебишевськими вуз-
лами, то, апроксимуючи їх вузлами із степеневої послідовності золотого перерізу, дістанемо оп-
тимізаційні формули.
Чисельне інтегрування функцій. 1. Інтегрування погано зумовлених опуклих функцій. Інте-
грування погано зумовлених функцій ( , за допомогою квадратурних формул Сімпсона, Гаусса, Чебишева, Уедлля, Ейлера приводить до необіхдності вибирати крок інте-
грування в межах | | , що вимагає значного числа обчислень, а отже, накопичення похибки обчислень.
Для інтерполяції погано зумовлених функцій застосуємо позіноміальну інтерполяцію на
сітці { } проміжка : (
, ( ( (
з невідомими параметрами ( , [2]. На основі степеневих послідовно-
стей золотого перерізу дістанемо, що задовольняє рівняння
,
, , для ( (аналогічно , , для ( ). Наближене значення інтегралу знаходиться за формулою
∫ (
∑ ∫ ( (
( ) (
( ))
.
Тут, як і в задачі інтерполяції, покладається, що проміжок можна розбити на підінтер-вали, які лінійними перетвореннями зводяться до .
2. Чисельне інтегрування на основі кубічного многочлена. Для кожного проміжку розбиття
, ⋃ , виконати інтерполяцію функції ( кубічним много-
членом, а за вузли інтерполяції вибрати золотий переріз, то дістанемо формули:
∫ ( (
∫ (
, де (
, ( . По-
значимо: ( , ( ( , ( , ( , ( .
Коефіцієнти інтерполяції визначимо за формулами ( , ( ,
( , ( ( , (
30
( , ( (
, (√ ) ⁄ . Зазначимо, що формули є коректними, оскільки сума
коефіцієнтів при невідомих дорівнює нулю [3].
Висновки. На основі властивостей степеневих послідовностей золотого перерізу запропоно-
вані методи інтерполяції, інтегрування погано зумовлених функцій та мінімізації унімодальних
одномірних функцій (які можна узагальнити на багатомірні).
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Каханер Д. Численные методы и программное обеспечение / Д. Каханер, К. Моулер, С. Нэш. Перевод с англ. – М.: Мир, 2001. –
575 с. 2. Абрамчук В.С. Наближене інтегрування жорстких задач / В.С. Абрамчук, І.В. Абрамчук // Математичне та комп’ютерне моделю-
вання. Серія: фізико-математичні науки: зб. наук. пр. Камянець-Подільськ. ун-т, 2012. – Вип. 7 – С. 3-17.
3. Кормен Т. Алгоритмы: построение и анализ / Т. Кормен, Ч. Лейзерсон, Р. Ривест, К. Штайн. Перевод с англ. – М.: Изд. «Вильямс», 2005. – 1296 с.
УДК: 666.3.041
ПЕРМЯКОВ В.И., ШЕВЧЕНКО А.А., АНТОНОВА Т.С.
ХНУСА (УКРАИНА)
РАСПРЕДЕЛЕННАЯ СТРУКТУРА СИСТЕМА УПРАВЛЕНИЯ КОНВЕКТИВНЫМ
ТЕПЛООБМЕНОМ
В работе рассматривается структурное представление системы управления распреде-
ленными тепловыми технологическими объектами.
Конвективный теплообмен широко используется в разнообразных системах технологиче-
ской переработки материала. Рассмотрим структуру системы управления подобным процессом в
распределенной форме [1].
В случае умеренно меняющихся процессов, что характерно для больших объектов перера-
ботки, описывающие уравнения будут иметь вид[2]:
(
[
(
(
(
] (
при этом, начальные условия: ( ( ,
граничные условия: ( ( ( ( (
( ( ( ( ( ( ( ,
габаритные размеры установки:
Воспользуемся концепцией структурного представления управления распределенной си-
стемой:
здесь представлены переходные блоки: распределенная-сосредоточенная система и наоборот.
31
В рамках этой концепции структурная схема САУ распределенной системы будет иметь
вид:
здесь ( – блок сосредоточенного воздействия на распределенную систему, (
( – блоки измерения сосредоточенных сигналов распределенной системы.
Передаточная функция прямой цепи будет иметь вид:
(
∑
(
)
Функция Грина:
(
∑
[ (
)]
собственные значения краевой задачи и собственные функции:
(
)
( (
√
√
Согласно принятым обозначениям в [1], уравнения замкнутой системы примут вид:
( ( (
( ( ( (
( ( (
Разработанная модель замкнутой распределенной системы управления тепловыми процес-
сами в технологических объектах позволяет формулировать и решать разнообразные задачи
управления.
32
Вторым положительным свойством модели является возможность постановки задачи пла-
нирования измерений температурного поля – задача восстановления поля по точечным измерени-
ям и задача выбора количества и места размещения датчиков температуры.
СПИСОК ЛИТЕРАТУРЫ 1. Характеристики систем с распределенными параметрами (справочное пособие). Бутковский А.Г. Главная редакция физико-
математической литературы издательства «Наука», М., 1979, 224 стр.
2. Тепловые процессы в технологии силикатов: Учебник/ А. В. Ралко, А.А.Крупа, Н.Н.Племянников, Н.В.Алексеенко, Ю.Д.Зинько. – К.: Вища школа. Головное издательство, 1986. – 232с.
УДК 624.132.3
ГОРБАТЮК Є.В., ГОРБАТЮК М.Є.
КНУБА, Гімназія “Академія”, (Україна)
МАТЕМАТИЧНА МОДЕЛЬ ДІЇ МІКРОРЕЛЬЄФУ НА НЕКЕРОВАНІ ПЕРЕМІЩЕННЯ
РОБОЧОГО ОРГАНУ РОЗПУШУВАЧА
У статті запропонована математична модель впливу реакції грунту при його руйнуванні на
некеровані переміщення робочого органа розпушувача. Використання цієї моделі дає змогу підви-
щити ефективність розпушувального обладнання шляхом удосконалення його системи керування.
Вступ. Інтенсивне освоєння родовищ корисних копалин і будівництво нафто- і газопроводів
неможливо без сучасної землерийної техніки, здатної розробляти міцні та мерзлі ґрунти. Одним з
основних видів машин, що здійснюють розробку таких ґрунтів являються навісні розпушувачі на
базі гусеничних тракторів, робочий процес яких характеризується найменшою енергоємністю.
Аналіз публікацій. Нині використовуються різні способи розробки мерзлих і міцних ґрун-
тів [1–3], основні з яких буропідривні роботи та розпушування ґрунту навісними розпушувачами.
Розпушування ґрунту, в порівнянні з виконанням земляних робіт буропідривним методом,
забезпечує зниження, сприяє підвищенню якості робіт і є менш небезпечним для довкілля.
В наведених роботах здійснено аналіз факторів і приведені математичні рівняння для визна-
чення положення робочого органа розпушувача, але не складена математична модель впливу реа-
кції грунту при його руйнуванні на некеровані переміщення робочого органу.
Мета і постановка задачі. В процесі роботи розпушувального агрегату його ходове устат-
кування взаємодіє з ґрунтом, що викликає некеровані переміщення робочого органу в просторі, а,
отже, і зміну глибини розпушування, що призводить до зміни реакції ґрунту на робочому органі.
У зв’язку з цим необхідно розробити математичну модель робочого процесу розпушуваль-
ного агрегату.
Актуальною є проблема подальшого вдосконалення систем керування розпушувальних аг-
регатів, що частково або повністю виключає людину-оператора з контурів управління двигунами
внутрішнього згоряння і положенням робочого органу.
Метою роботи є підвищення ефективності розпушувального агрегату шляхом визначення
складових змін крутного моменту трактора-тягача в залежності від положення робочого органа
розпушувача.
Математична модель дії мікрорельєфу на некеровані переміщення робочого органу ро-
зпушувача. Для складання моделі застосовується розрахункова схема в якій гусениця розділена на дві
напівгусениці, що взаємодіють з ґрунтом і які пов’язані між собою через остов.
Мікрорельєф генерується за кореляційною функцією [4]:
lelRl
y
cos)( 12 , (1)
де – середньоквадратичне відхилення; i – параметри, що характеризують загасання кореля-
ції; i – параметри, що характеризують періодичність кореляції; l – довжина ділянки.
Для урахування згладжуючої здатності гусениць застосовується вираз дискретного виду [1]:
kn
knm
myM
ny )(1
)( , (2)
33
де )1(5,0 Mk ; M – інтервал усереднення; )(my – ординати незгладженого мікрорельєфу.
Представимо зміни положення робочого органу залежно від переміщень остову у вигляді
динамічної ланки, входом якої є зміна вертикальної координати центру тяжіння остову y , а
виходом – зміна положення робочого органу роy . Передатна функція такої ланки визначається
як відношення [5]:
)(
)()(
ро
роXYL
XYLpWY , (3)
де L – символ перетворення Лапласа.
Після виконання перетворення Лапласа (3), отримуємо наступну передатну функцію:
,)1(p)(
)()( роро
ро3
ро2
ро1
ро
ро
pp
Y ekek
kpy
pypW
(4)
де роy – зміна вертикальної координати робочого органу від некерованих переміщень остову;
y – зміна вертикальної координати центру тяжіння розпушувача від дії мікрорельєфу на ходове
обладнання; 1k , 2k і 3k – коефіцієнти посилення; ро – час запізнювання.
Структурна схема (рис. 1) є математичною моделлю процесу дії мікрорельєфу на некеровані
переміщення робочого органу розпушувального агрегату, які викликають зміну глибини розпу-
шування, а отже і зміну моменту опору прикладеного до валу двигуна. Мікрорельєф генерується
по кореляційній функції (1), згладжуюча здатність гусениць враховується у вираженні (2).
Рис. 1 – Структурна схема математичної моделі дії мікрорельєфу на некеровані переміщення
робочого органу
Передатна функція (4) враховує зміну положення робочого органу розпушувача при зміні
положення центру тяжіння остову.
Висновки. Запропонована в роботі математична модель впливу реакції грунту при його
руйнуванні на некеровані переміщення робочого органу є сумою низькочастотних і високочасто-
тних коливань, що становлять реакції ґрунту на робочі органи розпушувача.
У математичній моделі підсистеми “Остов – навісне устаткування” враховується згладжую-
ча здатність гусеничного рушія, а також вплив жорсткості підвіски на некеровані переміщення
робочого органу розпушувача.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Щербаков Е.С. Исследование неуправляемых перемещений рыхлительного агрегата с целью повышения эффективности разработ-
ки мерзлых грунтов: Дис. … канд. техн. наук: спец. 05.05.04. – Дорожные, строительные и подъемно-транспортные машины / Е.С. Щербаков. – М.: МАДИ, 1980. – 207 с.
2. Горбатюк Є.В. Аналіз тенденцій розвитку розпушуючих агрегатів / Є.В. Горбатюк, Т.В. Шевченко // Техніка будівництва: науко-
во-технічний журнал, – К.: КНУБА, 2008. – Вип. 21 – С. 5-10. 3. Toshov J.B. Questions modeling of dynamics of drilling tools on the bottom hole. / J.B. Toshov, M.K. Shukurov // Austrian Journal of
Technical and Natural Sciences, «East West» Association for Advanced Studies and Higher Education GmbH. Vienna. 1-2 (1) 2014, – pp. 116-
122. 4. Беляев В.В. Повышение точности планировочных работ автогрейдерами с дополнительными опорными элементами рабочего
органа: Дис. канд. техн. наук / В.В. Беляев. – Омск, 1987 . – 230 с.
5. Кузин Э.Н. Повышение эффективности землеройных машин непрерывного действия на основе увеличения точности позициони-рования рабочего органа: Дис. ... докт. техн. наук / Э.Н. Кузин. – М.: ВНИИСДМ, 1984. – 443 с.
Генера-
тор мікро-
рельєфу
Зглад
жу-вання
Блок
фрагмен-
тації
)( pWy
)(ро pWY
)( pW
1y
)(ly2y
трv1y
2y
роy
yy
вF
воM
роFM
34
УДК 517. 977.55
КОПЕЦЬ М. М.
Національний технічний університет України
«Київський політехнічний інститут», Київ, Україна,
ФОРМУЛИ ДЛЯ ОБЧИСЛЕННЯ РОЗВ’ЯЗКУ СИСТЕМИ ДИФЕРЕНЦІАЛЬНИХ РІВНЯНЬ
РІККАТІ ЧЕТВЕРТОГО ПОРЯДКУ
В процесі дослідження задач оптимального керування коливальними процесами (матеріаль-
ної точки, струни, бруса, мембрани, кругового кільця і т. д.) виникає необхідність отримати
розв’язок наступної системи диференцільних рівнянь
11 2
12 21 12 21
12 2
22 11 12 22
21 2
22 11 21 22
22 2
12 21 22
[ ] 1 0,
0,
0,
0.
dr ta r t r t r t r t
dt
dr ta r t r t r t r t
dt
dr ta r t r t r t r t
dt
dr tr t r t r t
dt
, (1)
де 0 1t t t , 0 0t
, 1t , a - відомі числові параметри. Для рівняння (1) задані умови
трансверсальності
11 1( ) 1r t , 12 1( ) 0r t
, 21 1( ) 0r t , 22 1( ) 1r t
. (2)
Особливість задачі (1)-(2) обумовлена наступними двома обставинами: по-перше, система
рівнянь (1) нелінійна; по-друге, на відміну від задачі Коші, умови (2) задані на правому кінці. З
цих причин подання розв’язку задачі (1)-(2) в аналітичній формі можна вважати певним успіхом.
Із системою рівнянь (1) пов’язана наступна матриця четвертого порядку
2
2
0 1 0 0
0 0 1
1 0 0
0 0 1 0
a
a
H
. (3).
Щоб переконатися в цьому, потрібно матрицю (3) записати в блочній формі
T
A FH
Q A,
де матриці A , T
A , F та Q відповідно задані наступним чином
2
0 1
0a
A
,
20
1 0
T a
A
,
0 0
0 1
F
,
1 0
0 0
Q
.
Тоді систему рівнянь (1) можна записати як одне матричне диференцільне рівняння
( )( ) ( ) ( ) ( )Td tt t t t
dt
RR A A R R FR Q
,
де матриця ( )tR
має вигляд
11 12
21 22
( ) ( )( )
( ) ( )
r t r tt
r t r t
R
.
35
Умови (2) в матричній формі будуть такими
1( )t R I,
де символом I позначено одиничну матрицю другого порядку. Використовуючи результати, отримані в [1], можна сформулювати наступне твердження.
Теорема 1. Для обчислення елементів матриці ( )tR
маємо такі формули
11 111
1
( )( )
( )
q t tr t
t t
,
12 112 21
1
( )( ) ( )
( )
q t tr t r t
t t
,
22 122
1
( )( )
( )
q t tr t
t t
,
де функції 11( )q t, 12 ( )q t
, 22 ( )q t,
( )t мають віповідно наступний вигляд
2 2 2 2
11( ) ( )[( 1)cos(2 )q t t
2 2( 1)cosh(2 )] 2 sin(2 ) 2 sinh(2 )t t t , 12( ) 2 [cosh(2 ) cos(2 )]q t t t
2 2 2 2( 1)sin(2 ) ( 1)sinh(2 )t t
, 2 2 2 2
22( ) ( 1)cos(2 ) ( 1)cosh(2 )q t t t 2 sin(2 ) 2 sinh(2 )t t ,
2 2( ) 2 cosh(2 ) 2 cos(2 )t t t .
2 2 2 2( 1)sinh(2 ) ( 1)sin(2 )t t ,
де
4 21
2
a a
,
4 21.
2
a a
.
Для ілюстрації отриманих результатів пропонується рисунок, коли 2a , 0 0t , 1 5t
.
Рис.1. Графіки функцій: 11( )r t- суцільнакрива; 12 21( ) ( )r t r t
- пунктирна крива; 22 ( )r t- дрібна
пунктирна крива.
ПЕРЕЛІК ЛІТЕРАТУРИ
1. Копец M. M. Оптимальное управление процессом колебаний тонкого прямоугольного стержня. – Проблемы управления и инфор-
матики. №3, 2015, с. 42-55.
УДК 519.711
КОЦУР М.П.
Чернівецький національний університет імені Юрія Федьковича (Україна)
АЛГОРИТМ РОЗВ'ЯЗУВАННЯ ЗАДАЧІ ОПТИМАЛЬНОГО КЕРУВАННЯ НЕСТАЦІОНАРНИМ
РЕЖИМОМ КАСКАДНОГО ТЕРМОЕЛЕКТРИЧНОГО ОХОЛОДЖУВАЧА
0 0.5 1 1.5 2 2.5 3 3.5
4 4.5 5 -1
0
1
2
3
4
5
6
36
Пропонується алгоритм для розв’язування задачі оптимального керування нестаціонарним
режимом каскадного термоелектричного охолоджувача.
У [1] запропоновано метод для розв’язування задачі оптимального керування об’єктом з ро-
зподіленими параметрами, який описується системою нелiнiйних параболічних рівнянь з нестан-
дартними крайовими умовами. Метод полягає у дискретизації об’єкта і переході до об’єкта з зо-
середженими параметрами, для оптимізації якого використовується принцип максимуму Понтря-
гіна. Такий спосіб застосовано для оптимізації процесу нестаціонарного термоелектричного
охолодження. У [1] описана математична модель такого процесу для K-каскадного охолоджу-
вача і сформульована одна з основних задач оптимального керування цим процесом, яка
полягає в наступному.
Розподіл температури у вітках термоелектричного охолоджувача визначається сис-
темою дискретизаваних за координатою диференційних рівнянь у вигляді:
,1,
, ,
,
1
,
( , ( )), 1,...,
( , ( )), 1,..., ; 1,2; 2,...,
d
d
d
d
k
k m
k
k m i
i
TF
t
Tf
T I t k K
T I t k K m i Nt
,(1)
з початковими та додатковими умовами на границях:
, , , 1,..., ; 1,2; 1,..., 10k m i a k KT m i NT , (2)
,2,1 ,1,1 ,2, 1 ,1, 1
,1, 1 1,1,1 ,1, 1
; , 1,...,
, 1,..., 1;
k k k N k N
k N k K N a
T t T t T t T t k K
T t T t k K T t T
, (3)
де , , ( )k m iT t – температура в точках дискретизації віток, І – струм живлення охолоджувача.
Індекси означають: k=1,…,K – номер каскаду; m=1,2 – номер вітки (m=1 – вітка n-типу
провідності, m=2 – вітка р-типу); і=1,…,N+1 – номер вузла по координаті (N=1/h, h – крок
по координаті). Вигляд функцій Fk і fk,m,i дано в [1]. Струмом I, який протікає у вітках і забезпечує охолодження, можна керувати, змінюючи йо-
го величину з часом в межах IGI GI={0, Imax}. Одна з раціональних оптимізаційних задач полягає
у визначенні оптимальної функції струму I(t) такої, що мінімізує температуру охолодження
1,1,1( )T пристрою за певний проміжок часу , тобто забезпечує мінімум функціоналу 1,1,1( )T .
Розв’язок такої оптимізаційної задачі задається принципом максимуму Понтрягіна. Для ко-
жного моменту часу t повинна задовольнятися умова максимуму:
( ( ), ( ), ( )) max ( ( ), , ( ))II G
H T t I t t H T t I t
, (4)
де функція Гамільтона H має вигляд 2
, , , ,
1 1 2
K N
k k k m i k m i
k m i
H F f
. (5)
Допоміжні (спряжені до T) функції k(t) і k,m,i(t) повинні задовольняти дискретизовану спряжену
до (1) систему диференційних рівнянь з відповідними умовами трансверсальності.
Задача розв’язувалась чисельним методом за допомогою наступного ітераційного алгоритму.
1. Задаємо початкове наближення функції керування, наприклад, у вигляді (0)
0( )I t I , де 0 II G .
2. З цим наближенням розв’язуємо основну систему диференційних рівнянь (1) з початковими та додатковими умовами (2),(3) і знаходимо функції стану T(t).
Для чисельного методу розв’язування цієї системи використовуємо метод скінчених різ-
ниць. Задача дискретизується за часом 0,t на P вузлів з кроком =/(P-1). Система кінцево-
різницевих рівнянь для розв’язування задачі (1)-(3) може бути записана, використовуючи абсолю-
тно збіжну неявну схему, і має вигляд системи лінійних алгебраїчних рівнянь з трьохдіагональ-
ною матрицею: 1
, , , 1,..., ; 1,2; 1,..., 1k m i a k KT m i NT , (6)
37
1 1
, ,1 , ,1 , ,1 , ,2 , ,1
1 1 1
, ,2 , ,1 , ,2 , ,2 , ,2 , ,3 , ,2
1
, , , , 1 , , , ,
............................................................................
j j
k m k m k m k m k m
j j j
k m k m k m k m k m k m k m
j j
k m N k m N k m N k m N
B T C T D
A T B T C T D
A T B T
1 1
, , , , 1 , ,
1 1
, , 1 , , , , 1 , , 1 , , 1
j
k m N k m N k m N
j j
k m N k m N k m N k m N k m N
C T D
A T B T D
, k=1,…,K; m=1,2. (7)
Якщо врахувати вигляд функцій Fk і fk,m,i [1], то коефіцієнти в цих рівняннях будуть наступни-
ми:
, , , ,
, , , ,
,
( )( )
j j j
k m i m k m ij
k m i m k m i
m k m k
I T TA T
hc s L T
,
, , , ,
, , , , 1 , ,
,
( )1 [ ( ) ( )]
j j j
k m i m k m ij j
k m i m k m i m k m i
m k m k
I T TB T T
hc s L T
,
, , , , 1( )j
k m i m k m iC T ,
2
, ,
, , , , 2
,
( ) ( )j j
k m ij
k m i k m i
m k m
I TD T
c s
, де
2 2
m kh c L
, k=1,…,K; m=1,2; i=2,…,N.
1,1 1,211,1,1 1,1 1,2 1 1,1,1 1 1,1,1 2 1,2,1 2 1,2,1
1 1 1
1 [ ( ) ( ) ( ) ( ) ( ) ]j j j j j j
T
s snB K s s T T I T T I
g hL hL
,
1,111,1,1 1 1,1,1
1 1
( )jsn
C Tg hL
,
1,2,2211,1,1 1,1,1 0 1,1 1,2 0 2 1,2,1
1 1,1 1,2
1 1[ ( ) ( ) ( ) ( ) ]
j
j j j
T a
TnD T q K s s T I r T
g s s h
.
Для всіх k=1,…,K-1: 1,
,1, 1 1 ,1, 1
1
( )k jk
k N k N
k k
snA T
g hL
,
,1 ,2
,1, 1 1 ,1, 1 1 ,1, 1 2 ,2, 1 2 ,2, 1
1
1,1 1,211 1,1,1 1 1,1,1 2 1,2,1 2 1,2,1
1 1 1
1 [ ( ) ( ) ( ) ( ) ]
[ ( ) ( ) ( ) ( ) ]
k kj j j j j jkk N k N k N k N k N
k k k
k kj j j j j jkk k k k
k k k
s snB T T I T T I
g hL hL
s snT T I T T I
g hL hL
,
,22
,1, 1 ,1, 1 0 2 ,2, 1 ,2,
1 ,1 ,2
1,1 1,2210 1 1,1,1 1,1,2 2 1,2,1 1,2,2
1 1,1 1,2 1 1
1 1[( ) ( ) ( ) ]
1 1[( ) ( ) ( ) ( ) ]
kj j j jkk N k N k N k N
k k k k
k kj j j j jkk k k k
k k k k k
snD T I r T T
g s s hL
s snI r T T T T
g s s hL hL
.
Для всіх k=2,…,K: 1
,1,1 ,1,1 ,1,1 1,1, 11; 0; j
k k k k NB C D T
.
Для k=K: ,1, 1 ,1, 1 ,1, 10; 1;K N K N K N aA B D T .
Для всіх k=1,…,K: 1
,2,1 ,2,1 ,2,1 ,1,11; 0; ;j
k k k kB C D T 1
,2, 1 ,2, 1 ,2, 1 ,1, 10; 1; .j
k N k N k N k NA B D T
Для знаходження Т на кожному (j+1)-ому шарі (j=1,…,P-1) система (7) з трьохдіагональною
матрицею розв’язується методом прогонки.
3. Як результат розв’язування задачі (6)-(7) знаходимо сукупність дискретних значень температур
Тj для всіх j=1,…,P, які апроксимують функції Т(t) на відрізку часу 0,t , і отримуємо значення
функціоналу 1,1,1
PT .
4. Використовуємо початкове наближення функції керування (0) ( )I t та знайдену дискретизовану
функцію стану Тj і за аналогією з кроком 2 розв’язуємо спряжену до (1) систему лінійних дифере-
нційних рівнянь та отримуємо сукупності дискретних значень kj і k,m,i
j, якими апроксимуються
допоміжні функції k(t) і k,m,i(t) на відрізку часу 0,t .
5. Використовуємо розв’язки основної і допоміжної систем для обчислення максимального зна-
чення функції Гамільтона H (5) за параметром I на кожному кроці по часу j=1,…,P. Для пошуку
38
оптимальних значень jI з області IG можна застосувати метод золотого перерізу. Як результат
отримаємо сукупність дискретних значень (1) jI , якою апроксимується нове наближення функції
керування I(1)
(t).
6. З новим наближенням (1) jI розв’язуємо основну задачу (1)-(3), як це описано в пункті 2, та
знаходимо нове значення функціоналу . Повторюємо ітераційний процес до досягнення зміни
функціоналу в межах заданої похибки.
Алгоритм реалізується шляхом розробки відповідної комп’ютерної програми.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Коцур М.П. Technology Audit and Production Reserves, т.1/2(27), с.29-34, 2016.
УДК 621.865
ЛАЗОРИК В.В.
Чернівецький національний університет імені Юрія Федьковича (Україна)
ГЕОМЕТРИЧНА МАТЕМАТИЧНА МОДЕЛЬ РОБОТА З ПАРАЛЕЛЬНОЮ СХЕМОЮ
З’ЄДНАННЯ ЛАНОК
У даній роботі розглядаються побудова математичної моделі робота з паралельною
схемою з’єднання ланок. Побудова моделі заснована на структурному підході опису простих та
складних роботів, який запропонований в роботах Миколи Федоровича Кириченко
Вступ. Багато задача перенесення вантажу вирішуються із застосуванням маніпуляційних ро-
ботів, що мають послідовну кінематичну структуру[1,2], але підвищення вимог до механічної
жорсткості, вантажопідйомності, габаритності та швидкодії привело до появи нових класів ро-
ботів-маніпуляторів, що використовують паралельну схему з'єднання ланок. Замкнений кінема-
тичний ланцюг, таких маніпуляторів забезпечує більш високу жорсткість усієї конструкції, а ско-
рочення маси рухливих частин зменшує навантаження на приводи, що приводить до підвищення
динаміки й точності позиціонування захвату. Таким чином, дослідження побудова математичних
моделей робота з паралельними схемами з’єднання є актуальним завданням.
Структура геометричних примітивів роботів. Розглянемо структури геометричних
примітиві для простої та складної ланки, які запропоновані в роботах М. Ф. Кириченка та Ф.О.
Сопронюка [3,4,5].
Опис примітивів - ланок задається [3,4,5] в пов'язаній декартовій системі координат. У цій
системі координат поверхня ланки задана у вигляді 1,, zyx , де zyx ,, взагалі кажучи,
векторна функція. Ланка задається, як множина точок 1,,:,, zyxzyxT
. "Входом"
примітиву вважається точка, яка належить множині , збігається з початком координат
TEnter 0,0,0 і має: напрямок "входу" (напрямок вхідного з'єднання), який збігається з
напрямком вектора Te 0,0,11 одиничного вектора осі Оx; орієнтацію "входу" (орієнтацію
вхідного з'єднання), яка визначається напрямком вектора Te 0,1,02 одиничного вектора осі
Оу. "Виходом" примітиву називатимемо множину 321 ,,, cccbExit , де b вектор поло-
ження "виходу", 1c одиничний вектор напрямку "виходу" (вихідного з'єднання), 2c одинич-
ний вектор орієнтації виходу, причому 21321 ,0 cccccT . Знак " " означає операцію век-
торного добутку.
Для опису ланок з паралельними структурами, які мають декілька входів визначимо «додат-
ковій вхід» 321 ,,, dddaEnterA , де a вектор положення "виходу", 1d одиничний
вектор напрямку "виходу" (вихідного з'єднання), 2d одиничний вектор орієнтації виходу, при-
чому 21321 ,0 dddddT .
Геометричною структурою простого примітиву ланки (Simple Link) називатимемо множину
,ExitGSSL . (1)
39
Ланку-примітив, яка має один "вхід" та декілька "виходів" називатимемо складною ланкою
(Complicated Link)
,,...,1 qExitExitGSCL . (2)
Ланку-примітив, яка має декілька "входів" та "виходів" називатимемо складною паралельною
ланкою (Complicated Paralell Link)
,,...,1 qExitExitGSCL . (3)
Геометрична структура робота з паралельною схемою з’єднання.
Розглянемо m - ланковий маніпуляційний робот, використовуючи (1)-(3), геометричну
структуру якого можна записати у вигляді [1-3]
},)()(),(),...,1(),1(),0()0({ mGSCLmGSSLmGSSLGSCLGSSLGSSR (4)
де )(i - тип з'єднання ланки ( 0)( i – відповідає поступальному, а 1)( i – оберталь-
ному способу з'єднання ланок), знак “|" - означає альтернативний вибір. Стан робота в просторі
узагальнених координат визначається вектором ),...,,( 21 m .
Нехай задано маніпуляційний робот у якого ( 1i ) та i – ланки мають паралельну форму
з’єднання. Паралельну схему представимо, з використанням трьох рухомих кінематичних пар
«входів» та «виході» ланок. Тоді геометричну структуру робота запишемо у вигляді
}.)()(),(),...,(),3,(),2,(),1,(
),1(),1(),...,1(),1(),0()0({
mGSCLmGSSLmiGSCPLiii
iGSCPLGSSLGSCLGSSLGSSRP
(5)
Відповідно стан робота в просторі узагальнених координат визначається вектором
),...,,,,,,...,( 13,2,1,11 miiiii .
Геометрична математична модель характеризує геометричний стан (конфігурацію) робота
в базовій системі координат. У роботах вище вказаних авторів [3,4,5] геометрична математична
модель маніпуляційного робота (4) подано у вигляді (6)-(8)
jjcjjbjKjOjO 1~)(1)1(~
11 1 , (6)
EjAjjCjKjK j
T )(1)(1~
1 1 , 1,...,1 mj , (7)
EKO 0,00 , (8)
де jO - вектор початку j -ї системи координат у базовій системі координат; jK -
матриця, стовпцями якої є орти i -ї системи координат, перераховані в базову; 1A - матриця
повороту на кут навколо осі Ox у тривимірному просторі, вектори та матриці позначені зна-
ком "" визначаються у відносних системах координат jjjj zyxO .
Враховуючи паралельну форму з’єднання ( 1i ) та i – ланки, геометричну математичну
модель маніпуляційного робота, який задається структурою (5) можна записати у вигляді (9)-(13)
jjcjjbjKjOjO 1~)(1)1(~
11 1 , (9)
EjAjjCjKjK j
T )(1)(1~
1 1 , 1,...,1,1,...,1 miij , (10)
3,132,12
1,11
2,1~)3,(1)3,1(~
2,1~)2,(1)2,1(~
1,1~)1,(1)1,1(~
11
ii
i
iciidiciid
iciibiKiOiO
(11)
EiAiiDEiAiiD
EiAiiCiKiK
i
T
i
T
i
T
)3,(1)3,(3,1~
)2,(1)2,(2,1~
)1,(1)1,(1,1~
1
3.132.12
1.11
,(12)
.0,00 EKO (13)
де l - індикатор активності рухомого з’єднання.
Основний результат. Побудована математична модель маніпуляційного робота зі схемою
паралельного з’єднання ланок. Дана модель може використовуватися для розв’язання задач
кінематики для маніпуляційних роботів такої структури.
40
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Denavit J., A kinematic notation for lower-pair mechanisms based on matrices [Тext]/ Denavit J., Hartenberg R.S. //J. Appl. Mech., 77,
1955, P.215-221.
2. Вукобратович М. Управление манипуляционными роботами : теория и приложения [Текст] / М. Вукобратович, Д. Скотич // М.: Наука, 1985. – 384 с.
3. Кириченко М. Ф., Оптимізація маніпуляційних роботів [Текст] / М. Ф. Кириченко, Ю.В. Крак, Р.О. Сорока // К.: Либідь, 1990.– 144
с. 4. Сопронюк Ф.О. Моделювання та оптимізація систем управління з розгалуженням структур [Текст] / Ф.О. Сопронюк // Чернівці:
Рута, 1955. – 155 с.
5. Soproniuk F. A Stimulation Structures of Mechanic Control System [Тext] / F. Soproniuk, V. Lazorik / Development and Application System. Suceva (Rom) ”Stefan cel Mare” University, 1994, P. 63-68.
УДК 519.8
МАЩЕНКО С.О, МОРЕНЕЦЬ В.І.
КНУ ім. Т. Шевченка (Україна)
[email protected], [email protected]
КОНЦЕПЦІЯ РІВНОВАГИ ЗА НЕШЕМ В ІГРАХ З НЕЧІТКОЮ МНОЖИНОЮ ГРАВЦІВ
Для некооперативної гри в нормальній формі з нечіткою множиною гравців пропонується
розвиток концепції рівноваги за Нешем. Показано, що у випадку нечіткої множини гравців мно-
жина рівноваг за Нешем буде нечіткою множиною типу 2 (нечітка множина, функція належно-
сті якої приймає нечіткі значення), побудована її функція належності. Запропонована двох-
критеріальна задача рівноваги, множина оптимальних за Парето розв’язків якої утворює носій
множини нечітких рівноваг за Нешем вихідної гри.
Для гри G у нормальній формі , ;i iX u i N , де 1,2,...N n - множина з n гравців; iX -
множина стратегій гравця i N ; ( )iu x - функція його виграшу, яка визначена на множині ситуа-
цій гри i
i N
X X
, приймає дійсні значення і максимізується. У доповіді розглядається узагаль-
нення на випадок нечіткої множини N N гравців з функцією належності ( )i , i N .
Позначимо через \ \ \ \ \ˆ ˆ ˆ ˆ ˆ ˆ ˆ{( , ) | ( , ) max ( , ), }
i i
i i N i i i N i i i N i N i N ix X
BR x x u x x u x x x X
– множину най-
кращих відповідей i – го гравця, i N , на задані стратегії всіх інших гравців. Тоді множина
«нечітких» рівноваг за Нешем буде задаватися як [1 – 4]:
( , )i
i N
FNE BR
.
де ( , )
ii N
BR
– перетин нечіткої множини N N чітких множин iBR , i N , який є нечіткою
множиною типу 2. У доповіді побудована функція належності ( , )x y , x X , {0,1}y , цієї
множини. Величини ( ,0)x та ( ,1)x є дуальними характеристиками належності x X нечіткій
множині типу 2 рівноваг за Нешем і характеризують відповідно достовірність неналежності та
достовірність належності.
В реальній ігровій ситуації гравці прагнутимуть шукати таку ситуацію гри, яка має мініма-
льну достовірність ( ,0)x неналежності множині типу 2 нечітких рівноваг за Нешем, а також
максимальну достовірність ( ,1)x її належності. Показано, що перед гравцями постає наступна
двохкритеріальна задача:
( ,0) min,
( ,1) max,
.
x
x
x X
У висновках слід зазначити, що запропонований підхід розширює область застосування тео-
рії нечітких множин на випадок некооперативних ігор з нечіткою множиною гравців і може дати
новий підхід до розв’язання інших постановок ігрових задач з нечіткою структурою.
41
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Мащенко С.О. Нечеткие индивидуально-оптимальные равновесия / С.О. Мащенко // Кибернетика и вычислительная техника. – 2010,
Вып. 159. – С. 19 – 29. 2. Мащенко С.О. Задача математического программирования с нечетким множеством индексов ограничений / Мащенко С.О. // Кибер-
нетика и системный анализ. – 2013. – № 1. – С. 62 – 68.
3. Мащенко С.О. C-ядро кооперативної гри з нечіткою множиною дозволених коаліцій / С.О. Мащенко, В.І. Моренець // Вісник Київ-ського університету. Серія: фіз.-мат. науки. – 2015. – № 2 . – С. 165 – 169.
4. Мащенко С.О. Рівновага за Нешем в іграх с нечіткою множиною гравців / С.О. Мащенко, В.І. Моренець // Журнал обчисл. та прик-
ладн. матем. - 2015. - № 3(120).- С. 30 - 38.
УДК: 681.5.015.4
ПЕРМЯКОВ В.И., МЕДВЕДЕВА А.Ю.
ХНУСА (УКРАИНА)
ИМПУЛЬСНОЕ УПРАВЛЕНИЕ ЭЛЕКТРОМАГНИТНЫМИ ВИБРОВОЗБУДИТЕЛЯМИ
В работе рассматривается организация импульсного управления электромагнитным
вибровозбудителем с целью интенсификации вибрационных технологических процессов.
Вибрационные технологические процессы получили широкое распространение. Для по-
вышения их эффективности и снижения энергопотребления требуют организации сложного поли-
гармонического воздействия, что может быть реализовано вибровозбудителями электромагнитно
го типа.
Используя современные возможности преобразовательной техники была организована сле-
дующая структура системы управления двухтактным электромагнитным вибровозбудителем.
Амплитудный спектр последовательности импульсов различной частоты и скважности
имеет следующий вид:
С помощью программного средства МВТУ была составлена схема моделирования:
ПЛК
ИНВЕРТОРУСИЛИТЕЛЬ
МОЩНОСТИ
220V
ПЧА
ВИБРОПРЕОБ
РАЗОВАТЕЛЬ
ЭЛЕКТРОМАГНИТНЫЙ
ВИБРОВОЗБУДИТЕЛЬ
1А
1
*
1А
*
1
y
УСИЛИТЕЛЬ
МОЩНОСТИИНВЕРТОР
220V
2А
2
*
2А
*
2
42
В результате моделирования получены следующие реакции технологического объекта на
разнообразные воздействия (ступенчастые, гармонические. меандр со скважностью 0.2, меандр со
скважностью 0.1, меандр со скважностью 0.9)
Таким образом из проведеного исследования видно, что первые четыре гармоники позво-
ляют организовать возбуждение колебаний при не значительном влиянии длительности импульса.
Это позволяет при соответствующем сочетании последовательностей импулсов реализовать по-
лигармонические колебания удовлетворяющих условиям того или иного вибрационного техноло-
гического процесса.
УДК 519.1
ПЕТPЕНЮК В. I., ПЕТРЕНЮК А.Я., ХОХ В.Д. Кіровоградський національний технічний університет
ПРО ГРАФ–МОДЕЛІ
Граф-модель математичної моделі складної системи подають у вигляді неорієнтованого графа G без
кратних ребер і петель та вивчають її шляхом досліджень структурних властивостей графа вкладеного
в замкнуту поверхню. Використано метод -перетворення графів як спосіб успадкування суми певних
властивостей підструктур всією структурою в залежності від властивостей з’єднання (ототодженні
заданих частин підструктур). Наведені результати можуть застосовуватися при системному моделей
складних систем
43
Розгянемо задачу моделювання складної системи в загальному виді та запропонуемо теоретико
–графський підхід як спосіб мислення штучними образами-структурами. Задачі конкретного мо-
делювання систем та математичні методи їхнього розвязання в яких великі структури розгляда-
ються як сукупність невеликих та простіших підструктур, що можуть мати певні спільні частини,
які підлягатимуть ототодженню при побудові-відновленні цілої структури із скінченого числа
підструктур. Основний метод - -перетворення графів (граф-моделей) отриманих як пара скін-
чених множин: множини об’єктів-вершин та множини об’єктів-ребер для визначення зв’язків між
об’єктами структури. Основная ідея методу - -перетворення може інтерпретуватися як спосіб
успадкування суми певних властивостей підструктур всєю структурою в залежності від властиво-
стей з’єднання (ототоджненні заданих частин підструктур). Наведені нижче результати можуть
застосовуватися при системному аналізі граф-моделей. Прикладом використання є перетворення
основних задач системного програмування на задачі теорії графів із готовим для використання
математичним забезпеченням алгоритмів їхніх розв’язків.
Граф-модель математичної моделі складної системи подають у вигляді неорієнтованого графа G
без кратних ребер і петель та вивчають її шляхом досліджень структурованих властивостей графа
вкладеного в замкнуту поверхню S роду (S); т.то. розміщені на S ребра графа не матимуть спі-
льних точок крім вершин графа G. Граф G зветься незведеним над S ( )(S - незведеним) якщо для
кожного власного підграфа H графа G має місце нерівність )()()( GSH . Мінімальним
графом над S називають такий граф G який зменшує (G) після того як із нього видалено ребро
чи стягнуто ребро в точку. Для сфери S такими є K5 та K3,3 .
Основні результати::
1. Для графа (отриманого як -образ )(gStG n при ототожнені n вершин зірки Stn (g) із
вершинами множини X, що має число досяжності tG(X) та характеристики )(),( XX GG ) має
місце нерівність: 1)()()()()( XXXtG GGG .
2. Введена характеристика )(xG яка є мірою циклічної зв’язності 2-клітин SG(X) на відміну від
)(XG , що характеризує циклічність множини SG(X).
3. Описано алгоритм побудови 3-мінімальних графів.
Ці результати можуть застосовуватися при системному аналізі граф-моделей електричних схем
чи компютерних мереж розташованих на торі без перетину ребер у внутрішніх точках.
З метою дослідження поведінки математичної моделі складної системи розміщеної на орієнтовній
поверхні S розглянуто її граф-модель G без кратних ребер та петель. Тоді можливо використати
метод -перетворень створений для графів стосовно розв’язання задач моделювання шляхом
розбиття на “простіші” підмоделі із подальшим ототожненням елементів, виконаним із наперед
заданими властивостями. Так розростання моделі G може визначитися наступним -
перетворенням: )}{,()),(( 1
* n
iiin aaggStG , де n
iaX 1
*}{ - множина точок графа G із
числом досяжності tG(x), яка є однією множиною для ототожнення, а другою є n
ig 1}{ - множина
кінцевих вершин зірки Stn(g) із центром g. Результат:
1. Узагальнення характеристики )(XG , яка стосується циклічної структури множини X точок
графа G вкладеного в поверхню S.
2. Введення нової характеристики )(XG , що вимірює ланцюгову структуру множини X точок
графа G на S.
Цей результат прислужиться при системному аналізі граф-моделей, властивості яких визнача-
ються тими, що мають граф-моделі вкладені в компактну замкнуту поверхню, та топологічного
аспекту цих властивостей. Розв’язок нашої задачі побудовано на методі - перетворень графів
[1,2], засновником якого був Микола Павлович Хоменко.
ПЕРЕЛІК ЛІТЕРАТУРИ
1. Хоменко М. П. φ-перетворення графів. Препринт IМ НАНУ, Київ, 1971,378с.
44
2. Хоменко М. П. Топологические аспекти теории графов. Пpепpинт ИМ НАHУ, Киев, 1970.
3. Петренюк В.І. Властивості 2-незведених простих графів. Штучний інтелект №2,2008,с.34-40
4. Петpенюк В.I. Об оценке pода специальных графов. деп.pукоп вУкpHИИТИ №2259-Ук86 22.09.1986 5. Петpенюк В.I. Узагальнена oцінка роду простого графа.Искусст. интеллект.2004. т.,4.с. 34-45.
6. Петpенюк В. I. Две характеристики дуального графа плоcкого графа. Мат. межд. конф. "Искусст. интеллект-2004", Кациве-
ли,Украина: "Наука і освіта", 2004. с. 230-231 7. Петpенюк В.I. Построение графов-обструкций ограниченного ориентируемого рода Сборник трудов XVI Международной конфе-
ренции «Проблемы теоретической кибернетики» г. Нижний Новгород, 20–25 июня 2011 г. ,стр. 363-368
УДК 519.718
СОПРОНЮК О.Л.
ЧНУ імені Юрія Федьковича (Україна)
ПРАКТИЧНА СТІЙКІСТЬ ТА АНАЛІЗ ЧУТЛИВОСТІ ДИНАМІЧНИХ СИСТЕМ
ЗІ ЗМІННОЮ ВИМІРНІСТЮ ФАЗОВОГО ПРОСТОРУ, ЗАЛЕЖНИХ ВІД ПАРАМЕТРІВ
Наведено динамічні моделі систем, які описуються звичайними диференціальними рівнян-
нями, залежними від параметрів та зі змінною вимірністю фазового простору. Запропоновані
критерії практичної стійкості лінійних динамічних систем зі змінною вимірністю фазового про-
стору, залежних від параметрів. Розроблені алгоритми розрахунку допусків на параметри для
лінійних систем зі змінною вимірністю фазового простору.
Нехай задано розбиття },...,,{ 21 N відрізка ],[ 0 TT , – вектор параметрів розмірності
m , що вибирається з деякої множини G )0( G . Розглянемо систему
),),,((),( )()(
)(
ttxfdt
tdx iii
, G , it (1)
за умов зміни вимірності фазового простору
)),0((),( 1)1()(
1)(
i
iii
i txtx , G , Ni ,1 , (2)
де ),()( tx i – вектор фазових координат розмірності in , Ni ,1 , причому залежність
),()()( txx ii однозначна. Вважатимемо, що 0)0,,0()( tf i, it , i
t – деякі in -вимірні множи-
ни, для яких 0 є внутрішньою точкою, 0)0,0,0()( i , а 0)0,()( tx i, it , Ni ,1 – незбурений
рух системи (1) за умов (2).
Означення 1. Незбурений рух 0)0,()( tx i, it , Ni ,1 системи (1) за умов (2), назвемо
},,,1,,,,{ 0)(
00
)1(0 TTNitGG i
it
x – стійким, якщо i
ti tx ),()( при it , Ni ,1 за початкових
умов 10
00)1( ),(
xGtx і будь-яких
GG 0 .
В означенні 1 множина 0G )0( 0
G – це множина допустимих значень параметрів, які вико-
ристовуються для аналізу практичної стійкості.
Теорема 1. Якщо для системи (1), (2) знайдуться додатно визначені функції Ляпунова
),),,(( )( ttxV i
i, які задовольняють умови:
it
ii
i ttxVx }1),),,((:{ )()( , 0G , it , Ni ,1 ; (3)
0),),,((
)2(),1(
)(
dt
ttxdV ii
(4)
при }1),),,((:{ )()()( ttxVxx ii
ii , 0G , it , Ni ,1 та для будь-якого }1,...,2,1{ Ni
0),),,((),),,(( )(1
)( iii
iiii
i ttxVttxV , 0G ; (5)
}1),),,((:{ )1(1
)1(0
)1(0 ttxVxG
x, 0G , (6)
то незбурений рух 0),()( ii tx , it , Ni ,1 , системи (1), (2) },,,1,,,,{ 0
)(00
)1(0 TTNitGG i
it
x –
стійкий.
45
Означення 2. Незбурений рух 0)0,()( tx i, it , Ni ,1 системи (1) за умов (2), називати-
мемо },,,1,,,,,{ 10
)(
0 TTNitGHc i
i
t – стійким, якщо )()( ),( i
ti tx при it , Ni ,1 , а поча-
ткові умови належать множині }),(),(:{ 20
10
)1()1(0
)1(0 ctHxtxxG Tx
для будь-яких GG 0 .
Нехай початкові умови для системи (1) за умов (2) вибираються з множини }),(),(:{ 2
01
0)1()1(
0
)1(0 ctHxtxxG Tx
.
Теорема 2. Якщо для системи (1), (2) знайдуться додатно визначені функції Ляпунова,
),),,(( )( ttxV ii , Ni ,1 , які задовольняють умови (3) – (5) та
}1),),,((:{}),(),(:{ 00)1(
1)1(2
0)1(
0)1()1( ttxVxctHxtxx T (7)
то незбурений рух 0),()( tx i, 0G , it , Ni ,1 , системи (1), (2)
},,,1,,,,,{ 100 TTNitGHc i
i
t – стійкий.
Тепер на відрізку 10 ,TT з розбиттям розглянемо параметричну систему
)(),()(),( )(
)(
tBtxtAdt
tdxi
ii
i
, G , it (8)
за умов зміни вимірності фазового простору
iii
iii DtxCtx
),0(),( 1
)1(1
)( , G , 1,1 Ni , (9)
де iC – матриці розмірності 1 ii nn , 11 EC , 1E – одинична матриця розмірності 11 nn , для
Ni ,1 матриці iC такі, що 0)det( iTi CC , iD – матриці розмірності mni , а матриця 1D – роз-
мірності mn 1 нульова.
Якщо 0)det( iTi CC , то з (9) випливає, що
)(ix однозначно визначається через )1( ix , а саме
iTii
Ti
iTii
Ti
i DCCCxCCCx 1)(1)1( )()( .
Розглянемо систему (8) за умови, що )1(
00
)1( )( xtx . Тоді для векторів )()()( iii xxy ,
, )(ix , Ni ,1 – розрахункові значення векторів фазового стану при , одержимо
систему
)(),()(),( )(
)(
tBtytAdt
tdyi
ii
i
, it (10)
з нульовими початковими умовами 0)( 0)1( ty .
Якщо }:{ 20 cHG T , а )(i
t , то можна оцінити множину допустимих параметрів 0G ,
для всіх значень , з якої )()( ),( it
i ty , it , Ni ,1 .
Сформулюємо цей результат у вигляді критерію.
Критерій 1. Для },1,,,,,{ )(0 NitGHc i
it – оцінки на параметри системи (10) необ-
хідно і досить, щоб виконувалась нерівність 1)()(1)()(
,...,2,1),(,...,2,1
2 ))()()()((minminmin1
tltRHtRtlc i
s
TiiTi
sNstttNi ii
iiii
, ii Ns ,...,2,1 , Ni ,1 . (11)
Тут
i
j
t
t
jjjjij
ij
j
dssBstXttWtR1
11
)(
1
)(),(),(~
)( ,
),()...,(),(),(~
1211111 jjjiiiiijij ttXttXttXttW , Ni ,1 .
Нехай 0)1(
0 )( Xx , де 0X – відома матриця розмірності mn 1 . Якщо рух об’єкта опису-
ється системою (8) за умов (9), то вірний наступний критерій.
Критерій 2. Для },1,,,,{ )( NitHc ii
t – оцінки на параметри cистеми (8) необхідно і
досить, щоб виконувалась нерівність 1)()(1)()(
,...,2,1),(,...,2,1
2 ))()(~
)(~
)((minminmin1
tltRHtRtlc i
s
TiiTi
sNstttNi ii
iiii
, ii Ns ,...,2,1 , Ni ,1 , (12)
46
i
j
jjij
i
j
t
t
jjjjijii DttWdssBstXttWXttWtR
j
j1
11
1
11011)( ),()(),(),(),()(
~
1
,
it , Ni ,1 .
УДК 519.718; 681.516
СТЕЦЬКО Ю.П., КУШНІРЧУК В.Й.
Чернівецький національний університет імені Юрія Федьковича (Україна)
АЛГОРИТМИ ОПТИМАЛЬНОГО МОДАЛЬНОГО РЕГУЛЮВАННЯ
Для задач модального регулювання лінійних стаціонарних диференціальних систем, на ос-
нові підходу, який дозволяє зводити класичні постановки цих задач до задачі керування дискрет-
ною системою спеціального виду, сформульовано деякі оптимізаційні постановки задач і алго-
ритми їх розв’язання.
Нехай процес, що досліджується описується лінійною системою:
),(tButAx
dt
tdx
(1)
тут А, В – матриці розмірності nn , mn відповідно, x(t) – n-вимірний вектор
стану.
Має місце наступна теорема [4]:
Теорема. Множина законів стабілізації u(t)=C∙x(t), які забезпечують системі (1) власти-
вість асимптотичної стійкості, визначається матрицями ],...,,[ 21 m
T cccC ,
де сj ( j= 1,2,…,m) представляють собою вектори керування дискретною системою
1,...1,`0,)()()()1(1
mkckSkPkpkpk
T (2),
по переводу її із початкового стану pp )0( (3)
у фінальний стан amp )( . (4)
Тут aip вектори, які задовільняють умови асимптотичної стійкості замкнутої
системи [2] , Р(k) – матриця розмірності nn , яка має наступну структуру
,
1...)()(
.....
.
0...1)(
0...01
)(
21
1
kpkp
kp
kp
nn
.
,...,,)(
1
1
11
1
1
11
T
kkk
k
i
T
kk
T
ii
k
i
T
iik
k
n
kkkk
cbAcbcbAcbAA
bAbAbkS
Таким чином, задача вибору матриці С, при якій замкнута до (1) система володіє
властивістю асимптотичної стійкості, звелась до задачі керування дискретною системою (2) по
переводу її із початкового стану (3) у фінальнитй стан (4). При цьому вектор a визначає
вектор коефіцієнтів характеристичного рівняння, яке забеспечує замкнутій системі необхідний
спектр розподілу власних значень. Вектори сk (k=1,2,…m) слід при цьому трактувати, як керуючі
параметри дискретної системи (1). Очевидно, що при заданих векторах a і p їх вибір може здіснюватись неоднозначно. Це означає, що при розв’язанні задачі синтезу модальних
регуляторів, є зміст розглядати різного роду оптимізаційні постановки даної проблеми.
Сформулюємо одну із них. Розглянемо задачу модальної стабілізації системи (1) при умові
мінімізації кількості керуючих елементів, що використовуються. В новій постановці (2)-(4) це
47
означае мінімізацію величини m. Така постановка приводить до необхідності розв’язку задачі
про швидкодію для віджповідної дискретної ситстеми. Так, як ця система нелінійна, то точний
розв’язок виписати складно. Наведемо алгоритм її наближеного розв’язку. Будемо його будувати
за наступною схемою. Розглядаємо послідовно задачу (2)-(4), при умові мінімізації функціонала
ampJ )( ` (5)
для послідовних значень m, m-1,m-2,…r . Тут r мінімальне значення при якому ця задача має
розв’язок. Тоді послідовність rccc ,...,, 21 будемо вважати наближеним розв’язком вихідної
задачі. При цьому розв’язок задачі (2)-(4) за умови мінімізації функціонала (5) можна шукати
використовуючи принцип максимума Понтрягіна.
Для випадку, коли у задачі мінімізації кількості управляючих органів дозволено варіювати
порядком слідуювання стовпців в матриці В, можна запропонувати наступний алгоритм:
1. Обчислити вектор р згідно необхідних модальних властивостей.
2. Покласти .0)0(,)0(,)0( cAApp
3. Покласти .1i
4. Обчислити матриці: ])]1([,...,`)1(,[),1( 1
j
n
jjj biAbiAbbiS для
;1,...,,0);(;,...,1 issjjmj .
1...)1()1(
.
.
...
...
.
.
.
.
0...1)1(
0...01
)1(
21
1
ipip
ip
iP
nn
5. Визначити 2
1,...,0)(
,...1)1(),1()1()1(minminarg)(
icbiSiPipaij j
T
c
issjjmj
.
6. Якщо 0)(),1()1()1( icbiSiPipa j
T , то покласти l = і та перейти до
пункту 10, інакше до пункту 7.
7. Обчислити .)()()1()(,)())(,1()1()1()( icibiAiAicibiSiPipip TT
8. Покласти .1 ii
9. Якщо mi , то перейти до пункту 4, інакшще l = i та перенйти до пукту 10.
10. В якості оптимальної покласти матрицю )](),...,2(),1([ lсссCT
опт . Матриця В і
оптимальний регулятор мають вид )](),...,2(),1([ lсссBT , )()( tхCtu опт .
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Бублик Б.Н. Осноы теории управления. / Б.Н. Бублик, Ф. Г. Гаращенко, Н. Ф. Кириченко; - Київ: Наукова думка, 1985. 328 с.
2. Кириченко Н.Ф. Ведение в теорию стабилизации движения. - Київ: Вища школа, 1978. 184 с. 3. Гантмахер Ф.Р. Теория матриц. – М.: Наука , 1967. -576 с.
4.Стецько Ю.П, Кушнірчук В.Й. Алгоритми модальної стабідізації лінійних стаціонарних систем [Текст]/ Ю.П. Стецько, В.Й.
Кушнірчук //ІV Міжнародна наково-практична конференція “Проблеми інформатики та комп’ютернної техніки” (ПІКТ - 2015). 26-29 травня, 2015. Праці конференції. – Чернівці: << РОДОВІД>>, 2015. – С. 47-49.
УДК 81’322: 811.16
ТАРАНУХА В.Ю.
КНУ імені Тараса Шевченко (Україна)
ДОСЛІДЖЕННЯ ВЛАСТИВОСТЕЙ ЗГЛАДЖЕНОЇ N-ГРАМНОЇ МОДЕЛІ ДЛЯ
СЛОВ’ЯНСЬКИХ МОВ, ЗАСНОВАНОЇ НА КЛАСАХ
Досліджується задача побудови та оптимізації n-грамної моделі для розпізнавання мовлен-
ня, як усного так і писемного для слов’янських мов, зокрема української мови. Запропоновано та
проаналізовано метод покращення якості моделі.
48
Наявні моделі мови для задач розпізнавання мовлення засновані на прихованих марковських
моделях показують посередні результати при розпізнаванні слов’янських мов і, зокрема, до
української. Це пов’язано з властивостями мови, а саме з великою кількістю словоформ, що
відповідають одній лемі. Саме це робить використання таких моделей менш ефективним,
порівняно з використанням аналогічних моделей для романо-германських мов. Виникає потреба в
побудові кращої моделі, або оптимізації існуючої, для забезпечення якості розпізнавання.
Пропонується модифікована модель заснована на класах[1]. Для розбиття на класи вводить-
ся функція розбиття, що ставить у відповідність кожному слову з словника системи (тобто кожній
словоформі, а не лемі) клас лем та клас граматичних ознак. Послідовність слів мови w1…wn нази-
вається n-грамою довжини n, позначимо її nw1 . Тоді імовірність
nw1 можна оцінити за формулою
)()....|()|()( 12
111
11 wpwwpwwpwp ii
ii
i
, а умовні імовірності визначаються як
)(
)(|
11
1
1 )(ˆ 1
i
ni
ini
nii
w
wi
C
Cwwp .
Модель будується таким чином. )( 1kwL – сукупність послідовностей лем для послідовності
словоформ kw1 . )( 1kwG – сукупність послідовностей граматичних класів для послідовності слово-
форм kw1 . )( 1kwEl – сукупність послідовностей словоформ, що після приведення до лем мають
однаковий запис, тобто сукупність ki
iw1, таких що, iwLwL kki
i ),()( 11.
Тоді оцінка частоти kw1 (псевдочастота) визначається так:
))()C()(C(
)(
))1
((
11
1
kwElGFG
F
kk
k
G
wGwLwC (1)
Для забезпечення коректності моделі висуваються вимоги про незмінність суми частот лем
та сума частот граматичних класів після перерозподілу, а саме
||
0))
2(())(( 2
V
j
ini
wjwGCGi
niwC
та
||
0))
2(())(( 2
V
j
ini
wjwLCLi
niwC . При застосуванні (1), ці вимоги виконуються.
Для запропонованої моделі перерозподілу частот, досліджено межі придатності[2], та вико-
нано ряд чисельних експериментів, що перевіряють відповідність гіпотези фактичному стану
справ[3]. В якості основної тестової моделі згладжування було вибрано метод Віттена-Бела[4] в
варіанті з поверненнями.
Для оцінювання якості моделі застосовується оцінку на основі кросентропії:
)(log1
lim),( 21 nn
wwwmn
mpH
, де )( 21 nwwwm - модель для імовірності )( 21 nwwwp . При
цьому відомо, що ),()( mpHpH .
Експеримент показав, що попри покриття всіх існуючих в навчальній вибірці комбінацій
лем та комбінацій граматичних класів, повне покриття всіх потенційно існуючих мовних явищ не
відбувається. Тому виникає потреба у додатковій формулі згладжування, що дозволить обчислити
оцінки псевдочастот для тих елементів, що мають значення частоти рівним 0 навіть після застосу-
вання формули (1).
Для чисельного експерименту було сформовано корпус обсягом 112,5 МБ з стенограм
Верховної Ради України. Відповідні стенограми було зібрано з сайту
http://rada.gov.ua/meeting/stenogr . На корпусі було виділено словник системи з 10.000 словоформ
різними методами. Словник на якому більшість методів показали хорошу оцінку був вибраний в
якості основного. Було побудовано дві допоміжні n-грамні моделі на основі граматичних класів та
на основі лем.
49
Ентропію було обчислено для таких варіантів реалізації згладжування:
1) без перерозподілу, метод Віттена-Бела, 2) без перерозподілу, метод Лідстона, 3) з перерозподілом, з фільтрацією а потім методом Віттена-Бела, 4) з перерозподілом, фільтрацією а потім методом Лідстона, 5) з перерозподілом, без фільтрації, із врахуванням повної інформації, та методом Віттена-Бела.
В перших 4 варіантах всі непотрібні слова одразу замінялися на стоп-слово „#”. Фільтрація
передбачає викидання з триграм згладженої моделі тих, що мають відповідні низькі частоти в
допоміжних моделях. Для урахування повної інформації спочатку виконується перерозподіл, а
лише після того непотрібні слова заміняються на стоп-слово „#”. Це суттєво зменшує кількість
триграм, якими поповнюється модель. Всі варіанти обчислювались з крос-валідацією, результати
наведені в табл. 1.
Таблиця 1
Метод Ентропія(середня)
1 6,92
2 7,11
3 6,91
4 7,17
5 7,63
Таким чином, ця серія експериментів, разом з раніше проведеними повністю покриває всі
змістовні методи формування моделей. За результатами чисельних експериментів, можна ствер-
джувати, що перерозподілена модель показує результат дещо кращий, ніж звичайна модель зібра-
на на словах [3].
Подальші дослідження спрямовані на підбір способів згладжування, що найкраще викорис-
тають переваги перерозподіленої моделі, та забезпечити кращу оцінку за ентропією.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Тарануха В.Ю. Застосування класів основаних на канонічних формах слів та на граматичних класах в задачі редукції n-грамної
моделі мови для розпізнавання української мови // Вісник Київського національного університету імені Тараса Шевченко Серія: фізико-математичні науки. –2013. – Спецвипуск. – С. 176–179.
2. Тарануха В.Ю. Модифікація n-грамної моделі, заснованої на класах, для розпізнавання слов’янських мов.// Вісник Київського
національного університету імені Тараса Шевченко Серія: фізико-математичні науки. – 2014. – Вип. 1. – С. 193–196 3. Тарануха В.Ю. Згладжена n-грамна модель, заснована на класах, для розпізнавання слов’янських мов // Вісник Київського
національного університету імені Тараса Шевченко Серія: фізико-математичні науки. –2014. – Вип 2. – С. 202–205.
4. I. H. Witten The Zero-Frequency Problem: Estimating the Probabilities of Novel Events in Adaptive Text Compression/ I. H. Witten and T. C. Bell // IEEE Transactions on Information Theory, – 1991. Vol. 37(4), –P. 1085–1094.
УДК 519.816
ТИМОФІЄВА Н.К. МННЦІТіС НАН та МОН України (Київ)
ЗАДАЧІ КОМБІНАТОРНОЇ ОПТИМІЗАЦІЇ, АРГУМЕНТОМ ЦІЛЬОВОЇ ФУНКЦІЇ В
ЯКИХ Є РОЗБИТТЯ n -ЕЛЕМЕНТНОЇ МНОЖИНИ НА ПІДМНОЖИНИ
На прикладі задач кластеризації, класифікації та задачі покриття показано, що задачі
комбінаторної оптимізації розв’язуються як на скінченній множині комбінаторного характеру
так і нескінченній. Аргументом цільової функції в них є розбиття n -елементної множини на
підмножини. Ця комбінаторна конфігурація може бути як з повтореннями так і без повторень.
Вступ. В літературі описано властивості розбиттів n -елементної множини на підмножини та
наведено способи їхнього генерування. Але ці комбінаторні конфігурації як аргумент цільової
функції в задачах комбінаторної оптимізації достатньою мірою не вивчалися. Також не розгляда-
ються розбиття n -елементної множини з повтореннями та нескінченні комбінаторні множини.
Основна частина. Поняття “задачі розбиття” об’єднує широкий клас задач (як дискретних
так і неперервних). Аргументом цільової функції в них є розбиття n -елементної множини на під-
множини. Це – компоновка, кластеризація, класифікація, самонавчання, покриття, розбиття гео-
50
метричної поверхні, розрізання графів тощо. Цільова функція в них формулюється по різному,
підходи до їхнього розв’язання також – різні. Ця проблема є надзвичайно розгалуженою та вини-
кає в найрізноманітніших галузях людської діяльності. Незважаючи на те, що задачами розбиття
займаються не одне десятиліття, їхньої точної математичної постановки ще не розроблено. Як
правило, формальну постановку деяких задач із цього класу проводять у термінах математичної
статистики або з використанням термінології теорії бінарних відношень. Нижче сформулюємо ці
задачі в рамках теорії комбінаторної оптимізації.
Розглянемо задачу кластеризації. Вона полягає в упорядкуванні заданих об'єктів у порівнян-
но однорідні групи, тобто за розробленими правилами проводиться розбиття елементів заданої
множини на підмножини. При розв’язанні задачі кластеризації кількість кластерів та їхні характе-
ристики невідомі, зате задано скінченну множину елементів, які необхідно розподілити по клас-
терах, відповідно відома і їхня кількість. Назвемо множину підмножин ),...,( 1 таку, що
A ...1 , lp , lp , p , },...,1{, lp . Непуста підмножина
},...,{ 1 paap , Aas , },...,1{ ns , може мати від 1 до n елементів ( },...,1{ np ). Кількість
підмножин p у розбитті може бути від 1 до n ( },...,1{ n ). Їхню множину позначимо .
Таким чином, задача кластеризації розв’язується на скінченній комбінаторній множині. Аргумен-
том цільової функції в ній є розбиття n -елементної базової множини A на підмножин без по-
вторень.
Розглянемо задачу класифікації. У класифікації характеристика класів, як правило, відома,
але невідома кількість елементів, які підлягають класифікації. До того ж один і той же об’єкт мо-
же належати різним класам. Тому в цій задачі аргументом цільової функції є розбиття елементів
нескінченної базової множини на підмножини з повтореннями. Для неї виділимо такі підзадачі:
а) задано скінченну базову множину A . Класи можуть бути як задано так і не задано. Необ-хідно розподілити елементи базової множини по класах так, щоб останні не перетиналися. Ця
задача зводиться до задачі кластеризації;
б) задано скінченну базову множину A . Класи можуть бути як задано так і не задано. Еле-менти множини A розподіляються так, що один елемент може належати різним класам. В даному
разі аргументом цільової функції є розбиття n -елементної множини A на підмножин з повто-
реннями;
в) задано нескінченну базову множину, частина елементів якої відома, а частина визначаєть-
ся в процесі розв’язання задачі, тобто інформація поступає в процесі розв’язання задачі та
змінюється в часі. Аргументом цільової функції в ній є часткове розбиття елементів нескінченної
множини A~
на підмножини з повтореннями. В цьому разі уводиться часткова цільова функція та
часткове розбиття.
Оскільки для перших двох задач розбиття утворюється із елементів скінченної множини, яке
характерне для задачі кластеризації, розглянемо аргумент цільової функції для третьої задачі.
Уведемо базову нескінченну множину A~, в якій елементи sа
~ для ns ,1 задано, а для ns
визначаються в процесі розв’язання задачі. З відомих елементів Aаr
~~ , qr ,1 , утворюємо част-
кове розбиття множини A~
на підмножин (блоків) )~,...,~(~1 , nq – кількість відомих
елементів. Множина підмножин )~,...,~(~1 має такі характеристики: A
~~...~1 ,
lp~~ або lp
~~ , lp , p~ , },...,1{, lp . Непуста підмножина
}~,...,~{~1 p
aap може мати від 1 до q елементів ( },...,1{ qp ), },...,1{ q , qq , sr aa ~~ або
sr aa ~~ , psr aa ~,~ , },...,1{, psr . Отже, задача класифікації розв’язується на нескінченній ком-
бінаторній множині.
До задач розбиття відноситься і задача покриття об’єктами заданої поверхні [1]. Змоделю-
вавши її в рамках теорії комбінаторної оптимізації можна побачити, що аргументом цільової
функції в ній є розбиття n -елементної множини на підмножини як з повтореннями так і без по-
вторень.
51
Нехай задано поверхню з нанесеною на ній координатною сіткою. Послідовність комірок
цієї сітки задамо упорядкованою множиною A . Елементи, які відповідають коміркам сітки, роз-міщені в A послідовно, починаючи з верхнього рядка сітки і до останнього, нижнього рядка. В
цій задачі необхідно вибраними геометричними об’єктами оптимально покрити задану поверхню.
Виділимо в ній такі підзадачі:
а) поверхня покривається об’єктами так, щоб останні не перетиналися.
б) поверхня покривається об’єктами так, щоб останні повністю її покривали. В цьому разі
один і той же елемент із A може належати різним класам.
Для обох задач розбиття утворюється із елементів скінченної множини A . В першій
задачі утворені кластери не перетинаються, тобто lp . При цьому A ...1 у разі
розв’язної задачі або *1 ... A , де AA *
– підмножина розподілених по кластерах еле-
ментів. Позначимо *** \ AАA – підмножину не розподілених між кластерами елементів із A .
Задача полягає в знаходженні такого розбиття *, для якого змодельована цільова функція
набуває оптимального розв’язку за умови, що 0** A при виконанні заданих обмежень.
У другій задачі утворені кластери перетинаються, тобто lp . Необхідно мінімізува-
ти площу вибраних об’єктів покриття так, щоб вони повністю покрили задану поверхню, а кіль-
кість однакових в одному кластері елементів, об’єднаних у множину AA ***, була б мінімаль-
ною. Ця задача полягає в знаходженні такого розбиття *, для якого змодельована цільова
функція набуває оптимального розв’язку за умови, що 0*** A при виконанні певних обмежень.
В цих задачах проводиться мінімізація елементів із множини A , які не розподілені між кластера-ми або мінімізація однакових елементів, які розподілені між різними кластерами.
Висновок. Отже, аргументом цільової функції у розглянутих вище задачах є розбиття n -
елементної множини на підмножини як з повтореннями так і без повторень. Їхня множина може
бути як скінченна так і нескінченна. Якщо ця комбінаторна конфігурація утворюється із нескічен-
ної базової множини, то вона також є нескінченна.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Комяк В.М. Математические модели оптимизации размещения пунктов наблюдения наземных систем видео-мониторинга лесных
пожаров / В.М. Комяк, А.Ю. Приходько, А.В Панкратов // Вестник ХНТУ (Херсонского национального технического университета). – Херсон, 2015. – № 3(54).–– С. 573–579.
СЕКЦІЯ 2
УДК 330.46
БІЛОВА Г.В.
Національний банк України (Україна)
МОДЕЛІ ОЦІНЮВАННЯ РИЗИКІВ ІНОФОРМАЦІЙНИХ ТЕХНОЛОГІЙ
КОМЕРЦІЙНОГО БАНКУ
Аналіз і управління інформаційними ризиками – це ключовий фактор для побудови ефектив-
ного захисту інформаційної системи. У роботі здійснено аналіз найбільш поширених моделей
оцінювання ІТ-ризиків на предмет можливості їх використання для інформаційних систем коме-
рційних банків України. Наведено чинники, які є важливими при виборі моделі оцінювання ІТ-
ризиків для українських банків.
Протягом останніх років спостерігається активний розвиток інформаційний технологій у ба-
нківській сфері. Поряд з перевагами від використання інформаційних технологій, упровадження
та вдосконалення відповідних продуктів і систем пов’язане з високим рівнем невизначеності, яка
обумовлена нематеріальними кінцевими результатами та неможливістю передбачити виникнення
подій, що негативно впливають на функціонування системи. Така невизначеність призводить до
52
виникнення специфічних ІТ-ризиків (ризиків, пов’язаних із системами), які, відповідно до Базель-
ських стандартів банківської діяльності [1], є одним з основних джерел операційного ризику. ІТ-
ризик – це ризик, пов'язаний з використанням в діяльності банку технічних засобів, високотехно-
логічного обладнання та технологій [2]. Такий ризик виникає в разі перебоїв у застосовуваних
інформаційних технологіях або математичних моделях.
З метою зниження рівня невизначеності та мінімізації негативних наслідків від реалізації ри-
зиків, пов’язаних з використанням інформаційних технологій, комерційним банкам доцільно ро-
зширювати та підвищувати якість системи управління ІТ-ризиками. На сьогодні одним із актуа-
льних питань управління ризиками інформаційних технологій є вибір та впровадження моделі
оцінювання ризиків інформаційних технологій, яка б оптимально відповідала середовищу та спе-
цифіці банківської системи України.
За результатами аналізу публікацій [3-6] було встановлено, що на сьогодні найбільш поши-
реними моделями і програмними комплексами оцінювання ІТ-ризиків є наступні: OCTAVE,
CRAMM, CORAS, RiskWatch, FRAP, Microsoft Security Assessment Tool (MSAT), NIST, FAIR,
MESARI, IRAM, CORAS та ін. З метою здійснення класифікації та виявлення переваг і недоліків
зазначених моделей було виконано їх порівняльний аналіз (див. табл. 1).
За результатами порівняльного аналізу моделі було об’єднано в 3 групи:
(1) моделі, які використовують якісні оцінки ризиків (OCTAVE, FRAP);
(2) кількісні моделі (RiskWatch, FAIR);
(3) моделі, які використовують змішані оцінки (CRAMM, MSAT).
При цьому оцінювання ІТ-ризиків в межах більшості моделей передбачає декомпозицію
процесу на наступні етапи: ідентифікація ризиків та ресурсів, аналіз ризиків та взаємодії систем,
оцінювання ризиків та вибір заходів безпеки. Разом із тим, жодна із зазначених моделей не є уні-
версальною. У зв’язку з цим було проаналізовано специфіку діяльності в банківському секторі
України на предмет можливостей використання моделей оцінювання ІТ-ризиків у комерційних
банках. За результатами аналізу пропонується враховувати такі чинники при виборі моделі оці-
нювання ІТ-ризиків для українських банків:
1) Наявність обчислювальних потужностей для забезпечення належного рівня дистанційного
обслуговування клієнтів та пов’язаних з цим ризиків;
2) Наявність плану заходів щодо відновлення баз даних інформаційної системи банку у разі ви-
падкових чи навмисних дій або подій, які можуть призвести до їх знищення;
3) Загальний рівень обізнаності користувачів банківських систем в інформаційних технологіях;
4) Рівень корпоративної інформаційної безпеки в банку;
5) Наявність розгорнутої стратегії розвитку інформаційних технологій в діяльності банку;
6) Розподіл відповідальності за управління ІТ-ризиками в банку;
7) Рівень комунікації між ІТ-службою та співробітниками банку;
8) Рівень розвитку системи захисту інтелектуальної власності банку.
Таблиця 1. Порівняльний аналіз моделей оцінювання ІТ-ризиків Модель Переваги Недоліки
OCTAVE швидко впроваджується; добре застосовується для будь-якої організації; безкоштовне використання
важкість реалізації окремих етапів та відсутність автомати-зації; не використовує кількісну оцінку
CRAMM комплексний підхід оцінки ризиків; значна база знань;
підходить для малих та великих банків
важкість реалізації, потреба в залученні експертів; довгоча-
сність процесу; висока вартість
RiskWatch розрахунок показників ALE та ROI; «What-If» аналіз важкість реалізації, потреба в залученні експертів; не вра-ховує комплексний підхід; висока вартість ліцензії
NIST детальний опис всіх ризиків для активів; найбільше
підходить для відносно великих організацій довготривалий процес; деякі функції не автоматизовані.
FAIR надає кількісний аналіз ризиків; забезпечує симуляційну модель системи
занадто «науковий» метод; тільки для відносно великих банків
MESARI спрямований на банківську діяльність; підходить
для нових (новостворюваних) активів (проектів)
важко запровадити для існуючих активів; достатня склад-
ність; відсутність автоматизації процесів оцінки
MSAT для великих банків; оцінка ефективності інвестицій не використовує кількісну оцінку
CORAS безкоштовне використання для одноразового застосування
IRAM
відносна простота впровадження; зрозумілість для
менеджерів банківських установ; є приклади успішного
застосування
відносно дорогий; краще застосовується до існуючих інфо-
рмаційних активів
ПЕРЕЛІК ЛІТЕРАТУРИ 1) International regulatory framework for banks (Basel III) //Bank for international settlements [Electronic resource]. – Mode of access: URL:
53
http://www.bis.org/bcbs/basel3.htm.
2) Коваленко В.В. Операционный риск в системе риск-менеджмента банка / В. В. Коваленко // Современный научный вестник. – 2014.
- №4 (200). – С. 58-64. 3) Баранова Е. К. Методики анализа и оценки рисков информационной безопасности //Образовательные ресурсы и технологии. – 2015.
– №. 1 (9).
4) Юнкерова Ю. И. Современные методики оценки информационных рисков //Проблемы современной экономики. – 2013. – №. 16. 5) Разумников С. В. Анализ возможности применения методов octave, riskwatch, cramm для оценки рисков ит для облачных сервисов
//Современные проблемы науки и образования. – 2014. – №. 1.
6) Ткаченко В. Сучасні підходи до оцінки ризиків інформаційних технологій // ТОВ «Агентство активного аудиту» [Електронний ресурс]. – Режим доступу: URL: http://auditagency.com.ua/blog/presentation_it_risks_nbu_v2.ppt
УДК 512.64:004.93
ДОНЧЕНКО В.С., ЗІНЬКО Т.П.
КНУ ІМЕНІ ТАРАСА ШЕВЧЕНКА (УКРАЇНА)
МАТРИЧНІ КОРТЕЖНІ ОПЕРАТОРИ В ЗАДАЧАХ ГРУПУВАННЯ ІНФОРМАЦІЇ
Розглядається концепція кортежних операторів, яка реалiзована для варіанту, коли кортежем є на-
бір матриць фіксованої розмірності, яка дозволяє перенести засоби опису основних структур евклідового
простору числових векторів на матричні евклідові простори.
Розв’язання фундаментальних прикладних задач, до яких відносяться задачі групування ін-
формації, неможливе без використання розвиненого математичних структур та засобів оперуван-
ня з ними. Евклідові простори числових векторів nR математичні структури з ними пов’язані, є
тими, що найчастіше використовуються в прикладних дослідженнях. Їхнє використання визнача-
ється з одного боку – багатством структурних зв’язків, породжених операціями та скалярним до-
бутком, – в рамках цих просторів. З іншого – багатством конструктивних можливостей в оперу-
ванні з такими структурами. Такими фундаментальними структурами в евклідових просторах є
ті, що можна позначити як множинні: лінійні підпростори, гіперплощини (зсунені підпростори),
еліпсоїди та еліпсоїдальні циліндри. Це ті структури, які можна позначити терміном «множинні».
З іншого боку до базових структур можна віднести матриці лінійних операторів та симетричних
невід’ємно визначених квадратичних форм. Ці базові утворення в евклідових просторах можна
позначити як синглові. В евклідових просторах nR множинні та синглові структури пов’язані між
собою. Так з матрицею лінійного оператора природнім чином пов’язуються два підпростори:
множина можливих значень та ядро оператора, а множина можливих розв’язків чи псевдо-
розв’язків СЛАР (системи лінійних алгебраїчних рівнянь) є гіперплощиною. Так само пов’язані
між собою еліпсоїдальні циліндри та матриці невід’ємно визначених квадратичних форм, що їх
задають. Ефективність та конструктивного використання базових структур значною мірою визна-
чається засобами оперування з ними, зокрема, можливістю переходу від синглових до множин-
них і навпаки. Так, наприклад множина розв’язків СЛАР: точних чи псевдо – це гіперплощина
(зсунутий підпростір), тобто – множинна структура. Її конструктивний опис визначається можли-
вістю її опису за сингловою структурою: матрицею СЛАР. Такі можливості реалізуються через
сингулярне подання матриці (SVD) матриці СЛАР та псевдообернення (ПдО) до неї. Так само
SVD та ПдО дозволяють побудувати ортогональні проектори на підпростори та гіперплощини,
породжені наборами векторів: побудувати синглові структури за множинними. Такий перехід
реалізує можливість ефективного обчислення відстаней від досліджуваних множинних утворень.
Обчислення таких відстаней є принциповим в задачах класифікації та кластеризації. Так само,
SVD та ПдО для матриці, – а також оператори на їх основі, – реалізує можливості ефективного
опису матриці квадратичної форми, що задають еліпсоїди, які оптимальним чином «накривають»
заданий набір векторів. Згаданий зв’язок між множинними та сингловими структурами, можливо-
сті його конструктивного опису є конче важливими у прикладних задачах, які можна позначити
терміном «задачі групування інформації» (GIP): задач класифікації-кластеризації та задач відно-
влення функції, представленою своїми спостереженнями.
Одначе GIP-задачі є важливими не тільки в ситуаціях, коли об’єктами групування є числові
вектори. Типовим прикладом згаданої ситуації є задачі розпізнавання аудіо сигналів, які природ-
нім чином представлені матрицями спектрограм, – та матриці, якими представляються зображен-
ня в задачах обробки зображень. В той же час відсутні засоби конструктивного опису в структу-
54
рах на основі матриць, які б надавали ті самі можливості, що і для nR . Отже, розвиток математи-
чних засобів розв’язання GIP для матричних об’єктів, аналогічних тим, що існують для евклідо-
вих просторів числових векторів, є нагальною та важливою задачею для прикладних досліджень. Як зазначалося вище, такі можливості вирішальною основою засобів оперування з базовими
структурами в nR SVD та ПдО для матриць. Звісно, перенесення згаданої фундаментальної тех-
ніки на евклідові простори, відмінні від nR , зокрема – на матричні евклідові простори, – вимагає
зміни погляду на самі ці об’єкти. Це означає, перехід від погляду на SVD та ПдО як на матричні
властивості, до формулювання погляду на них як на операторні властивості. Останнє означає, що
SVD та ПдО стають способом подання лінійних операторів між слушними евклідовими просто-
рами. Саме це складає основу концепції кортежних операторів для розв’язання задачі розвинення
техніки оперування з базовими структурами в матричних евклідових просторах.
Доповідь присвячена розгляду адекватних класів операторів між слушними евклідовими
просторами, який би уможливили побудову засобів оперування з базовими алгебраїчними струк-
турами в евклідовому просторі матриць фіксованої розмірності, аналогічними тим, що використо-
вуються в nR . Із тим самим рівнем конструктивності такого використання. Так само в доповіді
наведені приклади застосування техніки оперування в матричних евклідових просторах для
розв’язання задач групування інформації.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Kirichenko N.F. Analytical representation of perturbation of pseudoinverse matrices / Kirichenko N.F. // Cybernetics and system analysis. –V.33, №2. –March-April, 1997. –pp. 230-239.
2. Donchenko V. “Feature vectors” in grouping information problem in applied mathematics: vectors and matrixes / V. Donchenko, T. Zinko,
F. Skotarenko // Problems of computer Intellectualization. ITHEA, Kiyv, Ukraine-Sofia, Bulgaria, 2012. –pp. 111-124. 3. Донченко В. Базовые структуры евклидовых пространств: конструктвные методы описания и использования / В. Донченко, Ю.
Кривонос, В. Омардибирова // New Trends in Classification and Data Mining. – ITHEA, Sofia, Bulgaria. -2010. –pp. 155-170.
4. Кириченко Н.Ф. Аналитическое представление возмущений псевдообратных матриц / Кириченко Н.Ф. // Кибернетика и систем-ный анализ. –К., 1997. –№2. –c.98–107.
УДК 51-77:519.854
ДОНЧЕНКО В.С., ТАРАСОВА О.В.
КНУ ІМЕНІ ТАРАСА ШЕВЧЕНКА (УКРАЇНА)
КОРТЕЖНІ ОПЕРАТОРИ ТА ЗАСОБИ ПСЕВДООБЕРНЕННЯ
В МАТРИЧНІЙ МНОЖИННІЙ РЕГРЕСІЇ
На основі концепції кортежний операторів реалізовані засоби опису базових структур в
матричних евклідових просторах, побудована теорія матричної множинної регресії
Задача групування інформації [1]: задача відновлення залежності і задача класифікації, клас-
теризації і розпізнавання образів, - це задача принципової важливості у прикладних досліджен-
нях. Важливим класом математичних структур ([2]) є евклідові простори числових векторів. Їх
використання визначається багатством структурних зв’язків евклідових просторів в цілому та
розвинутою технікою оперування у цих просторах, в тому числі сингулярний (SVD) розклад в
псевдообернення (ПдО) у цих просторах [3-4]. Звернемо увагу на видатну роль М.Ф. Кириченко
у розвитку алгебраїчних методів групування інформації та їхнього застосування у прикладних
задачах. [5]. Тим не менше, використання евклідових просторів числових векторів стає обмежую-
чим у розв’язанні прикладних задач, якими є, зокрема, задачі розпізнавання мови (speech
recognition) та обробки зображень. У таких задачах природній представник досліджуваних
об’єктів – це матриці: зокрема, спектрограми і матриці зображень. У роботі [6] запропоновано
концепцію кортежних операторів, що дозволяє перенести SVD – і ПдО-техніки на евклідові прос-
тори матриць фіксованої розмірності; згадані техніки використано для побудови відстані відпові-
дності у задачах кластеризації. У роботах [7-8] запропоновано основи векторного і матричного
методів найменших квадратів з прикладами прикладного застосування для макро- та мікроеконо-
мічних показників.
В пропонованій доповіді концепція кортежних операторів реалізується для евклідових прос-
торів на основі матричного евклідового простору матриць фіксованої розмірності у вигляді, що
55
дає можливість поставляти та розв'язати задачу МНК оцінювання у матричній множинній регре-
сії. В доповіді також наведені приклади застосування матричної множинної регресії у прогнозу-
вання характеристик медіа простору в телебаченні.
ПЕРЕЛІК ЛІТЕРАТУРИ
1. Donchenko V. Recurrent procedure in solving the Grouping Information Problem in Applied Mathematics / V. Donchenko, Ju. Krak,
Yu. Krivonos // ITHEA: International Journal Information Theories and Applications. – 2012. – Vol.1, No 1. – P. 62-77. 2. Донченко В. Евклидовы пространства числовых векторов и матриц: конструктивные методы описания базовых структур и их
использование / В. Донченко // International Journal “Information technologies & Knowledge”. – 2011. – Vol. 5, No 3. – P. 203-216.
3. Moore E.H. On the reciprocal of the general algebraic matrix. / E.H. Moore // Bulletin of the American Mathematical Society. – 1920. – No 26, – P. 394-395.
4. Penrose R. A generalized inverse for matrices / R. Penrose // Proceedings of the Cambridge Philosophical Society – 1955. – 51. – P. 406-413.
5. Kirichenko. N.F. Analytical Representation of Perturbation of Pseudoinverse Matrices / N.F. Kirichenko. // Cybernetics and Systems
Analysis. – 1997. – Vol.33, No 2. – P. 230-239. 6. Donchenko V. “Feature Vectors” in Grouping Information Problem in Applied Mathematics: Vectors and Matrixes / V. Donchenko,
T. Zinko, F. Skotarenko // Problems of Computer Intellectualization: international conference, Institute of Cybernetics NASU, ITHEA. – Kyiv,
Ukraine, - Sofia, Bulgaria. – 2012. – P. 111-124. 7. Donchenko V. Vectors and matrixes least square method: foundation and application examples / V. Donchenko, I. Nazaraga, O. Tarasova. //
International Journal Information Theories and Applications. – 2013. – Vol.20, No 4. – P. 311-322.
8. Donchenko V. Matrixes least squares method and examples of its application / V. Donchenko, I. Nazaraga, O. Tarasova // International Journal Information Technologies & Knowledge. – 2013. – Vol.7, No 4. – P.325–336.
UDC 519.63:532.5
SAFONYK A.P., MARTYNIUK Y.M.
NUWM (Ukraine)
THE PROCESS OF AUTOMATION OF DRYING GRANULES IN A FLUIDIZED LAYER
The scheme of automation for drying granules in a fluidized layer was developed. Basic parame-
ters, factors and dependencies that allow a computer experiment to analyze the data were identified.
Introduction. Drying in fluidized layer - the best way to monitor, uniform drying granules. Due to
the intense of heat / mass transfer in a fluidized layer, the process is especially effective and fast. This
technology is well suited to the final stage of drying granules, which obtained by dispersion and extru-
dates with low residual humidity.
Drying in fluidized layer is used in all sectors that redesign powder materials. In the pharmaceu-
tical industry, this innovative method has long been replaced drying shelf dryer that requires significant
time, because drying in the fluidized layer is about twenty times faster, in addition, the fluidized layer
created a more controlled and uniform conditions compared to the shelf dryers [1].
Problem and its solution. The content of the drying process that takes place in a fluidized layer, is
next: the passage of a certain rate of heating air goes through a layer of granular material (grain, chips,
etc.). a layer of particles obtains properties of liquidity and resembles a boiling liquid. With such an ac-
tive mixing of warm air and granular material the drying process becomes more intensive.
The main parameter that determines the drying process, is the humidity of the final product.
However, there are a little industrial humiditymeters that operate in the flow. So indirectly controlled
parameters are used for the control of conduct of the drying process, such as: temperature of drying
agent, that comes out of the dryer, the temperature of the dried product; the control influence is the num-
ber of a let down heat [2, 3].
Material balance equations for dryers, heat balance equations for dryers, as well as for each com-
ponent are presented in the form of equations (1) - (6):
1 2 2n
dMm m m m
dt , (1)
4
2 2 4 1 1 2 3
( )D n par gr gr
d McTmT c m c T m T c m T c
dt , (2)
3
2
( )т D
d MСm m С
dt (3)
1 2 2 1
( )еВ n е В
d MСm С m C m C
dt (4)
56
1 2
( )g
g g
d MСm C m C
dt (5)
1 2 1 2
( )ВВ В n е
d MСm С m С m С
dt (6)
where dM/dt - rate of change of mass, m1 - the consumption of moist granules, that goes into the
apparatus, m2 - consumption of dry granules, that goes out from the section, m - consumption of the heat-
ing air, mn2 - the consumption of the heating air, that goes out from the section, сD – heat capacity of the
air, се - heat capacity of the heating steam, сg - heat capacity of the granules, сВ – heat capacity of the
humidity, СD - concentration of the air, Се - concentration of the steam, СГ - concentration of the gran-
ules, СВ - concentration of humidity m1 – the consumption of moist granules, that goes into the apparatus,
m2 – the consumption of dry granulate that comes from section; Т2 - temperature of the heating air, Т4 -
temperature of the pair, that goes out from section, еD
par D е
D е
ccc c c
,
g В
gr g В
g В
c cc c c
- heat capaci-
ty of the steam, that goes out from section, Т1 - temperature of the moist granules, Т3 – the temperature of
dry granulate, сD - heat capacity of the heating air, сpar - heat capacity of the steam, that goes out from
section, сgr – heat capacity of granules.
The solution of equations were looked up by the following data: m1=6,33 kg/s; m2=5,56 kg/s;
mn2=68,9 kg/s; сD=1,009 kJ/kgK; се=1,9 kJ/kgK; сg=1,25 kJ/kgK; сВ=2 kJ/kgK; ρD=0,973 kg/m3; ρе=0,5
kg/m3; ρg=1610 kg/m
3; ρВ=972,69 kg/m
3; Т1=18
0С; Т2=90
0С; Т3=50
0С and the corresponding to initial
conditions.
The conceptual was based on a mathematical model, which is the next scheme:
Fig. 1. Conceptual model of drying granules in a fluidized layer
The scheme of automation was created to implement the conceptual model and is presented in Fig. 2.
57
Fig. 2. Scheme of drying granules in a fluidized layer
I – the line of moist granules; II - drying apparatus; III – the line of dry granulate; IV - cyclone; V -
blower out of selection; VI - warm air blower; VII - heater; VIII – blower of cooling air.
Conclusions. Conceptual model of process of drying granules in a fluidized layer was established.
The scheme of automation of the process of drying the granulate in fluidized layer was designed by con-
ceptual model. The results of research are conducted by correlation, regression, variance, statistical anal-
ysis and model was tested for adequacy. The regression analysis was obtained by linear regression model
of the system for each of the input parameters. The hypothesis of normal distribution was confirmed
while analyzing the model for adequacy .
REFERENCES: 1. Dvoretskyy SI, Korolev VN, Nagornov SA, VP Tarov Techniques and Technologies psevdoozhyzhenyya, fluid dynamics and teploobmen
with pohruzhennыmy telamy. - Tambov, THTU. - 2005. - 168 p.
2. Dvoretskyy SI et al. Techniques and technologies psevdoozhyzhenyya: termoobrabotky and vulcanization processes monograph. - M .: Mash-inostroenie-1. - 2006. - 232 p.
3. Modeling tehnolohycheskoho drying process in the Sahara psevdoozhyzhennom sloe. -MHUP, Belarus, Mogilev. - 2013. - 52 p.
УДК 681.51.033.26
НЕСЕНЧУК А.А.
ОИПИ НАН Беларуси (Беларусь)
ИССЛЕДОВАНИЕ КОРНЕВЫХ ПОРТРЕТОВ И СИНТЕЗ ИНТЕРВАЛЬНЫХ
ДИНАМИЧЕСКИХ СИСТЕМ ЧЕТВЕРТОГО ПОРЯДКА
Устанавливаются закономерности поведения корневых портретов динамических систем
четвертого порядка с интервальной неопределенностью на границе асимптотической устойчи-
вости. Выводятся условия устойчивости и определяются выражения для вычисления интервалов
параметров, при которых обеспечивается устойчивость системы.
Рассмотрим динамическую систему, описываемую семейством интервальных характеристи-
ческих уравнений [1] четвертого порядка вида
0432
23
14 asasasas , (1)
где s=σ+iω − комплексное переменное; коэффициенты aj действительны, неотрицательны и изме-
няются в следующих пределах:
.1,4,1, 0 ajaaa jjj (2)
Интервальное изменение коэффициентов (2) отражает интервальное изменение параметров.
Устойчивость системы с параметрической неопределенностью [1, 2], описываемой семей-
ством характеристических уравнений вида (1), определяется расположением корней семейства
относительно мнимой оси i плоскости корней s, являющейся границей асимптотической устой-
чивости системы.
Перепишем уравнение (1), сделав в нем замену переменного iis ( 0 ):
58
,0432
23
14 aiaaia
и запишем уравнение свободного корневого годографа [3] на границе устойчивости:
033
1 aa (3)
и уравнение (функцию) параметра [3] на границе устойчивости:
,)( 42
24 aasf (4)
для рассматриваемой интервальной динамической системы (ИДС) [1, 3, 4].
Уравнение корневого годографа (3) представляет собой также уравнение линий уровня поля
Fi свободных корневых траекторий [3], параметром которого 31] определим коэффициент
аn+1=а3, и используется для нахождения координат точек пересечения границы устойчивости
(оси i) ветвями корневых годографов данного поля и корневого портрета P={Fi i=1, …} си-
стемы в целом.
Функция параметра (4) используется для определения значений свободного параметра 4a .
Ввиду аналитичности и непрерывности функции (4) очевидно, что точки пересечения границы
устойчивости i ветвями годографов семейства P полей при изменении коэффициентов (1) в
пределах бесконечных интервалов значений образуют на этой оси некоторую непрерывную об-
ласть D , которую назовем полной или теоретической областью, причем каждая ветвь формиру-
ет некоторую непрерывную подобласть указанной области.
Определим максимальное и минимальное возможные значения функции параметра f(s) в об-
ласти D . Для этого выполним исследование этой функции на экстремум с помощью первой
производной:
.024)(' 23 asf (5)
Используя (5), получим три точки экстремума на границе устойчивости для мажоранты f(s):
,,2;0,0max
22max
4
max42maxmax4max eeeeee aaaa (6)
и для миноранты f(s):
.,2;0,0min
22min
4
min42minmin4min eeeeee aaaa (7)
Далее, на основании найденных значений max4e
a и min4e
a строим кривые: мажоранту и
миноранту функции параметра f(s) (4). Для упрощения рисунка точки экстремума функции со-
единяем прямыми линиями (в действительности они являются кривыми). Таким образом, получа-
ем диаграмму распределения функции параметра вдоль границы устойчивости, которая изобра-
жена на рис. 1. Две ломаные линии на рис. 1 соответствуют полным [3] доминирующим полям,
минорантному и мажорантному, построенным соответственно при 22 aa и 22 aa .
На основании полученной диаграммы вся граница
устойчивости, т.е. фактически область D (рис. 1), может
быть разделена на три следующие подобласти:
подобласть iD возрастания функции параметра, от 0
до mine ;
подобласть dD убывания функции параметра, от
mine до maxe ;
подобласть eD экстремумов, от maxe до ∞.
Границы max и min реальной области R пересе-
чений зависят непосредственно от заданных границ интер-
валов параметров a1 и a3 и определяются на основе уравне-
ния (3):
,sup 13max aaW и 13min inf aaW ,
(8)
где W – множество координат точек пересечения мнимой оси
Рис. 1 – Диаграмма распределения
параметра годографа вдоль границы
устойчивости при n = 4
59
i годографами портрета.
Сравним границы (8) реальной области R с границами (6), (7) области экстремумов eD .
а). minmax e → iDR и поэтому, исходя из выражений (4), (8) для проверки устойчи-
вости [1] достаточно только одного уравнения семейства:
0432
23
14 asasasas . (9)
Для обеспечения устойчивости ИДС необходимо выполнение условия: min'44 aa , где
Aa infmin
'4 , А – множество значений функции (4) в области Rω.
б). maxmin e → dDR и поэтому, исходя из выражений (4), (8) для проверки устойчи-
вости [1] достаточно только одного уравнения семейства:
0432
23
14 asasasas . (10)
Для обеспечения устойчивости ИДС необходимо выполнение условия: min''
44 aa , где
Aa infmin
''4 .
в). minmax e и/или
maxmin e → ed DDR / ei DDR / eie DDDR и
поэтому, исходя из выражений (4), (8) для проверки устойчивости [1] необходимо проверить оба
уравнения (9) и (10) семейства:
0432
23
14 asasasas и 043
22
31
4 asasasas .
Для обеспечения устойчивости системы необходимо выполнение условия: min44 aa , где
},{minmin
''4min
'4min4 aaa .
СПИСОК ЛИТЕРАТУРЫ 1. Харитонов, В.Л. Об асимптотический устойчивости положения равновесия семейства систем линейных дифференциальных уравне-
ний / В.Л. Харитонов // Дифференциальные уравнения. – 1978. – Т. XIV. – № 11. – С. 2086-2088.
2. Дорф, Р. Современные системы управления / Р. Дорф, Р. Бишоп. – М.: Лаборатория базовых знаний, 2009. – 832 c. 3. Несенчук, А. А. Анализ и синтез робастных динамических систем на основе корневого подхода / А. А. Несенчук. – Мн.: ОИПИ НАН
Беларуси, 2005. – 234 с. 4. Поляк, Б.Т. Робастная устойчивость и управление / Б.Т. Поляк, П.С. Щербаков. – М.: Наука, 2002. – 303 с.
УДК 62-50
ОПЕЙКО О.Ф.
БНТУ (Р. БЕЛАРУСЬ)
УПРАВЛЕНИЕ ПО ВЫХОДУ С ПРОПОРЦИОНАЛЬНО-ДИФФЕРЕНЦИРУЮЩИМ
АДАПТИВНЫМ РЕГУЛЯТОРОМ
Реферат. Синтез управления применением пропорционально- дифференцирующего (ПД)
регулятора выполняется методом модального управления. В условиях внутренних (параметриче-
ских) и внешних возмущений, действующих на объект, показатели качества системы должны
оставаться в допустимых пределах, для чего организована адаптация, то есть настройка пара-
метров ПД- регулятора в зависимости ошибки регулирования.
Целью работы является построение канала адаптации системы, который выполняет
настройку параметров регулятора по сигналу ошибки регулирования в условиях параметрических
и внешних возмущений объекта.
Проблема робастного синтеза [1], то есть синтеза управления такого, чтобы показатель каче-
ства находился в допустимых пределах при внутренних (параметрических) и внешних возмуще-
ниях может быть решена в классе адаптивных систем [2,3].
Наличие интегрирующего звена в регуляторе обеспечивает точность, но снижает быстро-
действие системы. Системы с П или ПД регуляторами свободны от этого недостатка, однако точ-
ность может быть достигнута лишь путем увеличения коэффициента усиления, что снижает запас
устойчивости. Для уменьшения ошибки регулирования в условиях внешних и параметрических
60
возмущений возможно применение канала адаптации.
Целью работы является построение канала адаптации системы, который выполняет настрой-
ку параметров регулятора по сигналу ошибки регулирования в условиях параметрических и
внешних возмущений объекта. Для этого необходим расчет параметров ПД регулятора основного
контура для линеаризованной редуцированной модели по заданным корням характеристического
полинома и синтез канала адаптации по условиям обеспечения устойчивости и качества в услови-
ях возмущений.
Объект управления представлен линеаризованной редуцированной моделью не более второ-
го порядка по условию разрешимости задачи модального управления [4] в системе с ПД- регуля-
тором. Вследствие использования при синтезе регулятора линеаризованной редуцированной мо-
дели объекта управления показатели качества синтезированной системы неизбежно будут отли-
чаться от требуемых показателей, что выражается увеличением ошибки регулирования. Адаптив-
ное управление методом скоростного градиента [2,3] позволяет организовать устойчивый процесс
настройки параметров регулятора в направлении требуемых показателей качества. Система опи-
сывается дифференциальным уравнением
,BuAxx (1)
Здесь в качестве объекта управления рассматривается синтезированный замкнутый контур с
ПД регулятором, дифференцирование принимается идеальным, A, B – постоянные матрицы,
TB 1,0 . Собственные значения 002,1 js матрицы A определяются по требуемому вре-
мени регулирования 0t и ограничению на колебательность, 00 343 t , 00 . Характери-
стический полином, с учетом обозначения 20
20
20 r , принимает вид
200
202 2det rssAsIsN . Характеристическому полиному соответствует матрица [5]
02
0
20
200
2212
1211
2
2
r
rr
qqQ .
Эта матрица является положительной, так как удовлетворяет критерию Сильвестра при
условии 20
20 4r . Поэтому для системы (1) при 0u функция Ляпунова QxxV T является по-
ложительно определенной, а ее производная 0 xQAxQxAxxQxQxxV TTTTT отрица-
тельна, так как система заведомо устойчива. Канал адаптивного управления строится по выраже-
нию
2211 xcxcxcu T (2)
В расширенном пространстве переменных x объекта и настраиваемых параметров c функ-
ция Ляпунова принимает вид ccQxxV TTA , где 21 ,diag - положительная матрица.
Производная от функции Ляпунова в силу системы (1) с учетом (2) принимает вид
xQxQxxV TTA
ccccxBcAQxQxBcAx TTTTTTT xQBcQcBxV TTT
cccc TT . Поскольку 0V , для отрицательности AV достаточно условия
0 ccccxQBcQcBx TTTTT ,. Здесь 222112 xqxqQBxxQBu TTS - скалярная
величина. Настройка параметров ПД регулятора соответствует условию 0 ccxuc TS
T ,
или xuc S . Разностное уравнение настройки принимает вид
kSkkk xucc 1 .
Параметры 1 , 2 определяют интенсивность адаптации и должны удовлетворять условию
2021 2 rTs . Сигналы настройки параметров c должны быть ограничены так, чтобы спек-
тральный радиус C матрицы T
C BcAA не превосходил допустимого значения с учетом
наличия немоделируемой динамики в системе. Если ошибка регулирования 01 x и 0 Su , что
происходит по причине внешних и параметрических возмущений, происходит настройка пара-
метров c до достижения нулевой ошибки. Сигнал (2) адаптивного управления суммируется с
61
сигналом основного контура.
Адаптации позволяет обеспечить свойства, близкие к астатизму без применения интегратора
в основном контуре.
При наличии ограничений сигналов настройки параметров полный астатизм не достигается.
Канал адаптации избыточен, когда возмущения малы, и способствует сохранению показате-
лей качества в условиях значительных внешних и параметрических возмущений.
СПИСОК ЛИТЕРАТУРЫ 1. Поляк Б.Т., Щербаков П. С. Робастная устойчивость и управление. – М.: Наука.2002.
2. Фомин В.Н., Фрадков А.Л., Якубович В.А. Адаптивное управление динамическими объектами. - М.: Наука, 1981.-447с.
3. Фрадков А.Л. Адаптивное управление в сложных системах М., 1990.-378 c.
4. Кузовков Н.Т. Модальное управление и наблюдающие устройства. М.: Машиностроение. – 1976.
5. Jury E.I. Inners and Stability of Dynamic Systems. /A Willey-Interscience Publications, John Willey & Sons. New York-London-Sydney-Toronto, 1974.
УДК 004.942 ; 519.7
РОМАНЧУК К. Г.
ІТГІП НАНУ (Україна)
ПРО РАНЖИРУВАННЯ МОДЕЛЬНИХ СЦЕНАРІЇВ СИСТЕМНОЇ АВАРІЇ
ЗА РИЗИКОМ ЗБИТКІВ
В рамках сценарного підходу до оцінки сумарного ризику збитків від аварії в складній інже-
нерній системі з використанням байєсівського перетворення ймовірностей аварійних подій за-
пропоновано метод оцінки значущості модельних сценаріїв системної аварії за ризиком збитків.
Ранжирування модельних сценаріїв системної аварії за значущістю забезпечує краще розу-
міння поведінки складної інженерної системи і дозволяє контролювати ефективність заходів, на-
правлених на підвищення її надійності і безпеки. При цьому можуть виявлятися пріоритетні чин-
ники аварійності, що визначають надійність і безпеку системи, обґрунтуватись потреба в їх дода-
ткових дослідженнях з метою подолання невизначеності різних факторів.
Дослідження значущості аварійних подій подібне до аналізу чутливості і може також бути
корисним при оптимізації структурного складу системи, діагностиці «слабких» ланок серед її
компонентів, оптимізації їх надійності з врахуванням економічних показників тощо.
Кількісні показники значущості аварійних подій в системах, що на разі пропонуються різ-
ними авторами [1, 2], ґрунтуються на імовірнісній мірі. Наприклад, значущість за Фусселем –
Веслі для деякої базової аварійної події або для деякого перерізу аварійних подій (сценарію) може
визначатися як відносна «вага» відповідної події або відповідного перерізу аварійних подій за
ймовірністю в повній ймовірності )(AP системної аварії [2]. Однак, при цьому не враховується
те, що різні аварійні події в складній системі можуть бути обтяжені різними збитками.
Байєсівське перетворення ймовірностей [3, 4] в рамках сценарного підходу до оцінки уза-
гальненого (сумарного) ризику збитків від аварії в складній інженерній системі [5] дозволяє роз-
ширити інтерпретацію значущості за Фусселем – Веслі і встановлювати значущість окремих мо-
дельних сценаріїв аварії як за ймовірністю їх реалізації, так і за ризиком збитків.
Під модельним сценарієм iA системної аварії A надалі будемо розуміти деяку ідеалізовану
аварійну подію-припущення, несумісну з іншими визначеними в якості модельних сценаріїв ава-
рії A ідеалізованими аварійними подіями-припущеннями у складі повної групи подій:
)()|()( APAAPAP ii , (1)
;||;1)|(),()(11
ki
n
i
i
n
i
i AAAAAAPAPAP nkiki ,1,; , (2)
n
i
ii
iii
APAAP
APAAPAAP
1
)()|(
)()|()|( , (3)
де )( iAP – ймовірність реалізації сценарію iA системної аварії A ; )|( AAP i – умовна ймові-
62
рність аварії A за сценарієм iA ; )(AP – повна ймовірність виникнення системної аварії A ;
)|( iAAP – умовна ймовірність аварії A за умови її реалізації за сценарієм iA .
Сумарний (узагальнений за модельними сценаріями iA , ni ,1 ) ризик збитків ),( ADR сис-
темної аварії A будемо оцінювати як [3]
)()(),(1
i
n
i
i ADAPADR
, (4)
де )( iAD – збиток, якщо аварія A відбувається за модельним сценарієм iA .
Обумовимо кожен i -й модельний сценарій системної аварії деякою i -ю аварійною подією
iF (наприклад, формою аварії, безпосередньою причиною виникнення аварії, базовою аварійною
подією тощо). В загальному випадку iF , ni ,1 , можуть бути довільними подіями.
Для кожного з модельних сценаріїв iA , ni ,1 , згідно з однією з фундаментальних теорем
теорії ймовірностей, можна записати:
)()|()()|( APAAPAPAAP iii . (5)
Визначимо ймовірність )|( iAAP як «вагу» відповідного збитку, пов’язаного з реалізацією
події iF , за ймовірністю )( iFP :
n
i
i
ii
FP
FPAAP
1
)(
)()|( . (6)
Прирівнявши в формулах (3) і (5) ймовірність )( iAP до )( iFP , маємо ймовірність реалізації
модельного сценарію iA аварії A :
)(
)()(
)()(
)(
1 1
2
1
2
AP
FPFP
FPFP
APn
i
n
i
ii
n
i
ii
i
, (7)
та значущість сценарію iA за ризиком
n
i
ii
iiiR
DAP
DAPAw
1
)(
)()( , (8)
де ймовірності )( iFP , ni ,1 , )(AP можна встановити за допомогою відповідних структур-
них функцій надійності (безпеки) інженерної системи, визначених, наприклад, методом структур-
но-логічних схем або логіко-імовірнісним методом дерев відмов і несправностей [1, 2, 6-8].
На прикладах кількісної оцінки сумарного ризику збитків від аварійного виливу води з ба-
сейну добового регулювання Зарамагської ГЕС-1 за трьома модельними сценаріями [7] та оцінки
значущості базових аварійних подій, що можуть призвести до аварійного переповнення водосхо-
вища-охолоджувача Хмельницької АЕС [8], показано, що сценарний підхід до прогнозування
ризиків збитків від аварій в складних інженерних системах з використанням байєсівського перет-
ворення ймовірностей дозволяє встановлювати значущість окремих модельних сценаріїв аварій як
за ймовірністю їх реалізації, так і за ризиком збитків.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Барлоу Р. Статистическая теория надежности и испытания на безотказность / Р. Барлоу, Ф. Прошан. Пер. с англ. – М.: Наука, 1984. – 328 с.
2. Хенлі Е. Дж. Надійнісне проектування технічних систем і оцінка риску / Е. Дж. Хенлі, Х. Кумамото [Пер з англ. за ред. Ю. Г. Заре-
ніна]. – К.: Вища школа, 1987. – 543 с.
3. Stefanyshyn D. V. Use of the Bayes’ approach for assessment of damage risks of system failures / D. V. Stefanyshyn, K. G. Romanchuk //
Proc. of Int. Scientific School «Modelling and Analysis of Safety and Risk in Complex Systems», 2009. – S-Petersburg. – P.P. 165-169.
4. Романчук К. Г. Про застосування методу Байєса в задачах ідентифікації причин аварій в складних системах / К. Г. Романчук // Problems of decision making under uncertainties. Abstracts of XXII Int. Conf. September 23-27. Foros-Yalta. – К.: 2013. – С. 125.
5. Романчук К. Г., Стефанишин Д. В. Про сценарний підхід при оцінці ризику системних аварій // Проблеми інформатики та
63
комп’ютерної техніки (ПІКТ – 2015). Праці ІV-ї міжнародної науково-практичної конференції. Тези доповідей. ЧНУ. 26-29 травня,
2015 р. – Чернівці: Видавничий дім «Родовід», 2015. С. 65-67.
6. Рябинин И. А. Надёжность и безопасность структурно-сложных систем. – СПб.: Изд-во С-Петерб. ун-та, 2007. – 276 с. 7. Стефанишин Д. В., Романчук К. Г. Логіко-імовірнісна оцінка ризику збитків від аварійного виливу води з басейну добового регулю-
вання Зарамагської ГЕС-1 // Системні дослідження та інформаційні технології. – 2013. №3. – С. 130-141.
8. Романчук К. Г., Стефанишин Д. В. Імовірнісний аналіз причин аварійного переповнення водосховища-охолоджувача Хмельницької АЕС // Екологічна безпека та природокористування. Зб. наук. праць. Вип. 14. Київ: КНУБА, ІТГІП НАНУ, 2014. – С. 86-94.
УДК 512.64:004.93
СКОТАРЕНКО Ф.М.
КНУ ІМЕНІ ТАРАСА ШЕВЧЕНКА (УКРАЇНА)
ФОРМУЛИ Г’РЕВІЛЯ - КИРИЧЕНКА ДЛЯ МАТРИЧНИХ ЕВКЛІДОВИХ ПРОСТОРІВ
Розглядаються формули Г’ревіля – Кириченка для матричних евклідових просторів, а також розгля-
дається концепція кортежних операторів, яка реалiзована для варіанту, коли кортежем є набір матриць
фіксованої розмірності, яка дозволяє перенести засоби опису основних структур евклідового простору
числових векторів на матричні евклідові простори.
Пропонується подальший розвиток техніки оперування в матричних евклідових просторах:
для доведення твердження, на яке посилатимемось як на формулу Г'ревіля - Кириченка. Власне, у
класичному варіанті цього результату мова йде про те, як змінюється псевдообернення (надалі
ПдО) матриці за її розширення рядком чи стовпчиком. Зважаючи на комутування ПдО та транс-
понування, результат формулюють зазвичай для варіанту розширення рядком. Результат перетво-
рення залежить від того, чи є рядок, яким розширюється матриця лінійно залежним чи ні від реш-
ти рядків матриці. Можна говорити також про таку саму задачу, але пов’язану з викреслюванням
рядку чи стовпчика. Комбінація двох варіантів: викреслювання та розширення дають можливість
досліджувати задачу опису зміни ПдО матриці за заміни рядка чи стовпчика на інший. Відповідні
результати можна знайти в роботі [2]. Прикладне значення формул Г'ревіля - Кириченка в прямо-
му варіанті: розширення, - чи в оберненому: викреслювання, - визначається тим, що техніка ПдО
в лінійному регресійному аналізі дозволяє отримати повний опис задачі МНК- оцінювання пара-
метрів як за виконання умов однозначності рівнянь Г'аусса - Маркова (повний стовпчиковий ранг
матриці плану). Формули Г'ревіля-Кириченка дозволяють конструктивно реалізувати етапи стати-
стичного аналізу, пов’язані із появою у вибірці нових спостережень, вилученням певних спосте-
режень - аутлайєрів, заміну одних спостережень на інші. Розширення сфери дії формул Г'ревіля -
Кириченка на матричні евклідові простори так само може бути використаний в задачах МНК -
оцінювання лінійних форм від матричних аргументів.
Загалом, приклади застосування техніки SVD та ПдО для кортежних операторів над матрич-
ними евклідовими просторами можна знайти у роботах [1-3]. Важливим класом лінійних операто-
рів, який дозволяє перенести техніку оперування на основі SVD та ПдО в евклідові простори є
клас так званих кортежних операторів (КорО), введених, зокрема, в роботі [5] .
Загалом, в прямих формулах Г'ревіля - Кириченка, власне, мова йде про рекурентні форму-
ли, що визначають псевдообернення розширеного оператора через псевдообернення вихідного
оператора для операторів - матриць між евклідовими просторами числових векторів. У цьому
випадку досліджується, як псевдообернення матриці, доповненої рядком виражається через псев-
дообернену для вихідної матриці. Також цей результат можна перенести на кортежні оператори.
Як і випадку матриць лінійних операторів вигляд рекурентної залежності визначається тим, чи є
лінійний функціонал, яким розширюється оператор, - лінійно залежним від решти функціоналів,
що формують кортежний оператор. Так само, умова лінійно залежності конструктивно описується
в термінах слушних операторів ортогонального проектування, що будується за SVD - розкладом
КорО. Так само, як і для просторів числових векторів, з ПдО КорО асоціюються дві пари КорО:
ортогональні проектори та групувальні оператори (зважені проекційні) із тими самим способом
використання.
Доповідь присвячена продовженню розвитку математичних засобів оперування з базовими
структурами в матричних евклідових просторах на основі побудови стандартних конструкцій
SVD - та ПдО для важливого класу так званих кортежних операторів. Запропоновано перенесення
важливої у застосуваннях формули Г'ревіля - Кириченка для лінійних операторів над nR на мат-
ричні евклідові простори з тими самими можливостями застосування, що і для евклідового прос-
64
тору числових векторів.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Кириченко Н.Ф., Лепеха Н.П. Применение псевдообратных и проекционных матриц к исследованию задач управления, наблюде-ния и идентификации. //Кибернетика и системный анализ. – 2002. – № 4. – С. 107 - 124.
2. Кириченко Н.Ф., Донченко В.С., Сербаев Д.П. Нелинейные рекурсивные регрессионные преобразователи: динамические системы
и оптимизация. //Кибернетика и системный анализ. – №3, 2005. – С. 58 - 68. 3. Кириченко Н.Ф., Кривонос Ю.Г., Лепеха Н.П. Синтез систем нейрофункциональных преобразователей в решении задач классифи-
кации. //Кибернетика и системный анализ. – 2007. – №3. С. 47 – 57.
4. Kirichenko N.F. Analytical representation of perturbation of pseudoinverse matrices / Kirichenko N.F. // Cybernetics and system analysis. –V.33, №2. –March-April, 1997. –pp. 230-239.
5. Donchenko V. “Feature vectors” in grouping information problem in applied mathematics: vectors and matrixes / V. Donchenko, T. Zinko,
F. Skotarenko // Problems of computer Intellectualization. ITHEA, Kiyv, Ukraine-Sofia, Bulgaria, 2012. –pp. 111-124. 6. Донченко В. Базовые структуры евклидовых пространств: конструктвные методы описания и использования / В. Донченко, Ю.
Кривонос, В. Омардибирова // New Trends in Classification and Data Mining. – ITHEA, Sofia, Bulgaria. -2010. –pp. 155-170.
УДК 004.942 ; 519.7
СТЕФАНИШИНА-ГАВРИЛЮК Ю. Д., СТЕФАНИШИН Д. В.
ІТГІП НАНУ (Україна)
ПРО ЗАДАЧУ ОПТИМІЗАЦІЇ СТРУКТУРИ ІНВЕСТИЦІЙНОГО ПОРТФЕЛЯ
З ВРАХУВАННЯМ РИЗИКУ НЕВИКОРИСТАНИХ МОЖЛИВОСТЕЙ
Розглянуто задачу формального вибору оптимальної базової структури інвестиційного
портфеля при прийнятті рішень в умовах невизначеності (ризику) на основі попарного порівнян-
ня альтернатив з врахуванням ризику невикористаних можливостей.
Формальний підхід до прийняття рішень при портфельному інвестуванні передбачає порів-
няння альтернатив та вибір серед них оптимальних (квазіоптимальних, компромісних тощо) [1, 2].
Оскільки результати прийнятих інвестиційних рішень реалізуються в майбутньому, то оцінка і
порівняння можливих альтернатив здійснюються в умовах невизначеності (ризику) [3].
Інвестиційні ресурси, зазвичай, обмежені, тому основною задачею інвестора при обґрунту-
ванні рішення в умовах невизначеності (ризику) стає мінімізація ризику, яку інвестор, зазвичай,
намагається вирішувати на основі диверсифікації портфельного ризику шляхом створення так
званого інвестиційного портфеля [4]. Ідея портфеля полягає в зниженні сукупного інвестиційного
ризику через розподіл наявних активів (ресурсів, капіталу тощо) між кількома напрямками діяль-
ності. Вирішальне значення при цьому може мати формалізація задачі оцінки інвестиційного ри-
зику та його складових – системного ризику і несистемного (ризику невикористаних можливос-
тей), де останній може змінюватися з волі носія рішення, в тому числі в контексті загальної пос-
тановки задачі прийняття рішень в умовах невизначеності з врахуванням ризику [3, 5].
У більшості практичних випадків виділяються три характерні напрямки диверсифікації інве-
стиційного ризику в портфелі (наприклад, збереження й закріплення досягнутого, розширення
досягнутого, інноваційні зміни). Кожен з них може розгалужуватися на додаткові три напрямки, з
генерацією нових тріад альтернатив в залежності від трьох характерних психологічних типів по-
ведінки інвестора як носія рішення в умовах ризику: несхильність до ризику (песимізм), байду-
жість до ризику (конформізм), схильність до ризику (оптимізм) [6]. Структури інвестиційних
портфелів, в яких поєднуються наведені вище три характерні психологічні типи поведінки інвес-
тора та, відповідно, напрямки інвестування, надалі вважатимемо базовими [7].
Нами розглядається задача формального вибору оптимальної базової структури інвестицій-
ного портфеля серед можливих альтернатив з врахуванням ризику невикористаних можливостей
в контексті прийняття оптимального рішення на основі їх попарного порівняння [3, 5]. Вирішу-
ється поставлена задача в два етапи.
На першому етапі на основі деяких формальних правил, які можуть відображати певну пси-
хологічну позицію носія рішення щодо ризику загалом і ризику невикористаних можливостей
зокрема (несхильність, байдужість, схильність), генерується злічена множина альтернатив (альте-
рнативних портфелів).
Якщо інвестиційний ресурс розподіляється між трьома базовими напрямками ( kx , 3,1k ),
то, відповідно, можна задати три сценарії поведінки інвестора як носія рішення при формуванні
базової структури інвестиційного портфеля:
65
1) песимістичний – несхильність до ризику; нехай за цим сценарієм інвестор намагається
збільшувати частку 1x в портфелі, орієнтуючись на обмеження 1x 1/3;
2) нейтральний – нехай носій рішення (інвестор) надає перевагу частці 2x ( 2x 1/3);
3) оптимістичний – схильність до ризику; носій рішення діє, орієнтуючись на обмеження
виду 3x 1/3.
Крім того, при реалізації кожного з цих сценаріїв носій рішення може також застосувати од-
ну з трьох стратегій формування структури портфеля, збільшуючи ту чи іншу частку kx , 3,1k ,
за рахунок інших: 1) рівномірно зменшуючи частки альтернатив; 2) максимально зберігаючи час-
тку менш ризикованої альтернативи; 3) максимально зберігаючи частку більш ризикованої альте-
рнативи. В рамках наведених сценаріїв та стратегій можна отримати злічену множину альтерна-
тивних портфелів (множину попарно порівнюваних альтернатив jinjiaa ji ;,1,},,{A ), ко-
жен з яких за формальними ознаками може бути кращим серед безлічі можливих портфелів при
відповідному формальному відношенні інвестора до ризиків невикористаних можливостей [7].
На другому етапі здійснюється попарне порівняння відібраних таким чином альтернатив на
зліченій множині jinjiaa ji ;,1,},,{A (всього можна виділити 27 таких портфелів), серед
яких вибирається найкраща (оптимальна) за критерієм мінімального ризику згідно з правилом [1]:
ijnjiaarrraad jiijjioptioptioptiopt ;,1,);,(,),min(| ,,,,, Α , (1)
де jir , – оціночна функція альтернативи ia за умови існування альтернативи ja :
ijnjiglr jiji ;,1,;, , (2)
де il , ig – невід’ємні значення деяких числових характеристик, що описують програшні та
виграшні якості альтернатив, що порівнюються; n – загальна кількість альтернатив, серед яких
здійснюється вибір.
Функцію jir , далі будемо тлумачити як повний ризик альтернативи ia за умови, що носій
рішення відмовляється від альтернативи ja [3, 5].
Формально, множина альтернатив, з якими порівнюється кожна з досліджуваних альтерна-
тив, розглядається як множина зовнішніх умов, за яких здійснюється вибір. Тобто, в нашому ви-
падку, для альтернативи ja , при її порівнянні з альтернативою ia , повний ризик буде:
jinijglr ijij ;,1,;, . (3)
В результаті проведеного нами імітаційного моделювання було встановлено, що при різних
комбінаціях вхідних даних та при різних способах формування базової структури ),,( 321 xxx інве-
стиційного портфеля, серед довільних структур, що характеризуються трьома напрямками інвес-
тування, виділяється 16 характерних альтернативних портфелів (альтернатив), а саме: (1; 0; 0),
(0,68333; 0,31667; 0), (0,658333; 0,333333; 0,008333), (0,63333; 0,333333; 0,03333), (0,33333;
0,63333; 0,03333), (0,33333; 0,658333; 0,008333), (0,31667; 0,68333; 0), (0; 1; 0), (0,33333; 0,33333;
0,33333), (0,33333; 0,033333; 0,633333), (0,33333; 0,00833; 0,65833), (0,31667; 0; 0,68333),
(0,033333; 0,33333; 0,633333), (0,008333; 0,33333; 0,658333), (0; 0,31667; 0,68333), (0; 0; 1). Кожен
з них може виявитися оптимальним в контексті врахування психологічної позиції носія рішення
щодо ризику загалом і ризику невикористаних можливостей зокрема. Виявлені базові структури
інвестиційних портфелів рекомендується приймати в якості альтернатив, що підлягають попар-
ному порівнянню з вибором серед них оптимальної.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Мушик Э. Методы принятия технических решений / Э. Мушик, П. Мюллер / Пер. с нем. – М.: Мир, 1990. – 206 с. 2. Бейко І. В. Задачі, методи і алгоритми оптимізації: навчальний посібник / І. В. Бейко, П. М. Зінько, О. Г. Наконечний. – Рівне:
НУВГП, 2011. – 624 с.
3. Стефанишин Д. В. Вибрані задачі оцінки ризику та прийняття рішень за умов стохастичної невизначеності / Д. В. Стефанишин. – К.: Азимут-Україна, 2009. – 104 с.
4. Вітлінський В. В. Економічний ризик: ігрові моделі / В. В. Вітлінський, П. І. Верченко, А. В. Сігал, Я. С. Наконечний. – К.: КНЕУ,
2002. – 446 с. 5. Stefanyshyn D. V. A method of decision making at risk in natural resources use by pairwise comparison of alternatives with taking account of
66
risks of lost opportunities / D. V. Stefanyshyn, Yu. D. Stefanyshyna // Proc. of Int. Scientific School «Modelling and Analysis of Safety and
Risk in Complex Systems». July 7-11, 2009. – S.-Petersburg, Russia. – P.P. 435-439.
6. Козелецкий Ю. Психологическая теория решений / Ю. Козелецкий. Пер. с польск. Г. Е. Минца, В. Н. Поруса / Под ред. Б. В. Бирюкова. – М.: Прогресс, 1979. – 504 с.
7. Стефанишин Д. В. Метод формування інвестиційного портфеля в природокористуванні з врахуванням ризику невикористаних
можливостей / Д. В. Стефанишин, Ю. Д. Стефанишина // Екологічна безпека та природокористування. Зб. наук. праць. – Вип. 9. – К.: КНУБА, ІТГІП НАНУ, 2012. – С. 201-212.
УДК 330.46 : 519.866
ТКАЧЕНКО М.А.
ДВНЗ «КНЕУ ім. В. Гетьмана» (Україна)
A MARKOVIAN IT PROJECT RISK MANAGEMENT MODEL
In the theses, the approach to constructing a Markovian model for managing risk in information
technology projects based on the use of the buffer management concept, principles of agile methodolo-
gies, and knowledge management processes is proposed.
Problem statement. According to statistics, only 39% of all IT projects succeed [1]. The most
common causes of failure include changing priorities (40%), inaccurate requirements (38%), and change
in project objectives (35%) [2]. This identifies that IT projects are characterized with a high level of un-
certainty concerning their outcomes and deliverables as well as highly dynamic environment.
In order to determine the project’s success probability and control project risks the Markov chains
method is often used. The distinctive feature of Markov processes is that the probability distribution of
the next project’s state depends exclusively on the current state, which, in its turn, corresponds with the
dynamic project environment.
The analysis of publications [3-8] has shown that the proposed approaches and models dedicated to
applying Markov chains to project risk management have some flaws and leave some issues un-
addressed: (1) the proposed approaches don’t allow for correlations between risks; (2) lack of consensus
justifying number of states used in models; (3) the identification of the number of steps for the model; (4)
it is unclear how to apply expert methods if data is unavailable or insufficient; (5) the possibility to affect
transition probabilities in time. In order to address the highlighted issues, it is proposed to use the buffer
management concept, the agile methodologies principles and knowledge management techniques.
1-2. In order to address the issue concerning correlations between different risks, it is proposed to
aggregate risks affecting separate tasks into a project buffer according to the critical chain method [14].
As regards the number of the project’s states, it is proposed to form a set of events with three states,
which correspond to the three states of the fever chart based on the level of buffer consumption com-
pared to the project progress:
(1) the buffer penetration trend (BPT) is in the green (safe) zone;
(2) the BBT is in the yellow (relatively safe) zone;
(3) the BPT is in the red (unsafe) zone.
3. To solve the problem concerning the number of steps for the Markovian model, it is proposed
use the principles of agile methodologies. Agile methodologies are aimed to minimize risks reducing
development processes to a series of short cycles called iterations that usually last 2-3 weeks. Consider-
ing that tracking the project's progress and taking measures is done between the iterations, the number of
steps necessary to finish the project equals the number of iterations necessary to deliver the required
amount of functionality. At the same time, disregarding that the classical approaches seem completely
different to the agile ones, some scientists [9] advocate forming buffers within agile projects.
4-5. As regards the problems of determining the initial distribution of state and transition probabili-
ties, it is proposed to solve them applying knowledge management tools and a project's knowledge base.
According to the Markov property, the probability of the project’s being in a certain state in n steps
( ) is obtained as follows:
,
where is the vector of distribution of probabilities; – vector describing initial state of the pro-
ject, P – the transition matrix with elements pij (the probability of transition of the system from the state i
to the state j ( )).
Because changes of priorities and risk response measures may affect the transition probabilities, it
67
is possible to apply control to the transition matrix thereby using controllable Markov chains. Taking into
account that the described model is based on time-oriented states, it is expedient to assess the effective-
ness of measures in terms of time necessary to complete an iteration.
Thus, in addition to the transition matrix P we have a duration matrix D with elements dij (the dura-
tion of the iteration when the project transits from the state i to the state j). A Markov chain is considered
controllable if at each step n = 1, 2, …, nmax and in each state i = 1, 2, …, N a row of the matrix :
(
; and a row of the matrix D: (
can be chosen where ki is a
control strategy for the state i. Accordingly, the aim of risk management is to minimize the overall dura-
tion of the project: ( ) where ( ) – the vector of profits (durations).
The number of steps corresponds to the number of iterations left to the project’s completion. After
each iteration, the current project’s state should be analysed. Because of frequent changes in require-
ments and objectives, it is expedient to assess control measures only one step forward (n = 1):
( ∑
( , where
∑
– is the average duration based on tran-
sition from the state i if the strategy ki is applied.
Thus, the proposed model allows addressing the issues of the existent Markovian models for IT
project risk management and provides a flexible and adaptive mechanism that can be applied to projects
using agile methodologies.
ПЕРЕЛІК ЛІТЕРАТУРИ 1) Chaos manifesto 2013 // Versionone [Electronic resource]. – Mode of access: URL: http://www.versionone.com/assets/img/files/CHAOSManifesto2013.pdf.
2) Capturing the Value of Project Management 2015 // PMI website [Electronic resource]. – Mode of access: URL:
http://www.pmi.org/~/media/PDF/learning/pulse-of-the-profession-2015.ashx. 3) Ефремова А. В., Латкин М. А., Чумаченко И. В. Моделирование выполнения работ и мониторинга рисков проекта //Радіоелектронні
і комп’ютерні системи. – 2007. – №. 3. – С. 112–116.
4) Глибовець М. и др. Марковська модель оцінки вартості проекту з ризиком. – 2010. 5) Колесникова Е. В. Моделирование слабо структурированных систем проектного управления //Праці Одеського політехнічного
університету. – 2013. – №. 3. – С. 127-131.
6) Приймак М., Прошин С. Марківські процеси як моделі реальних сигналів та явищ //Збірник тез доповідей IV наукової конференції TНТУ ім. Івана Пулюя «Природничі науки та інформаційні технології». – 2010. – Т. 1. – С. 30-30.
7) Олех Т. М. Застосування ланцюгів маркова для дослідження багатовимірних оцінок при управлінні проектами. – 2015.
8) Jeon C., Kim N., In H. P. Probabilistic Approach to Predicting Risk in Software Projects Using Software Repository Data //International Journal of Software Engineering and Knowledge Engineering. – 2015. – Т. 25. – №. 06. – P. 1017-1032.
9) S. Tendon, W. Muller. Hyper-Productive Knowledge Work Performance. – J. Ross Publishing. – 2015.
УДК 004.81, 004.931, 004.932
ФРАТАВЧАН В.Г.
Чернівецький національний університет імені Юрія Федьковича (Україна)
ПРО ДОСЛІДЖЕННЯ ЗАДАЧ РОЗПІЗНАВАННЯ ОБРАЗІВ В ЧЕРНІВЕЦЬКОМУ
НАЦІОНАЛЬНОМУ УНІВЕРСИТЕТІ ІМЕНІ ЮРІЯ ФЕДЬКОВИЧА
Описуються результати, які отримані в при досліджені задач розпізнавання образів на ка-
федрі математичних проблем управління та кібернетики ЧНУ.
Цикл досліджень в області розпізнавання образів був започаткований доктором фізико-
математичних наук, професором Кириченко М.Ф. Задача, з якої починається дана тематика, поля-
гала у розробці алгоритмів та створенні програмного комплексу для розпізнавання рукописних
програмних текстів в динаміці створення тексту. Задача ускладнювалась досить великим набором
класів та можливістю злиття (з’єднання) декількох символів в слова. Оскільки апаратне забезпе-
чення, сенсорні планшети, в той час були недоступні, комплекс передбачав імітаційний режим
роботи при застосуванні графічного екрану. Для реалізації задачі був запропонований апарат пос-
лідовних методів розпізнавання, тобто застосування формальних мов та граматик. В результаті
проведених досліджень був розроблений алгоритм, що базується на застосуванні регулярних гра-
матик або детермінованих автоматів (по одному для кожного класу). Вхідним алфавітом для гра-
матик був вибраний код Фрімена (або Гузмана) зі змінною довжиною апроксимуючих векторів.
Ці коди дозволяють легко перетворити динамічне зображення у ознакову цифрову послідовність,
68
а змінна довжина забезпечує стійкість методу до зміни розмірів рукописних символів. Проблема
зв’язності символів була вирішена за принципом динамічного програмування – кодовий ланцю-
жок для слова оптимально розбивався на фрагменти таким чином, щоб «покривався» максималь-
ною кількістю автоматів. Ще однією особливістю проекту був алгоритм синтезу граматик (авто-
матів) в процесі навчання.
Наступною задачею стали дослідження ознакових векторів для класифікації відокремлених
рукописних знаків при сканерному або оптичному введенні. Дана задача, окрім самої задачі кла-
сифікації, потребує повного комплексу попередньої обробки. Були протестовано та реалізовано
багато алгоритмів швидкої обробки зображень з метою фільтрації та сегментації зображень. Що-
до векторів ознак, були проведені експериментальні дослідження з метою оцінки їх стійкості до
геометричних та топологічних деформацій. Аналогічним чином були досліджені різноманітні
метрики для застосування принципу порівняння з еталоном при класифікації. В результаті був
запропонований варіант нормування ознакових векторів (ознакові вектори проектуються на оди-
ничний багатовимірний куб) та впроваджена оцінка, яка враховує параметри розподілу екземпля-
рів класу у просторі ознак.
Паралельно проводились дослідження у напрямку застосування послідовних або лінгвістич-
них методів. Був розроблений алгоритм контурного кодування зображень рукописних символів
кодами Фрімена (Гузмана). Для отриманих векторів при класифікації можна застосувати описа-
ний вище метод автоматів. Контурний аналіз дав ще один цікавий результат – підчас контурного
обходу символу було побудовано нормовані графіки координат точки контуру на площині. Ці
графіки виявились досить стійкими до таких деформацій, як зміна співвідношень розмірів симво-
лів та зміна нахилу написання в межах одного класу і суттєво відрізняються для представників
різних класів. Таким чином контурні графіки є інформаційними для класифікації.
Паралельно з розвитком комп’ютерної техніки та програмних засобів зростає інтерес до сис-
тем розпізнавання. Для розв’язування задач класифікації та розпізнавання почали застосовувати
новий інструментарій – штучні нейронні мережі. Природно, ця тематика зацікавила і нас. Був
проведений комплекс досліджень по можливості їх застосування для класифікації. Реалізовано
алгоритми навчання та класифікації рукописних символів із застосуванням перцептронів, ней-
ронних мереж асоціативної дії, багатошарових нейронних мереж. Слід відмітити, що при реаліза-
ції таких систем були застосовані алгоритми попередньої обробки зображень, методи сегментації
та побудови векторів ознак, які були розроблені та реалізовані при роботі з попередніми задача-
ми. Не обійшли увагою і метод класифікації, що базується на розв’язувальних та відокремлюючих
функціях. З точки зору програмної реалізації та організації навчального процесу, нескладними
вважаються розв’язувальні функції лінійного типу, які часто не дають потрібну ефективність
систем розпізнавання. Тому була запропонована система розв’язувальних функцій «куполоподіб-
ного» еліпсоїдального вигляду, що задаються квадратичними або експоненціальними формами.
Для знаходження коефіцієнтів цих функцій реалізовано процедуру навчання, яка базується на
генетичному алгоритмі. В процесі проведення експериментальних робіт по тестуванні таких сис-
тем отримали і деякий «сюрприз» - при застосуванні ознакових векторів великого розміру кіль-
кість циклів регенерації в генетичному алгоритмі та, відповідно, час навчання, стають неефекти-
вним. Тому була запропонована модифікація (спрощення) операцій мутації та кросовера, а також
застосована гібридна система обчислення параметрів «куполоподібних» функцій із застосуванням
статистичних методів обробки.
Ще одна «специфічна» ситуація в теорії розпізнавання образів є розпізнавання з навчанням
«без вчителя». Особливість цієї задачі у тому, що для кластеризації простору ознак задається кі-
лькість класів та будуються навчальні послідовність, причому для членів навчальної послідовнос-
ті не задається належність до класів. Таким чином для кластерізації застосовуються деякі загальні
оцінки розміщення точок у багатовимірному просторі ознак. Для такої задачі був запропонований
генетичний алгоритм кластеризації, в якому формується множина еталонів для кожного класу при
мінімізації загальної оцінки порівняння з еталонами.
Варто відмітити, що проведення таких досліджень в межах кафедри має значення не тільки у
науковому плані. Отримані результати мають велике значення для організації та змісту навчаль-
ного процесу. Більшість методів та алгоритмів знайшли своє відображення в програмах та лабо-
раторних роботах з дисциплін, пов’язаних із системами штучного інтелекту, цифрової обробки
69
інформації тощо. Студенти активно і охоче долучаються до такої роботи, за даною тематикою
реалізовано курсові проекти, дипломні та магістерські роботи, захищено кандидатські дисертації.
Накопичений теоретичний матеріал, отриманий досвід привів до реалізації декількох практичних
проектів. Було розроблено апаратно-програмні комплекси для розпізнавання штрих- та бар-кодів
за допомогою телефонних камер, комплекс для автоматизованого розпізнавання номерних знаків
автомобілів, система для розпізнавання логотипів фірм тощо.
Тематика розпізнавання образів стало ще однією підставою для розвитку співпраці з коле-
гами з Київського національного університету імені Тараса Шевченко, Київського інституту кібе-
рнетики імені В.М.Глушкова, Технічного університету Молдови, Сучавського університету
«Штефан чел Маре» та іншими. Даний напрям наукових досліджень стає все більш перспектив-
ним та популярним у всьому світі, інтерес до нього не затухає і в Чернівецькому національному
університеті.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. V.Fratavchan, I.Gaidaichuk, M.Rusnak, Matrix and Grammatical Methods for Pattern Recognition //Proceedings of the International Con-
ference on Development and Application Systems, DAS 1994 (26-28 May 1994, Suceava - Romania), pp.203-208. 2. V.Fratavchan, S.Kolosov, Method of Multipurpose Estimation of Alone Written Characters//Proceedings of the International Conference on
Development and Application Systems, DAS 1998 (May 1998, Suceava - Romania), pp.229-232.
3. V.Fratavchan, Using Neural Networks For Geometrical Shapes Recognition// Proceedings of the 8th International Conference on Development and Application Systems, DAS 2008 (27-259 May 2004, Suceava - Roma-
nia),pp.484-486.
4. V.Fratavchan, D.Shkilnjuk, The Automated System for Identification of License Plates of Cars // Proceedings of the 9th International Conference on Development and Application Systems, DAS 2008 (21-25 May 2008, Suceava - Romania).-
html\\dasconference.ro/papers/2008”.
5. V.Fratavchan, The Application of Genetic Algorithm for Training “Without a Teacher” //Proceedings of the 10th International Conference on Development and Application Systems, DAS 2010 (27-29 May 2010, Suceava - Romania), pp.105.
6. Фратавчан В.Г., Застосування генетичного алгоритму для синтезу розв’язувальних правил в системах розпізнавання.//Proceedings of
the Third International Conference on “Informatics and Computer Technics Problems”, (27-30 may, 2014 Chernivtsi, Ukraine), pp.96-97.
УДК 681.51
ЦАПАР В.С., ЖУЧЕНКО О.А.
НТУУ «КПІ» (Україна)
СИСТЕМА КЕРУВАННЯ ТЕПЛОВИМ РЕЖИМОМ СКЛОВАРНОЇ ПЕЧІ
З ПРОГНОЗУЮЧОЮ МОДЕЛЛЮ
У даній роботі розроблена система керування скловарною піччю з прогнозуючою моделлю.
Сформована задача керування та критерій оптимальності. Наведені результати імітаційного
моделювання котрі показали ефективність розробленої системи.
З точки зору керування скловарна піч є дуже складним технологічним об’єктом. У процесі
роботи скловарна піч піддається дії численних збурень, які змінюються як повільно (число Редок-
са, склад шихти, кількість та якісний склад доданого склобою тощо), так і швидко (локальні зміни
температури та тиску, зміни аеродинамічних потоків у результаті переключення пальників тощо).
Як свідчать численні дослідження [1,2], визначальним у режимі роботи скловарної печі є
тепловий режим, стабілізація котрого дозволяє отримувати продукцію необхідної якості [3]. На-
звані вище обставини обумовлюють потребу створення системи керування скловарною піччю.
Для забезпечення заданого теплового режиму скловарної печі пропонується система ке-
рування з прогнозуючою моделлю (СКПМ), структурна схема якої зображена на рис. 1, де (k)u
вектор керувань та (k)y вектор виходів.
Рисунок 1 – Структурна схема системи керування оперативного рівня
Управління з прогнозуючими моделями особливо доцільно при управлінні системами з
багатьма входами та виходами (MIMO-системи), що містять тісні взаємозв’язки та в яких потріб-
70
но враховувати численні обмеження. Так, при управлінні скловарною піччю, зміни витрати пали-
ва та потужності додаткового електричного нагріву впливають як і на температуру в гарячих точ-
ках, так і на температуру під насипом шихти. На кожному k-му такті, регулятор із прогнозуючою
моделлю робить пошук таких майбутніх змін витрати палива та потужності додаткового електри-
чного нагріву, які б призвели до потрібних змін температур. В процесі пошуку, регулятор також
враховує обмеження.
У даній системі, як спостерігач, використовується фільтр Калмана, який виконує оціню-
вання вектора температур k 1(k) (t ) : col ( , t )N
l k lT
T T . Завдання СКПМ – формування по-
слідовності керувань, які б забезпечували відслідковування вектора задT заданих температур
оптимальним чином у відповідності до критерію:
12 2
,00 0
ˆ( , , r , ) (k) (k) (k)p p
uT
N N
n спр n n nk k
J
ΠΠx ω u r a u (1)
Даний критерій, з одного боку, мінімізує суму квадратів різниць між поточним вектором
(k)T температур та вектор заданих значень (k)задT на кінцевому інтервалі часу , а , з іншого
боку, запобігає занадто великим змінам керувань, враховуючи у критерії (1) зважену суму квадра-
тів змін керувань (k) (k) (k 1) u u u .
Отже, задача керування, яка має розв’язуватись на кожному кроці керування, тепер може
бути сформульована таким чином: відомі вектор заданих температур (k)задT та початковий век-
тор прирощень змінних стану (k)x . Треба знайти вектор змін керувань (k)u , такий, що мінімі-
зує (1) при обмеженнях
min max(k) u u u
min max(k j) u u u
для 0,2,..., cj N
де 0x - початковий вектор стану.
На рис 2 представлені результати імітаційного моделювання проведені із повною (початко-
вою) та спрощеною математичними моделями скловарної печі наведеними у [4].
Рисунок 2 – Результати імітаційного моделювання
Як видно з представлених на рис.2 результатах, у момент часу k=100 було збільшене за-
вдання по температурі ступінчастим чином. При цьому СКПМ, побудована на основі спрощеної
моделі скловарної печі, достатньо ефективно відреагувала на зміну завдання, не зважаючи на те,
71
що зміни температур почалися раніше за зміни завдання.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Жученко А. І. Дослідження температурних полів скловарної печі [текст] / А. І. Жученко, В.С. Цапар // Східно-Європейський журнал передових технологій, №2/8 (62), 2013. – С. 49-52
2. Abbassi A., Khoshmanesh Kh. Numerical Simulation and Experimental Analysis of an Industrial Glass Melting Furnace / Appl. Thermal
Eng.,28 [5 – 6] 450 – 459 (2008). 3. Дзюзер В. Я. Теплофизические основы разработки энергоэффективных стекловаренных печей : дис. докт. техн. наук : 05.17.08 /
Дзюзер Владимир Яковлевич – Екатеринбург, 2009. – 352 с.
4. Жученко А. І. Розробка спрощеної математичної моделі скловарної печі [текст] / А. І. Жученко, В.С. Цапар // Східно-Європейський журнал передових технологій, №2/4 (74), 2015. – С. 42-48
СЕКЦІЯ 3 УДК 004.891
ГЛАДЧЕНКО Ю.А., ЖИХАРЕВИЧ В.В.
ЧЕРНІВЕЦЬКИЙ НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ ІМ. Ю. ФЕДЬКОВИЧА
РОЗРОБКА ЕКСПЕРТНОЇ СИСТЕМИ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ МЕНЕДЖЕРІВ
ПРОГРАМНИХ ПРОДУКТІВ
У наш час у маленьких ІТ-компаніях робота менеджера програмних продуктів полягає в по-
шуку клієнтів, спілкуванні з ними та наданні їм більш точних попередніх часових рамок та варто-
сті розробки. Оскільки це потрібно робити швидко, а не завжди, у розробників таких компаній є
вільний час на оцінку програмного продукту, то пропонується використовувати експертну систе-
му прийняття рішень для попередньої оцінки розробки.
Експертна система – програмно-технічний засіб, що дозволяє користувачеві в діалоговому
режимі отримувати від комп’ютера консультаційну допомогу в конкретній предметній сфері, де
сконцентровані досвід і знання людей-експертів. На відміну від програм, що використовують
процедурний аналіз, експертні системи розв’язують проблеми у вузькій предметній площині
(конкретній ділянці експертизи) на основі логічних міркувань. Такі системи часто можуть знайти
розв’язок задач, які неструктуровані і неточно визначені [2].
Основне завдання цієї системи – видача приблизних часових рамок і вартість розробки про-
грамного продукту на основі відповідей користувача на запитання щодо вимог клієнта.
Структура даної експертної системи:
база знань, у якій будуть описані запитання та всі приблизні оцінки, тобто відповіді (час і
вартість);
інтерфейс користувача для зручного користування даною експертною системою;
машина виведення результатів;
уведення нових «знань» до системи.
У будь-який момент часу в системі міститься три типи даних, які зберігаються в базі знань:
– структуровані статичні знання про предметну область, після того як ці знання виявлені,
вони вже не змінюються;
– структуровані динамічні знання – змінні знання про предметну область; вони оновлюють-
ся у міру виявлення нової інформації;
– робочі знання, що застосовуються для вирішення конкретного завдання або проведення
консультації [3].
Моделі представлення знань:
логічний (логіка висловлювань, логіка предикатів, нечітка логіка);
продукційний (правила продукцій “якщо…, то…”;
мережевий (семантичні мережі);
об’єктний (об’єктно-орієнтоване програмування, мережі фреймів) [3].
Алгоритм роботи: система виводить певні запитання, на які користувач дає відповідь «так»
або «ні»; якщо якогось запитання немає в базі знань, надається можливість ввести вручну це пи-
тання, яке збережеться і в подальшому буде використовуватись; після того, як користувач відпо-
вів на всі запитання, експертна система аналізує всі дані користувачем відповіді і виводить ре-
зультат, сумує час та ціни на певні вказані послуги (попередні часові рамки та вартість розробки
72
замовленого програмного продукту) [1].
Переваги: швидка відповідь менеджера на вимоги замовника, що дозволить зацікавити та
залучити до розробки програмного продукту саме в цій ІТ-компанії; економія часу розробників
ІТ-компанії.
Недоліки: неточність у представлених оцінках.
Використання такої системи дозволить економно та продуктивно використовувати робочий
час менеджера програмних продуктів.
ПЕРЕЛІК ЛІТЕРАТУРИ: 1. Artificial Intelligence – Expert Systems. [Електронний ресурс]: Режим доступу
http://www.tutorialspoint.com/artificial_intelligence/artificial_intelligence_expert_systems.htm
2. Джарратано Дж. Экспертные системы: принципы разработки и программирование / Джарратано Дж, Г. Райли. Пер. с англ. — М.
Издательский дом «Вильямс», 2006. — 1152
3. Джексон П. Введение в экспертные системы / Introduction to Expert Systems. — 3-е изд. — М.: Вильямс, 2001. — С. 624
УДК 004.942
ШИКУЛЬСЬКИЙ А.В., ЖИХАРЕВИЧ В.В.
ЧЕРНІВЕЦЬКИЙ НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ ІМ. Ю. ФЕДЬКОВИЧА
ОСОБЛИВОСТІ МОДЕЛЮВАННЯ НАНОСТРУКТУР НА ОСНОВІ
РУХОМИХ КЛІТИННИХ АВТОМАТІВ
Комп'ютерне моделювання грає ключову роль в розробці наносистем. В даний час можна
виділити три типи математичного моделювання: візуальне, обчислювальний і інженерне.
Існує багато пакетів програм для побудови моделей візуалізації і обробки результатів моде-
лювання. В роботі розглянуті програми, які отримали найбільше поширення [1].
Інженерне моделювання дозволяє створювати наносистеми, які потім можна використову-
вати, піддаючи різним тестам. Компанія NanoTitan розробила мову опису наноструктур nanoML,
на основі якого створена програма NanoXplorer. За допомогою програми можна створювати най-
різноманітніші моделі: від біочіпів до нанороботів. Модель нанопристроїв описується окремими
наносистемами і молекулярними машинами, які, в свою чергу, перетворюються в набір молекул,
нанотрубок і т.д. Програма NanoXplorer дозволяє використовувати для розробок вже створені
моделі наноподшіпніков, двигунів, маніпуляторів [3].
Обчислювальне моделювання дозволяє створювати наноструктури. Для цього використову-
ється математичне моделювання методами квантової механіки, молекулярної динаміки і т.д. Крім
того, обчислювальне моделювання дозволяє спостерігати за поведінкою моделі об'єкта при впливі
температури, електромагнітних полів, гамма-квантів і т.д..
Візуалізаційні програми дозволяють розглядати наноструктуру. дані програми переважно
використовують для вивчення та отримання зображень просторових структур біологічних макро-
малекул. Із сучасних візуалізаціонних програм, найбільш проста і зручна в використанні - про-
грама RasMol.
Нанотехнологія - сукупність методів і засобів, що забезпечують можливість контрольова-
ним образом створювати і модифікувати об’єкти, що включають компоненти з розмірами менш
100 нм, що мають принципово нові властивості, і дозволяють здійснювати їхню інтеграцію в пов-
ноцінно функціонуючі системи більшого масштабу. Дана технологія має на увазі вміння працю-
вати з такими об’єктами і створювати з них більші структури, що володіють принципово новою
молекулярною організацією. Наноструктури, побудовані «з перших принципів», з використанням
атомномолекулярних елементів, являють собою дрібні об’єкти, які можуть бути створені штуч-
ним шляхом. Вони характеризуються новими фізичними, хімічними та біологічними властивос-
тями і пов’язаними з ними явищами. У зв’язку із цим виникли поняття нанонауки, нанотехнології
й наноінженерії (нанонаука займається фундаментальними дослідженнями властивостей нанома-
теріалів і явищ у нанометровому масштабі, нанотехнологія – створенням наноструктур, наноін-
женерія – пошуком ефективних методів їх використання).
В даній роботі запропоновано алгоритм моделювання молекулярних та наноструктур, зас-
нований на рухомих клітинних автоматах. Алгоритм заснований на обчисленні часу очікування
події для РКА(рухомий клітинний автомат), що знаходиться у вузлі решітки в даному оточенні. З
73
часткою може статися кілька подій (до неї може бути застосовано кілька різних правил переходу
з різними вузлами-цілями). З усіх можливих подій вибирається одне виходячи з ймовірності його
здійснення. Події призначається час очікування, і вона додається в чергу запланованих подій. У
одного РКА може бути тільки одна запланована подія.
Спочатку відбувається ініціалізація системи: завантажуються дані про початковий стан вуз-
лів, заповнюються таблиці енергій і призначаються події кожному РКА. Після закінчення ініціалі-
зації починається основний цикл програми. За одну ітерацію циклу відбувається одна подія, що
має найкоротший термін очікування серед усіх подій, присутніх в черзі запланованих подій. При
цьому виконується наступна послідовність дій.
1. Поточний час системи встановлюється рівним часу виконання обраної події.
2. Здійснюється вибрана подія. Вчинена подія має на увазі зміну стану вузлів джерела і /
або цілі. Якщо подія виконується в кілька етапів (наприклад, десорбція з реабсорбції або
адсорбція), то виконуються всі етапи.
3. Відбувається перепризначення подій і перерахунок часу очікування для всіх РКА в да-
ній області. Перепризначення події відбувається при зміні набору доступних РКА подій.
На третьому етапі відбувається велика кількість перепризначень подій. Зміна двох комірок s
і d може торкнутися до 56 РКА[5].
З безлічі доступних РКА подій необхідно вибрати одне, призначити час очікування і поміс-
тити його в чергу запланованих подій. У цій роботі пропонується модернізація алгоритму [4], що
усуває недолік, зв’язаний зі зміщенням частоти виконання подій в бік більш швидких. Цей зсув
відбувалося для РКА, у яких серед можливих подій були два типи подій: "Швидкі ", з високою
ймовірністю виконання і невеликим часом очікування, і "повільні", з низькою ймовірністю вико-
нання і великим часом очікування. РКА, якому призначено малоймовірну "повільну" подію, не-
обхідно було чекати тривалий час для його здійснення. За цей час часто відбувалася зміна ото-
чення РКА, що призводило до перепризначення події з найбільш вірогідним вибором "швидкої"
події. Цей недолік вдалося подолати введенням ефективного часу очікування, яке залежить від
ймовірності всіх доступних РКА подій, але не залежить від здійсненого вибору.
ПЕРЕЛІК ЛІТЕРАТУРИ: 1. Рыбалкина М. Нанотехнология для всех. Большое в малом / М. Рыбалкина. – М.: Nanotechnology News Network, 2005. –434 с.
2. А. Н. Карпов, А. В. Зверев, А. Г. Настовьяк, С. В. Усенков, Н. Л. Шварц. “Решеточная модель монте-карло для изучения процес-
сов формирования наноструктур” , вычислительные методы и программирование. 2014. Т. 15. – C. 388 – 398. 3. A. V. Zverev, K. Yu. Zinchenko, N. L. Shwartz, and Z. Sh. Yanovitskaya, “A Monte Carlo Simulation of the Processes of Nanostructure
Growth: The Time-Scale Event-Scheduling Algorithm,” Ross. Nanotekhnol. 4, Nos. 3–4, 85–93 (2009) [Nanotechnol. Russ. 4, Nos. 3–4, 215–
224 (2009)]. 4. И. В. Матюшкин, С. В. Коробов, Р. Р. Вильданов, “Особенности гексагональных клеточных автоматов на плоской поверхности
для задач нанотехнологии”//МФТИ. — 2014. — Том 6, № 1. – C. 288 – 298.
5. Ванаг В.К. Исследование пространственно распределенных динамических систем ме- тодами вероятностного клеточного авто-мата , УФН. – 1999. – Т. 169, № 5. – С. 481–505.
УДК 004.056.55
ЯНУШЕВСЬКИЙ С.В., ОСТАПОВ С.Е., ХАРУК А.
Чернівецький національний університет імені Юрія Федьковича (Україна)
ДОСЛІДЖЕННЯ ВЛАСТИВОСТЕЙ ФУНКЦІЇ СТИСНЕННЯ ХЕШ-АЛГОРИТМІВ НА
ОСНОВІ ЕКВІВАЛЕНТНИХ ПРАВИЛ КЛІТИННИХ АВТОМАТІВ
Роботу присвячено дослідженню властивостей хеш-функцій та побудові алгоритмів хешу-
вання на базі клітинних автоматів. За основу досліджень взято новий алгоритм Kessak та екві-
валентні правила клітинних автоматів. Розроблено алгоритм хешування на основі власної раун-
дової функції з використанням еквівалентних правил клітинних автоматів. Результати статис-
тичних досліджень спроектованого алгоритму довели можливість використання клітинних ав-
томатів та їх еквівалентних правил у хеш-функціях та отримання високої крипостійкості при
спільному використанні комбінації еквівалентних правил: шифр проходить усі тести статисти-
чного пакету NIST STS.
Відомо, що клітинні автомати можна використовувати у системах, як блочних так і потоко-
74
вих шифрах. Крім цього було продемонстровано успішне використання клітинних автоматів для
побудови хеш-функцій [1].
Хеш-функцією називається будь-яка функція , яку легко обчислити та таку, для якої будь-яке повідомлення , значення ( (згортка) має фіксовану довжину бітів, де – мно-
жина всіх повідомлень, а – множина двійкових векторів фіксованої довжини. Традиційний ди-
зайн хеш-функцій базується на використанні функції стиснення [2]. Алгоритм Keccak побудова-
ний за принципом так званої «криптографічної губки» (Sponge-функції). Тобто, всередині Sponge-
функції наявний стан до якого на кожному раунді застосовується функція стиснення , яка вико-нує псевдовипадкову перестановку. Sponge-функція має внутрішній стан – з даними фіксованої
довжини розміру (біти). При цьому дані розділені на 2 частині: - перша розміром , а друга – розміром . Значення – це бітова швидкість, а значення – потужність . Функція
– є функцією стиснення алгоритму, яка перемішує внутрішній стан алгоритму (можливі роз-
міри хешу – 224, 256, 384 та 512 біт).
З теорії клітинних автоматів відомо, що існує 256 правил взаємодії клітин у клітинних авто-
матах, запропонованих С. Вольфрамом [3]. Існує три способи відображення еквівалентних пра-
вил. Відображення називають переходом або відображенням одного правила в інше:
(
Ці відображення – статично еквівалентні. Це означає, що кожне правило має еквівалентні
правила, або є таким само до себе. Аналіз 256 відомих правил показує, що всі вони можуть утво-
рювати класи за побудовою відображень. А після проведених досліджень видно, що найкращі
результати у NIST STS демонструють правила класу «30», куди входять правила «86», «135» та
«149», тобто правило «30» містить повний спектр статистично еквівалентних відображень [4]. В
свою чергу клітинні автомати генерують досить складну псевдовипадкову послідовність, яку мо-
жна використовувати при перестановках. Як показують дослідження: генерація послідовностей
клітинними автоматами мають досить високу швидкодію, а основною вимогою будь-якого алго-
ритму шифрування – є швидкість генерації [5].
На основі вище проведених досліджень нами було запропоновано замінити функцію влас-
ним алгоритмом, який базується на застосуванні довільних правил клітинних автоматів [6]. Тож
для досліджень криптостійкості алгоритму було вирішено використати еквівалентні правила кла-
су «30» [4]. Обробка повідомлень (файлів) в алгоритмі відбувається у побайтному режимі. Алго-
ритм складається з 4-х кроків: Крок 1. Вхідні дані повідомлення доповнюються нулями до до-
вжини кратної 512 біт. Крок 2. Генерація значень. Крок 3. Виконання етапу «всмоктування»
(absorbing). Крок 4. Етап «витиснення» (squeezing). Детальніше з алгоритмом можна ознайомити-
ся тут [6].
Слід зазначити, що використання еквівалентних правил клітинних автоматів, а саме відо-
браження правила «30»: ( , коню’нктивне відображення, ( , рефлексивне відо-
браження, ( , кон’юнктивно-рефлексивне відображення, відбувається на 2-му та 3-му
кроках алгоритму. В нашому випадку кон’юнкцією правила «30» є правило «135», рефлексивним
відображенням є правило «86», а кон’юнктивно-рефлексивне відображення – правило «149».
Для аналізу отриманої псевдовипадкової послідовності використовувався пакет статистич-
них тестів NIST STS, вважається, що згенерований потік пройшов тест, якщо його пройшли 96 із
100 послідовностей ( . Після закінчення тестування формується звіт, з якого можна зро-
бити необхідні висновки [7].
Всі комбінації еквівалентних правил класу «30» продемонстрували набагато кращі результа-
ти за довільно обрані правила [6]. А найкращі результати отримуються при комбінації правила
«30» та його рефлексивного відображення, а саме правила «86». Результати статистичних дослі-
джень такого генератору подано на рис. 1.
75
Рис. 1. Результати статистичного тестування послідовності.
Як видно з рисунку тест не пройшла лише одна послідовність, а середнє значення всіх тестів
послідовності складає 0,98, що є криптостійкішим за результати у порівнянні з використанням
хеш-алгоритму на довільних правилах клітинних автоматів [6].
З проведених досліджень можна зробити наступні висновки:
- досліджено можливість використання еквівалентних правил клітинних автоматів, як гене-раторів псевдовипадкових бінарних послідовностей, для побудови хеш-функцій;
- перевірено залежність природи класичних правил оновлення клітинного автомата, на ос-
нові класифікації правил клітинних автоматів за відображеннями для побудови хеш-алгоритмів.
- доведено, що криптостійкість хеш-алгоритму на еквівалентних клітинних автоматах пря-
мопропорційна залежності від відображень класу правил;
- удосконалено криптостійкість хеш-алгоритму клітинно-автоматного аналогу алгоритму
хешування Kessak на основі власної раундової функції;
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Янушевський С.В., Остапов С.Е. Дослідження та реалізація хеш-функції на основі клітинних автоматів// «Проблеми інформатики та
комп‘ютерної техніки» (ПІКТ – 2015). Праці ІV-ї міжнародної науково-практичної конференції. – Чернівці. – 2015. – СС. 95-97.
2. Шнайер Б. Прикладная криптография. Протоколы, алгоритмы, исходные тексты на языке Си = Applied Cryptography. Protocols, Algorithms and Source Code in C. – М.: Триумф, 2002. – 816 с.
3. WolframS. Random sequence generation by cellular automata // Advances in Applied Mathematics, 1986. – 7. – P.123-164.
4. Янушевський С.В., Валь О.Д., Остапов С.Е. Розробка та дослідження статистичних характеристик клітинно-автоматного аналога потокового шифру А5// Проблеми інформатики та комп‘ютерної техніки. Тези доповідей всеукраїнської науково-практичної конфере-
нції. – Чернівці. – 2012. – СС. 79-80.
5. О.Д. Валь, Л.О. Чайка, С.Е. Остапов, С.В. Янушевський, Я.І. Виклюк. Розробка та дослідження потокового шифру на основі комбі-націй// Науковий вісник Чернівецького університету. Комп’ютерні системи та компоненти. 2012. Т. 1. Вип. 2. – СС. 51-54.
6. Янушевський С.В., Остапов С.Е. Розробка та дослідження статистичних характеристик функції стиснення хеш-алгоритмів на основі
клітинних автоматів// «Проблеми інформатики та комп‘ютерної техніки» (ПІКТ – 2015). Праці ІV-ї міжнародної науково-практичної конференції. – Чернівці. – 2015. – СС. 97-99.
7. Потій О.В. Методика статистичного тестування NIST STS та математичне обґрунтування тестів:/ Потій О.В, Лєншин А.В, Ізбенко
Ю.А. // Інститут інформаційних технологій. – 2004. – С. 4–60.
СЕКЦІЯ 4
УДК: 004.051
АФАНАСЬЕВА И.В., БОНДАРЧУК Р.И.
ХНУРЭ (Украина)
НЕКОТОРЫЕ АСПЕКТЫ ПРОЕКТИРОВАНИЯ СИСТЕМЫ ДИНАМИЧЕСКОГО
ФОРМИРОВАНИЯ JSON ОБЪЕКТА
Представление системы, которая позволяет формировать json объект со специфиче-
скими требованиями, путем добавления возможности описывать конфигурацию в json файле.
JSON – используется для представления объектов в виде строки. Это один из наиболее
удобных форматов данных при взаимодействии с JavaScript. В большинстве случаев он использу-
ется для передачи по сети объекта с данными с сервера на клиент.
Система динамического формирования JSON объекта позволяет пользователю формиро-
вать JSON объект из существующих данных с учетом специфических требований. В настоящее
0
0,2
0,4
0,6
0,8
1
1,2
0 50 100 150 200
Імо
вір
ніс
ть
пр
охо
дж
ен
ня
тесту
по
NIS
T
№ тесту
76
время существует огромное количество преобразователей объекта в JSON структуру, но в них
используется прямое преобразование, то есть структура исходного объекта равна структуре ре-
зультативного объекта, но если пользователю необходима специфическая структура результатив-
ного объекта, то ему приходится выносить эту логику отдельно, что вызывает сложности в струк-
туризации процесса решения задач.
Главными задачами при проектировании системы динамического формирования JSON
объекта, являются: сохранение ясности и лаконичности дополнительных синтаксических кон-
струкций для получения любых вариантов объекта с помощью существующих конфигураций;
соблюдение модульности для конфигурации объекта несколькими файлами; обеспечение воз-
можности просмотра стека вызовов при выполнении ошибочной конфигурации, а так же полная
совместимость с существующей JSON структурой объектов.
Для полной совместимости с существующей структурой JSON, система динамического
формирования JSON наследует JSON структуру. Так же, учитывая формат данных YAML, кото-
рый так же наследует JSON структуру и добавляет возможности для лучшего формирования объ-
екта и его передачи, благодаря этому YAML файл намного короче эквивалентного ему JSON фай-
ла. Тем не менее синтаксис YAML структуры не позволяет наследоваться от JSON, поэтому си-
стема динамического формирования JSON работает на основе JSON формата, не YAML формата.
Для улучшения синтаксиса добавлена возможностей: ставить запятую в конце массивов и
объектов для тех случаев, когда пользователю необходимо переупорядочить элементы или уда-
лить последний элемент; оставлять два вида комментариев: однострочные и многострочные; ссы-
латься одной части структуры на другую с целью избежания дублирования, которая реализована с
помощью ссылок на текущий и корневой объекты.
Система динамического формирования JSON объекта должна манипулировать данными,
поэтому добавлены арифметические операции над числами, условиями и строками. Так же конка-
тенация массивов и объектов. Добавлены условные конструкции и тернарный оператор для кода с
условиями. Для работы с массивами и объектами есть возможность использовать циклы.
Для соблюдения модульности и инкапсуляции добавлены возможности: разделять конфи-
гурацию на несколько файлов и импортировать их в одном единственном файле; формировать
функции для специфических задач и создавать локальные переменные. Для отслеживания непра-
вильной конфигурации предусматривается возможность просматривать стек вызовов.
Таким образом, в результате спроектирована система динамического формирования JSON
объекта, позволяющая формировать JSON объект с учетом специфических требований. Данная
система позволяет упростить работу при формировании объекта для передачи его между серве-
ром и клиентом.
СПИСОК ЛИТЕРАТУРЫ 1. JSON [Электронный ресурс] / www.json.org
2. Jsonnet - The data template language [Электронный ресурс] / jsonnet.org
УДК:004.93
ГАРАС В.М.
ІФТКН, Чернівецький національний університет імені Юрія Федьковича
РОЗРОБКА ЕЛЕКТРОННОГО МУЗИЧНОГО ІІНСТРУМЕНТУ "DRUM MACHINE"
В статті описується створення додатку DrumMachine під платформу Android, який надає
можливості відтворення звуків, запису треків, робити ремікси, за допомогою яких можна ство-
рювати музику. При розробці додатку була використана бібліотека Android SDK.
Драм машина це – музичний інструмент, який використовується для створення електронних
музичних композицій за допомогою різних звуків.
Сучасна драм машина має в собі такі функції:
Тон–генератор зі звуками різних барабанів і перкусії;
Педи (спеціальні широкі кнопки) для набивання вручну партії ударних;
Внутрішній секвенсор, що дозволяє редагувати партії;
Пам’ять для запам’ятовування ритмічних малюнків (патернів).
77
Перші драм-машини називалися ритм-машинами (англ. rhythm machine), оскільки відтво-
рювали вони раз і назавжди запрограмовані ритми, такі як рок, танго, мамбо тощо. Близько 1980
року на ринку з'явилися програмні драм-машини, що дозволяли музикантові запрограмувати будь-
який ритм. Одним із ранніх популярних драм-машин став інструмент Roland TR-808, і його харак-
терне звучання стали невід'ємним атрибутом рок-музики.
Ранні інструменти, наприклад серії TR (від англ. transistor rhythm), використовували техні-
ку синхронізації відому як DIN-synch або synch-24. Деякі інструменти включали вихід CV/Gate,
що дозволяли синхронізувати драм-машину з іншими синтезаторами.
В 90-х роках ХХ ст. популярність драм-машин спадала; частково її змінили семплери, про-
грамні секвенсери з віртуальними драм-машинами, а також клавішні робочі станції з вбудованими
драм-машинами. Семпли із звучаннями старих драм-машин (напр. TR-808) можна завантажити з
інтернет-архівів. Проте драм-машини і до сьогодні продукуються такими фірмами як, Roland Cor-
poration (марковані позначкою Boss), Zoom чи Alesis.
Мета написання додатку полягає в необхідності спрощення процесу створення музики, та ро-
зширення можливостей композитора. Програмний продукт буде актуальним серед новачків-
музикантів, яким важко придбати реальний інструмент.
Бурхливий розвиток інформаційних технологій останнім часом призвело до того, що
з’явилося багато нових пристроїв і технологій, таких, як планшети, смартфони, нетбуки інші га-
джети. Світ все більше став йти від поняття комп’ютера як виключно стандартного персонального
комп’ютера. Смартфони та інші гаджети все швидше входять в наше життя. Лідируючої платфор-
мою серед подібних гаджетів на сьогоднішній день є ОС Андроїд. За різними підрахунками на
2016 рік операційною системою користуються близько 82% власників смартфонів. Тому для лю-
дей які бажають створювати музику в дорозі, або у вільний час, не використовуючи додаткових
засобів і додаткових витрат на інструментарій. Тому додаток для смартфона буде вирішенням ба-
гатьох проблем у творчій роботі.
Наразі є надзвичайно багато аналогів Drum Machine, з досить широким функціоналом, які во-
лодіють своїми перевагами та недоліками. Провівши аналіз існуючих додатків можна виділити
наступні завдання:
виписати та провести аналіз усіх переваг та недоліків;
на основі аналізу, створити новий широко-функціональний додаток який принесе користу-
вачам задоволення від його використання;
реалізувати основні та додаткові можливості для створення музикальних композицій (за-
пис звуку із додатку, створення декількох доріжок, накладання звуків на готові треки, гаряча зміна
пакету звуків під час міксування, зберігання на сервері готових пакетів звуків, зберігання власних
записаних треків на сервер, звукові ефекти, зміна швидкості кожного звуку, еквалайзер звуку,
конвертування звукових форматів, розрізання треків тощо);
реалізувати дружній інтерфейс (зміна вигляду драм машини, запис звуку з мікрофона,
вставлення власних записаних звуків у пакет звуків, програвач записаних треків, список записаних
треків то- що).
Рис. 1. Стуктура додатку
78
В процесі розробки додатку були використані такі бібліотеки:
MediaPlayer – бібліотека, яка дозволяє програвати аудіо / відео файли з можливістю зроби-
ти паузу і перемотати в потрібну позицію. MediaPlayer вміє працювати з різними джерелами, це
може бути: шлях до файлу (на SD або в інеті), адреса потоку, Uri або файл з папки res / raw.
AudioRecorder – не пише дані, а дозволяє їх отримувати в додатку, тобто є посередником
між додатком і мікрофоном. Коли стартується запис, AudioRecorder починає отримувати дані з
мікрофона і зберігає їх у внутрішньому буфері. Тоді можна при створенні AudioRecorder вказати
бажаний розмір цього буфера і далі запитувати з нього дані методом read.
SoundPool підходить для випадку, коли необхідно багаторазове відтворення невеликих
файлів. Найпростіший приклад - гри. Коли є короткий звук будь-які дії (стрибка, пострілу і т.п.) і
цей звук досить часто необхідно відтворювати. SoundPool один раз завантажує цей звук в пам’ять і
звідти його відтворює, що, звичайно, непогано в плані продуктивності. Клас SoundPool несклад-
ний. Дозволяє завантажити звук в пам’ять, програти його, ставити паузу, регулювати гучність (лі-
вий і правий канали), міняти швидкість відтворення, обмежувати кількість одночасно відтворених
звуків, використовувати пріоритети.
MediaRecorder записує звук відразу в файл. Щоб MediaRecorder записав звук, він повинен
знати: джерело звуку,формат запису, аудіо-кодек, ім’я файлу. Якщо коротко, то кодек – це спосіб
стиснення даних. А під форматом, тут мається на увазі контейнер, тобто спосіб зберігання.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Википедия [Елетронний ресурс]. – режим доступу: https://ru.wikipedia.org/wiki/%D0%94%D1%80%D0%B0%D0%BC-%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%B0 – 19.04.2016
2. Алексей Данилов Музыкальный блог [Елетронний ресурс]. ]. – режим доступу:
http://danalex.ru/drums/ – 19.04.2016http://danalex.ru/
УДК 004.3
DEIBUK V.G.
Yu. Fedkovych Chernivtsi National University (Ukraine)
REVERSIBLE DEVICES FOR TERNARY ARITHMETIC
Multiple-valued logic is a promising choice for future computer technologies, which provides a set
of advantages comparing to binary circuits. We have developed an adaptive genetic algorithm for ter-
nary reversible circuits using Muthukrishnan-Stroud gates. The method for chromosomes coding, as well
as a reasonable choice of algorithm parameters, allowed obtaining circuits for ternary arithmetic devic-
es, which are better than other known methods in terms of quantum cost, delay time and amount of input
ancillary and output garbage qutrits.
Reversible computing is a good alternative of classical computing, when a logical operation does
not cause information loss. Reversible circuits are used already in low power CMOS devices, quantum
and optical computing, digital signal processing and cryptography [1,2]. Most approaches for the synthe-
sis of such reversible circuits have so far been based on the binary representation of the information and
work only for small circuits. However, the recent progress in the study of reversible networks ternary
logic shows a number of advantages [3-5]. Therefore, the synthesis of reversible ternary logic devices is
one of the challenge problems of modern computer circuitry in the recent years. In such circuits the pow-
er is not dissipated5, and gates can be described by the permutation matrices. In addition, the quantum
mechanical nature of such systems also requires that circuits are acyclic and gates fan out equals to unity.
The problem of reversible arithmetic units design in multiple-valued logic today is not solved. De-
spite some attempts to solve the problem analytically, satisfactory results were obtained only for a few
functions of a small number of variables that do not always have an optimum form. In contrast to the
binary logic, CAD tools for the automated synthesis of ternary logic devices have not yet been created. In
this paper we use an adaptive genetic algorithm to find the optimal design of the reversible devices. This
algorithm gives a possibility to implement main ternary arithmetic operations of addition and subtraction
in the base of one- and two-qutrits M-S gates[4]. Since the adder and the subtractor are the main compo-
nents of the arithmetic logic unit (ALU), their quantum cost should be minimal. The quantum cost of a
ternary reversible circuit is defined as the number of primitive gates required in its implementation. The
79
multiple-valued reversible logic circuit with minimal number of garbage outputs, minimal quantum cost,
minimal number of ancillary qutrits and time delay is considered as an efficient design.
We present the new results of the design of reversible ternary arithmetic devices based on adaptive
genetic algorithm. Proposed circuits were synthesized in the base of the full set of permutational one- and
two-input Muthukrishnan-Stroud gates, which can be physically implemented and have a minimum
quantum costs. Obtained ternary half-adder, full-adder, half-subtractor and full-subtractor circuits have
better parameters (quantum cost, ancilla inputs and garbage outputs, delay time etc.) in comparison with
those obtained in other studies. It has been demonstrated that the synthesized reversible parallel ternary
adder can be used to design a controlled 2-digit ternary adder/subtractor. An advantage of proposed cir-
cuits is the possibility of their potential implementation in NMR technology.
REFERENCES 1. D. McHugh, J. Twamley, Trapped-ion qutrit spin molecule quantum computer, New J. Physics 7 (2005) 174/1–9.
2. R. Drechsler, R. Wille, Reversible circuits: Recent accomplishments and future challenges for an emerging technology. Progress in VLSI
Design and Test (Berlin, Heidelberg, Springer) p.383–392 (2012).
3. Miller D. M. and Thornton M. A. Multiple Valued Logic: Concepts and Representations. – Morgan & Claypool, 2008.
4. Muthukrishnan A. and Stroud Jr., C R. Multivalued Logic Gates for Quantum Computation // Phys. Rev. A, v.62, p. 052309 (2000).
5. Deibuk V., Biloshytskyi A. Genetic synthesis of new reversible/quantum ternary comparator // Adv. Electrical Comp. Eng. v.15, p.147–
152 (2015).
УДК 004.3
ЖАБИН В.И.
НТУУ «КПИ» (Украина)
АНАЛИЗ ЭФФЕКТИВНОСТИ ПРИМЕНЕНИЯ В МУЛЬТИПРОЦЕССОРНЫХ
СИСТЕМАХ СПЕЦИАЛИЗИРОВАННЫХ ВЫЧИСЛИТЕЛЕЙ
Приведен сравнительный анализ мультипроцессорных систем для управления в реальном
времени, использующих специализированные вычислители традиционной архитектуры и управля-
емые потоком данных. Показано, что использование потоковой модели вычислений позволяет
ускорить преобразование данных.
Среди задач, решаемых вычислительными средствами реального времени, можно выделить
задачи, выполняемые, как правило, в каждом цикле управления. Например, в системах числового
программного управления (ЧПУ) к таковым можно отнести траекторные задачи, решение кото-
рых обеспечивает изготовления изделий требуемой формы. Такие задачи по оценкам [1] занима-
ют до 80% времени обработки данных. Следовательно, сокращение длительности цикла управле-
ния может быть достигнуто за счет ускорения решения именно траекторных задач. Это, в свою
очередь, позволит расширить область применения систем реального времени.
Известно, что сложные виды интерполяции, реализуемые параллельными алгоритмами с
мелкозернистой структурой нецелесообразно выполнять на программном уровне в связи с затра-
тами времени на сложные процедуры обмена информацией между процессорами. В связи с этим в
составе мультипроцессорной системы используют спецвычислители, реализующие мелкозерни-
стые алгоритмы на аппаратном или микропрограммном уровне. Процессоры используют
спецвычислитель в качестве общего аппаратного системного ресурса. При использовании
спецвычислетелей с традиционной архитектурой возникают непроизводительные затраты време-
ни на захват спецвычислителя, например, через семафор и, как следствие, ожидания захвата. Ни-
же рассматривается возможность сокращения непроизводительных затрат времени за счет ис-
пользования в системе спецвычислителя, упрвавляемого потоком данных.
Рассматриваются два варианта архитектуры МВС. В первом случае в состав МВС включен
спецвычислитель с классической организацией (СВК), а во втором – потоковый спецвычислитель
(СВП). Архитектура систем представлена MSBC-моделью на рис. 1. Графический язык MSBC
(master-slave-bus-control) использует стандартные обозначения компонентов систем, потоков дан-
ных и управляющих воздействий [2]. Для определенности на рис. 1 показана система с оконным
доступом к адресному пространству.
80
P1 LM1
LB1
GB
GM
. . . Pn LMn
LBn
C
IO
а)
LM1 LM2 LMn
GM
L
Wn
W2
W1
. . .
P1 P2 Pn
V
G
. . .
IO
C
б)
Рис.1. Система со спецвычислителем: а – граф системы; б – карта распределения адресного
пространства
В рассматриваемом случае каждый спецвычислитель (СВК или СВП) является для процес-
соров внешним устройством (С), внутренняя память которого (регистры) включена в общее ад-
ресное пространство системы (область С). Обращаясь к этой области по определенным адресам,
процессоры загружают исходные данные, запускают спецвычислитель специальной командой и
потом считывают полученные результаты. О готовности результатов спецвычислитель сообщает
процессорам соответствующими сигналами требования прерываний (пунктирная линия на рис. 1).
Возможны и другие способы взаимодействия процессоров со спецвычислителем, например, с
использованием режима прямого доступа к памяти со стороны спецвычислителя. Однако это тре-
бует усложнения спецвычислителя. P1
P4
t
t
2
С t
t
P2
3
1 4
t P3
2 1 4
3
2 1 4
3
2 1 4
3
a)
P1
P4
t
t
2
С t
t
P2
3
4
t P3
2 4
2 4
2 4
b)
Рис. 2. Временная диаграмма взаимодействия процессоров с СВК (а) и СВП (б): 1 – захват С;
2 – ввод данных; 3 – выполнение задания спецвычислителями; 4 – получение результатов
Любой из n процессоров может обратиться к СВК, предварительно захватив его (оградив от
других процессоров). Поэтому процессоры могут простаивать в ожидании доступа к СВК, когда
он работает с каким-либо другим процессором.
Для систем реального времени необходимо оценивать не среднее, а максимальное время вы-
числений. Определим максимальное время, которое требуется процессору для инициализации
СВК и получения от него результата.
Самым неблагоприятным является случай, когда всем процессорам требуется обратиться к
СВК одновременно. Соответствующая временная диаграмма при n=4 представлена на рис. 2а. В
данном случае максимальное время обращения к СВК требуется процессору P4. Пусть СВК вы-
полняет для всех процессоров одинаковый самый трудоемкий алгоритм, что соответствует мак-
симальному времени вычислений. Тогда непосредственно из диаграммы следует
)( РСВКДЗСВК ttttnT , (1)
где Зt - время захвата СВК; Дt - время ввода данных в СВК; СВКt длительность выполнения зада-
ния в СВК; Рt - время вывода результатов из СВК.
В СВП одновременно могут выполняться несколько алгоритмов, причем, момент инициали-
зации выполнения каждого из них осуществляется независимо от других, то есть для процессоров
отпадает необходимость взаимного ограждения (захвата) СВП [3]. Никакой настройки конфигу-
рации СВП на выполнение алгоритма определенного вида производить не требуется. Данные для
каждого алгоритма подготавливаются независимо как от других алгоритмов, так и от числа вы-
81
числительных модулей в СВП. Порядок ввода и вывода данных для каждого процессора может
осуществляться независимо от других процессоров.
Выигрыш во времени вычислений по сравнению с СВК может обеспечиваться за счет сов-
мещения ввода, обработки и вывода информации, а также за счет распараллеливания вычисли-
тельного процесса в самом СВП, если в его состав входят несколько вычислителей.
Рассмотрим случай, когда СВП содержит только один вычислитель, то есть распараллелива-
ние на уровне операций в СВП не производится.
Как следует из диаграммы на рис. 2б, для систем с СВП можно записать
,СВПРДСВП tntntT (2)
где tСВП – суммарное время выполнения n заданий в СВП; – коэффициент совмещения вычисле-
ний с вводом и выводом (полному совмещению соответствует =0). Вычисления реализует СВП,
а ввод и вывод данных выполняют процессоры. В СВП данные можно вводить в различных ре-
жимах, однако суммарное время, затрачиваемое на ввод всех данных, остается одинаковым. Ана-
логичная ситуация имеет место и с выводом результатов. При определении диапазона изменения
необходимо учитывать, что в СВП вычисления начинаются при поступлении хотя бы двух опе-
рандов для одной операции (считаем, что используются двухместные операции). Если арбитры
системной магистрали реализуют дисциплину доступа к СВП с динамическими приоритетами, то
в наихудшем случае вычисления будут начинаться с n+1-го шага (первая пара операндов будет
обязательно получена). Если каждый процессор получает от СВП собственный сигнал прерыва-
ния, когда данные для него готовы, то совмещение вычислений с выводом теоретически может
отсутствовать только при наличии одного процессора в системе. Следовательно, при n1, всегда
имеет место соотношение <1.
Для сравнения СВКt и СВПt будем считать, что при реализации одного задания в каждом вы-
числителе необходимо выполнить q операций, причем, среднее время выполнения одной опера-
ции одинаково для рассматриваемых случаев и составляет. (Дополнительные затраты времени, которые присущи каждому варианту, можно оценить только при рассмотрении реальных схем
вычислителей). Тогда справедливо равенство n СВКt = СВПt = nq. С учетом этого и в соответствии с
(1) и (2) получим разность
СПК СВП З (1 )T T nt nq , (3)
из которой следует, что применение СВП всегда обеспечивает выигрыш во времени, по крайней
мере, на величину Зnt . Действительно, второй член в правой части (3) всегда положительный, так
как справедливо неравенство <1.
В качестве примера на рис. 3 приведена зависимость отношения (TСВК/TСВП) при вычисле-
нии управляющего воздействия для приводов постоянного тока по трехзвенной формуле. Данная
задача характеризуется небольшим объемом ис-
ходной информации. Для коррекции рассогласо-
вания по одной координате обрабатываются во-
семь операндов. Степень совмещения процессов
зависит от порядка ввода операндов. Из рис. 3
видно, что в рассматриваемом диапазоне измене-
ния значений выигрыш во времени вычислений
при использовании СВП всегда обеспечивается.
Применение нескольких вычислителей в со-
ставе СВП дает дополнительные возможности
уменьшения времени вычислений за счет автома-
тического распараллеливания операций при реали-
зации алгоритмов.
Можно заключить, что применение потоко-
вого спецвычислителя вместо классического в
составе МВС с традиционной организацией позво-
ляет: уменьшить загрузку системной магистрали, исключив необходимость захвата процессорами
Рис. 3. Зависимость отношения
TСВК/TСВП от коэффициента совме-
щения вычислений с вводом и выводом
данных
1
1,1
1,2
1,3
1,4
1,5
0,9 0,8 0,7 0,6 0,5 0,4
TСВК/TСВП
Коэффициент совмещения
82
спецвычислителя для совместной работы; уменьшить время решения задач комбинированным
методом за счет совмещения процессов вычислений и ввода-вывода информации; обеспечить
автоматическое распараллеливание алгоритмов с мелкозернистой структурой при наличии в со-
ставе спецвычислителя нескольких вычислительных модулей.
Таким образом, применение в МВС вычислителя, управляемого потоком данных, создает
предпосылки для ускорения процессов обработки информации.
СПИСОК ЛИТЕРАТУРЫ 1. Байков В.Д. Решение траекторных задач в микропроцессорных системах ЧПУ / В.Д.Байков, С.Н.Вашкевич. – Л.: Машиностроение,
1986.– 105 с.
2. Жабин В.И. Графическое описание архитектуры вычислительных систем / В.И.Жабин. – Вiсник Нацiонального технiчного
унiверситету України “КПІ”, Iнформатика, управлiння та обчислювальна технiка”. – 2001. – № 36. – С. 80-88. 3. Майерс Г. Архитектура современных ЭВМ / Г.Майерс: Кн. 2. – Пер с англ. – М.: Мир, 1985. – 312 с.
УДК 004.3
ЖАБІНА В.В.
НТУУ «КПІ» (Україна)
ПІДВИЩЕННЯ ЕФЕКТИВНОСТІ ПАРАЛЕЛЬНИХ ОБЧИСЛЕНЬ В СИСТЕМАХ,
КЕРОВАНИХ ПОТОКОМ ДАНИХ
Запропоновано метод прискорення обчислень в системах, керованих потоком даних, за ра-
хунок формування паралельних потоків команд.
Застосування засобів статичного розпаралелювання процесів часто не дозволяють виявити
прихований паралелізм завдань. Це обумовлено цілим рядом причин, до основних з яких можна
віднести брак інформації про динаміку процесів. Усунути ряд недоліків статичного планування
дозволяють засоби динамічного розпаралелювання обчислень, які дають можливість досягти бі-
льшого ступеня паралелізму за рахунок автоматичного виявлення паралельних гілок, що виника-
ють безпосередньо в процесі виконання завдань.
Для реалізації дрібнозернистого паралелізму запропоновані моделі обчислень, керованих
потоком даних. Такі моделі дозволяють з мінімальними витратами системних ресурсів реалізову-
вати в динаміці дрібнозернистий паралелізм і водночас виконувати декілька програм, не витрача-
ючи ресурсів на синхронізацію процесів. Розподіл операцій між обчислювальними засобами при
цьому здійснюється автоматично на апаратному або мікропрограмному рівні.
Потокова система повинна містити обчислювальні модулі (ОМ), середовище формування
команд (СФК), пристрої введення (Пвв) і виведення (Пвив) даних. Компоненти системи зв'язані
між собою через відповідні комунікаційні засоби.
Підготовка обчислень здійснюється на основі графа, кожній i -й вершині якого відповідає
операція, а кожній дузі - операнд. Операція для i -ї вершини графа описується інформаційним
словом, яке називають актором (actor). Актор описується кортежем
iiiii TNFIA ,,, , (1)
де iI – ідентифікатор (унікальне ім'я) актора;
iF – функція перетворення даних (код опера-
ції); iN – ім'я актора, для якого i -й актор готує операнд, а
iT – сукупність ознак цього операнда.
Актори зв'язані між собою тільки за даними. Кожній дузі графа відповідає слово даних
iiiii TNQID ,,, , (2)
де iQ – значення операнда.
З відповідних елементів в СФК формується команда, яка відразу виконується у вільному ОМ
або поміщається в чергу типу FIFO. Для організації СФК використовується асоціативна пам'ять
або її емуляція із застосуванням інших технічних засобів. Компілятори дозволяють автоматизува-
ти підготовку акторів і даних на базі графа, причому, без урахування конкретного числа ОМ в
системі. Однак, продуктивність таких систем обмежується часом формування команд унаслідок
обмеженої пропускної здатності СФК.
Сучасні технології побудови апаратних засобів SoC (System on Chip – система на кристалі)
83
передбачають використання апаратних засобів прискорення операцій, в результаті чого інтенсив-
ність формування команд в СФК може виявитися недостатньою для завантаження водночас декі-
лькох ОМ, тобто реалізації паралельної обробки даних. У зв'язку з цим важливою проблемою є
збільшення інтенсивності потоку готових команд з метою прискорення обчислень.
Тривіальним підходом є дублювання потокових процесорів, але при цьому виникають недо-
ліки, властиві статичним методам підготовки паралельних програм. Програміст повинен поперед-
ньо розрізати граф завдання на підграфи, визначити ідентифікатори акторів і даних в різних подг-
рафах з урахуванням зв'язку за даними між ними. Більш ефективним є підхід, який дозволяє ав-
томатично формувати актори і дані при наявності декількох СФК [1, 2]. Система містить модулі,
до складу яких входить СФК і ОМ. Модулі організовуються в кільцеву структуру. Дані циркулю-
ють в такій структурі в пошуках свого актора. Команди формуються в різних СФК і виконуються
у відповідних ОМ.
Недоліком такого підходу є витрати часу на пересилку даних між модулями системи. Крім
того, вихід з ладу будь-якого модуля призводить до непрацездатності всієї системи, оскільки ін-
формація передається послідовно від одного модуля до іншого.
У роботі запропоновано метод автоматичного динамічного формування паралельних потоків
команд. Метод передбачає введення до складу системи декількох СФК, використання певних фо-
рматів акторів і даних, програмних засобів попередньої обробки даних, а також механізму дина-
мічного розподілу акторів і даних між СФК.
Концепція формування паралельних потоків команд.
Система може мати будь-яке число ОМ. Кількість СФК має дорівнювати jk 2 , де
...3,2,1j
Модифікуємо об'єкти (1) і (2) наступним чином:
iiiiii TNFIMA ,,,,, (3)
iiiiii TNQIMD ,,,,, (4)
де iM – ідентифікатор СФК, який призначається компілятором автоматично з урахуванням зв'яз-
ків акторів за даними. Залежні за даними операції формуються в одній СФК.
Алгоритм знаходження представлений нижче.
1. Подати потоковий граф, всі вершини якого відповідають двомісним операціям. Вершинам
з одномісними операціями додати вхідну дугу з фіктивним операндом.
2. За допомогою відомих в теорії компіляторів алгоритмів отримати префіксну бездужкову
форму запису результату у вигляді рядка.
3. В отриманому рядку виділити всі пари імен операндів разом з ім'ям відповідного актора.
Виписати імена всіх акторів, які можуть виконуватися паралельно в часі. Далі розглядати ці
трійки об'єктів в якості операндів для наступного етапу виділення пар імен. Повторювати анало-
гічні етапи до повного згортання рядку. На кожному етапі виписувати імена акторів, які можуть
виконуватися водночас.
4. Одержати ланцюжки імен акторів наступним чином. В перший ланцюжок входять всі
актори, що отримані останніми на кожному етапі, в другий ланцюжок - передостанніми і т. і.
5. Першому ланцюжку призначити 0-й номер СФК, другому - 1-й номер і т. і. Отримані
номери СФК приписують акторам (3) і даним (4) в якості імен.
Запропонований алгоритм формування паралельних потоків команд має ряд переваг як в
порівнянні з класичними паралельними системами, так і в порівнянні з кільцевими потоковими
структурами.
У порівнянні з моделлю обчислень, керованих потоком команд, суттєво спрощується про-
цес підготовки завдань. Немає необхідності враховувати кількість ОМ в системі, вручну викону-
вати розподіл операцій між ОМ, займатися синхронізацією процесів. Динамічний розподіл опе-
рацій дозволяє виявити безпосередньо в процесі обчислень прихований паралелізм, пов'язаний з
різними тривалостями обробки даних в різних гілках алгоритмів. Обчислювальні модулі можуть
виконувати операції, пов'язані з різними завданнями, в будь-якій послідовності. У зв'язку з цим в
системі можуть водночас вирішуватися незалежні задачі, причому, немає необхідності синхроні-
зації виконання різних процесів, що дозволяє закінчувати завдання або починати виконання но-
84
вого в будь-який момент часу.
У порівнянні з кільцевої організацією потокових систем запропонований метод дозволяє
прискорити обчислення за рахунок скорочення непродуктивних витрат часу на послідовне пере-
силання даних між модулями системи. Крім того, це сприяє підвищенню надійності систем. Все
це підвищує ефективність обробки даних в потокових системах.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Johnson D. Data flow machines threaten the program counter / D.Johnson // Electronic Design. – 1980. – N 22. – P. 255 – 258.
2. Водяхо А.Н. Функционально ориентированные процессоры / А.Н.Водяхо, В.Б.Смолов, В.У.Плюснин, Д.В.Пузанков / Под ред.
В.Б.Смолова. – Л.: Машиностроение, 1988. – 224 с.
УДК: 519.688
ЖИХАРЕВИЧ В. В., ШУМИЛЯК Л. М.
ЧНУ ім. Ю. Федьковича (Україна)
ЧФ НТУ "ХПІ"(Україна)
ОСОБЛИВОСТІ ПАРАЛЕЛЬНОЇ ОРГАНІЗАЦІЇ ПРОЦЕСІВ КЛІТИННО-АВТОМАТНОГО
МОДЕЛЮВАННЯ В ОПЕРАЦІЙНІЙ СИСТЕМІ WINDOWS
Вирішується проблема прискорення обчислювального процесу клітинно-автоматного моде-
лювання складних явищ шляхом використання розпаралелювання окремих потоків при роботі з
багатопроцесорною системою.
Клітинний автомат (KA) є математичною моделлю просторової динаміки, яка використову-
ється, в основному, в тих випадках, коли явища, що моделюються, представлені нелінійними фу-
нкціями. Тому задачі КА-моделювання мають великі розміри. В даний час існує велика кількість
асинхронних клітинно-автоматних (АКА) моделей таких фізико-хімічних процесів (дифузія, поділ
фаз, ріст кристалів). При цьому асинхронне клітинно-автоматне моделювання реальних процесів
вимагає великих обчислювальних потужностей, оскільки для виявлення будь-яких властивостей
процесів, що моделюються, необхідно оперувати великими кількостями частинок протягом три-
валого часу [1]. Природнім чином, виникає потреба в прискоренні обчислень.
Вирішити цю проблему сьогодні стало можливим шляхом обробки інформації з масовою ор-
ганізацією паралельних обчислень, при якій для вирішення однієї задачі використовуються десят-
ки, сотні і навіть тисячі процесорів.
Внаслідок внутрішнього паралелізму і локальності взаємодій КА-алгоритми можна легко і
ефективно розпаралелювати. Зараз вже практично будь-яка більш-менш складна система має в
своєму складі компоненти, що працюють одночасно, або, мовою техніки, паралельно. В силу цьо-
го, була використана багатопроцесорна система під управлінням Windows.
Суть паралельної організації процесу клитинно-автоматного моделювання полягає в наступ-
ному. Поле КА розбивається на стільки частин, скільки процесорів в системі. КА-взаємодії для
окремих частин реалізуються у вигляді окремих потоків. Щоб в повній мірі використати можли-
вості машин з декількома процесорами, потоки прив'язуються до окремих процесорів. І тоді всі
потоки виконуються дійсно одночасно. Ядро Windows повністю підтримує розподіл процесорно-
го часу між потоками і управління ними на таких системах. Це дозволяє задіяти переваги багато-
процесорних машин без значних змін у коді.
Потоки в середині процесу було закріплено за визначеною підмножиною процесорів з числа
наявних на комп'ютері. Ця властивість називається прив'язкою до процесорів (processor affinity).
Дочірні процеси успадковують прив'язку до процесорів від батьківських. За замовчуванням
Windows 2000 використовує не жорстку прив'язку (soft affinity) потоків до процесорів. В цьому
випадку система намагається виконувати потік на тому ж процесорі, на якому він працював в
останній раз. У новій комп'ютерній архітектурі NUMA (Non-Uniform Memory Access) машина
складається з декількох плат, на кожній з яких знаходяться чотири процесори і окремий банк па-
м'яті. Окремий потік може виконуватися на будь-якому з цих процесорів. Система NUMA досягає
максимальної продуктивності, якщо процесори використовують пам'ять на своїй платі. Якщо ж
вони звертаються до пам'яті на іншій платі, продуктивність різко падає. В такому середовищі ба-
жано, щоб потоки одного процесу виконувалися на процесорах 0-3, іншого – на процесорах 4-7 і
т. д. Windows 2000 дозволяє підлаштуватися під цю архітектуру, закріплюючи окремі процеси і
85
потоки за конкретними процесорами. Така прив'язка називається жорсткою (hard affinity). Але
обмеження потоку одним процесором не завжди є найкращим рішенням. Адже може виявитися
так, що три потоки конкурують за доступ до процесора 0, тоді як процесори 1, 2 і 3 простоюють.
Щоб уникнути затримок в часі виконання, краще повідомити системі, що потік бажано виконува-
ти на певному процесорі, але, якщо він зайнятий, його можна перемикати на інший процесор [2].
Це дозволяє ефективно використовувати можливості багатопроцесорної системи.
Головним критерієм якості розпаралелювання обчислень є скорочення загального часу рі-
шення задачі. Можливості для організації паралельних обчислень обмежуються не тільки числом
наявних процесорів, але і особливостями обчислювального алгоритму, який може взагалі не до-
пускати розпаралелювання. Максимального ефекту від використання N процесорів було досягну-
то таким чином, що загальне обчислювальне навантаження було розділене точно на N частин, і
при цьому жоден з процесорів не простоював від початку і до кінця обчислень. Клітинно-
автоматні алгоритми дозволяють якісно і ефекетивно організувати даний процес, і тому можли-
вості для розпаралелювання обчислень обмежуються тільки числом наявних процесорів.
ПЕРЕЛІК ЛІТЕРАТУРИ: 1. Бандман О. Параллельная реализация клеточно-автоматных алгоритмов моделирования пространственной динамики / О. Л. Банд-
ман // Сиб. журн. вычисл. матем. – 2007. – №10. – С. 335–348. 2. Рихтер Дж. Windows для профессионалов: создание эффективных Win32-риложений с учетом специфики 64-разрядной версии
Windows / Дж. Рихтер. – Спб.: Питер: Русская Редакция, 2008. – 720 с.
УДК 004.912
ЗАБОЛОТНЯ Т.М., БАРТКОВ’ЯК А.Ю.
НТУУ «КПІ» (УКРАЇНА)
ПРОГРАМНА БІБЛІОТЕКА МЕТОДІВ АНАЛІЗУ ТОНАЛЬНОСТІ ВІДГУКІВ
ІНТЕРНЕТ-КОРИСТУВАЧІВ
В даній роботі обгрунтовано необхідність дослідження методів оцінки тональності відгу-
ків Інтернет-користувачів, запропоновано підхід до оцінювання тональності відгуків відвідувачів
сайтів, що базується на використанні словників «гостропозитивних» та «гостронегативних»
слів. Розроблено програмну бібліотеку методів визначення тональності відгуків Інтернет-
користувачів, які реалізують даний підхід, зазначено напрямки подальшого розвитку програмного
продукту.
На сьогоднішній день можна із впевпеністю сказати, що початок ХХІ сторіччя є періодом
надшвидкого розвитку, навіть «буму», мережі Інтернет. Зі створенням потужної обчислювальної
техніки, а також з розробленням нових інформаційно-програмних технологій Інтернет проник до
всіх сфер діяльності людей. Ми все частіше відвідуємо Інтернет-магазини, використовуємо його
для робочих цілей та для розваг. Практично кожна установа, компанія, фірма мають власні Інтер-
нет-сторінки, сайти, наповнені інформацією про них, про товари чи послуги, що вони пропонують
користувачам.
На жаль, іноді за непогано спроектованим та наповненим сайтом можуть приховуватись не-
якісні товари чи послуги, непрофесійне виконання роботи, завищені ціни тощо. В такій ситуації
чи не єдиним способом захисту від потрапляння до рук шахраїв чи некомпетентних спеціалістів є
попереднє ознайомлення користувача із відгуками про компанію, фахівця, товар чи послугу, що
його цікавить. Це вже стало нормою життя – перш, ніж бронювати квитки в кінотеатр, купляти
побутову техніку, записуватись на прийом до будь-якого лікаря, віддавати дитину в дитячий са-
дочок, вступати до вузу, всі намагаються спочатку ознайомитись із відгуками та коментарями, що
характеризують якість продукту, послуги, закладу тощо.
З часом кількість відгуків щодо певного продукту, фахівця чи компанії зростає і може сягати
сотень і, навіть, тисяч записів, що вимагає багато часу на ознайомлення з ними. Таким чином,
актуальною постає проблема організації та проведення аналізу багаточисельних Інтернет-
коментарів за короткий проміжок часу без втрати повноти та точності результату аналізу. Для
вирішення цієї проблеми зазвичай застосовуються методи автоматизованого визначення
емоційного забарвлення (або тональності) текстових даних (в нашому випадку – відгуків та ко-
ментарів користувачів мережі Інтернет). Завдяки аналізу тональності можна визначити, чи є
86
відгуки схвальними, чи в них описано певний негативний досвід, пов’язаний з об’єктом коменту-
вання, а крім того, можна обчислити значення певних статистичних показників, на основі яких
товар, послуга, фахівець чи компанія будуть віднесені до групи таких, що рекомендовані або не-
рекомендовані Інтернет-спільнотою.
Існуючі програмні засоби оцінки емоційного забарвлення коментарів здебільшого реалізу-
ють загальні методи визначення тональності текстових даних та не враховують специфіки
відгуків Інтернет-користувачів. Так однією з особливостей аналізу відгуків в мережі Інтернет є
необхідність взяття до уваги «гостропозитивних» та «гостронегативних» слів та словосполучень.
Наприклад, відгуки, що стосуються сфер послуг, пов’язаних зі здоров’ям, повинні додавати
об’єкту коментування негативного відтінку при знаходженні ключових слів таких як: для косме-
тології – опік, почервоніння, висип, запалення, інфекція та ін, для ресторанного бізнесу – отруєн-
ня, нудота, розлад шлунку, несвіжі продукти і т.д.). Крім того, згадка «гостронегативних» слів та
словосполучень повинна мати більший вплив, якщо ці слова стосуються здоров’я людини, та
менший вплив, якщо такі слова та словосполучення стосуються, наприклад, сфери розваг.
Наразі немає жодного набору програмних реалізацій методів аналізу тональності відгуків
Інтернет-користувачів, що враховували б описані вище особливості. Таким чином, метою даного
дослідження стало підвищення ефективності автоматизованого визначення тональності відгуків
Інтернет-користувачів за критерієм точності шляхом розроблення програмної бібліотеки
відповідних модифікованих методів, орієнтованих на роботу саме з відгуками та коментарями
відвідувачів сайтів.
Загалом існуючі підходи до автоматичного аналізу тональності текстових даних можна
розділити на наступні категорії [1]:
підходи, засновані на використанні правил;
підходи, засновані на використанні словників;
машинне навчання з учителем;
машинне навчання без учителя.
Дані підходи до оцінювання емоціного забарвлення текстових даних мають як переваги, так
і певні недоліки. Наприклад, аналіз тональності, що базується на використанні правил, вимагає
великих витрат часу та людських ресурсів на розробку, тому що для отримання високої точності
при роботі відповідної програмної системи необхідно створити велику кількість правил.
Недоліком підходів, що засновані на використанні словників (так званих тональних словників,
affective lexicons), є потреба у створенні цих словників, що теж є трудомісткою задачею. Методи,
основані на машинному навчанні без учителя, показують найменш точні результати аналізу то-
нальності.
Зважаючи на наведені вище недоліки, в межах даної роботи авторами було сконцентровано
увагу на дослідженні існуючих методів аналізу тональності природномовних текстових даних, в
основі яких лежить машинне навчанням з учителем, запропоновано їх модифікації шляхом вве-
дення додаткових коефіцієнтів для врахування «гостропозитивних» та «гостронегативних» слів та
словосполучень, а також розроблено програмні реалізації цих методів, котрі в сукупності склада-
ють програмну бібліотеку методів аналізу тональності відгуків Інтернет-користувачів. Дані мето-
ди є досить універсальними, дають непогану точність отримуваних результатів та не є затратни-
ми.
На даний момент в програмній бібліотеці реалізовано два варіанти класифікатору: наївний
баєсівський класифікатор та Random forest (від англ. «випадковий ліс»).
Наївний баєсовський класифікатор було обрано через такі переваги як:
висока швидкість роботи;
потреба в невеликій кількості даних для навчання;
невимогливість до об’єму пам’яті;
маштабованість.
Випадковий ліс було обрано тому, що він:
надає можливість оцінювати значущість окремих ознак [2];
має високу здатність до розпаралелювання;
є масштабованим.
87
Для спрощення реалізації розроблюваної бібліотеки в основу її структурної організації за-
пропоновано покласти підхід до побудови програмного забезпечення з використанням шаблонів
проектування, що зумовлено високою динамічністю та модульністю будови програмного за-
стосунку, оскільки набір методів може бути складним в керуванні та може змінюватися в процесі
розвитку системи.
Шаблони ж проектування сприяють забезпеченню високого ступеня гнучкості розроблюва-
ного програмного інструментарію щодо додавання або видалення з нього елементів, спрощенню
супроводу програми, завдяки можливості змінювати її частини незалежно одна від одної тощо [3].
На думку авторів, найбільш доцільним для використання при розробленні програмної
бібліотеки є структурний шаблон проектування «Фасад», оскільки він здатен забезпечити
уніфікований інтерфейс доступу до набору методів класифікації і при цьому дозволяє оминути
встановлення сильних зв’язків з підсистемами та спростити доступ до самих підсистем (в нашому
випадку – реалізацій методів класифікації).
В майбутньому для покращення роботи бібліотеки методів аналізу тональності відгуків Ін-
тернет-користувачів авторами планується розширити набір алгоритмів, що реалізують відповідні
методи аналізу тональності текстових даних, та створити власні словники «гостропозитивних» та
«гостронегативних» слів для найрозповсюдженіших сфер діяльності людини, до яких можна
написати коментар (наприклад, кінематограф, місця відпочику, готелі, ресторани, Інтернет-
магазини та ін.).
Таким чином, в результаті проведеного дослідження вивчено поточну ситуацію, яка склала-
ся у галузі розробки програмних засобів для оцінки тональності відгуків Інтернет-користувачів,
враховано особливості та тенденції, що мають місце в цій галузі, запропоновано підхід до визна-
чення тональності відгуків, який базується на використанні словників «гостропозитивних» та
«гостронегативних» слів, на основі цього підходу розроблено програмну бібліотеку методів
аналізу емоційного забарвлення відгуків відвідувачів сайтів, виділено основні напрямки подаль-
шого розвитку даного проекту.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. M. Lobur, A. Romaniuk, M. Romanyshyn Defining an approach for deep sentiment analysis of reviews in ukrainian / Lobur M., Romaniuk A., Romanyshyn M. // 2012 Комп'ютерні системи проектування теорія і практика №747, Вісник Національного університету "Львівська
політехніка". — 2012. — Режим доступу: http://ena.lp.edu.ua:8080/xmlui/bitstream/handle/ntb/23309/24-124-130.pdf.
2. Leo Breiman Random Forests / Breiman Leo // Machine Learning — Volume 45, Issue 1, October 2001. — 2001. — P. 5-32.
3. Eric Freeman, Bert Bates, Kathy Sierra, Elisabeth Robson Head First Design Patterns / Freeman Eric, Bates Bert, Sierra Kathy, Robson
Elisabeth // O'Reilly Media; 1st edition (October 2004). — 2004. — P. 694.
УДК 616.314-089.23.843 378.147.016:[61:340.6]
КАСІЯНЧУК Ю.1,2,3
, ФОЧУК П.1,КАСІЯНЧУК
M.
2,3
1 Чернівецький національний університет імені Юрія Федьковича (Україна)
2 Буковинський державний медичний університет (Україна)
3 Приватна спеціалізована медична практика, Чернівці (Україна)
ЗАСТОСУВАННЯ ПЛАТФОРМИ ,,ANDROID’’ У СИСТЕМАХ МЕДИЧНОЇ НАВІГАЦІЇ В
АСПЕКТІ ДОКЛІНІЧНИХ ДОСЛІДЖЕНЬ
В експерименті визначалось доцільність застосування способу медичної навігації при опе-
ративному втручанні на фоні дії травматичного фактору на біологічну тканину.
Під час проведення дентальної імплантації основним завданням практичного лікаря є
відновлення втраченої анатомічної структури коміркового відростка щелепи. Перед науковцем, на
нашу думку, стоїть дещо інша задача: знайти альтернативні класичним методи діагностики і ліку-
вання, які б запобігали прояву запально-дистрофічних процесів у тканинах в результаті оператив-
ного втручання. З літератури відомо, що в багатьох випадках саме хірургічна травма на першому
та другому етапі імплантації провокує втрату кісткової тканини [1-3] . Ми вважаємо, що одним із
шляхів її попередження є застосування інтерактивних методик [4,7]. А, розвиток телеко-
мунікаційних технологій спонукає нас до удосконалення медичних технологій. Отже, метою цьо-
го дослідження була оцінка ефективності способу медичної навігації у доклінічному дослідженні
88
з використанням OC ,,АNDROID” та приладу мобільного зв’язку при оперативному втручанні для
максимально можливого збереження кісткової тканини.
Матеріали і методи. В лабораторних умовах на кістковому препараті мертвої тварини (по-
рося віком до 6 місяців) нами проведено експериментальну операцію дентальної імплантації з
реєстрацією впливу фізичних факторів на окістя в ділянці імплантату, для чого використовували-
ся фантомні імплантати (аналог реальних: D=3.5мм; L=6.0 мм). При плануванні лабораторного
експерименту допускалося, що при оперативному втручанні виникає неконтрольований тиск
(травматичний подразник) на окістя, який стає патогенним руйнуючим фактором.
Для контролю переміщення та позиціонування імплантату ми використовували власну ме-
тодику із застосуванням навігаційного модуля (патент України № 68641), який інтегрували з
мобільним телефоном на платформі ,,АNDROID” через мікро-USB порт (2х7) типу B («Навігатор
ЮК А»). Ресивер приладу фіксується жорстко відносно кісткового препарату. Позиціонер інте-
грується з наконечником приладу, переміщення фіксується на умовній точці імплантату. Смарт-
фон, на екрані якого здійснюється моніторинг операції, зручно закріплений у тримачі (фіксатор
до панелі автомобіля). Калібрування приладу здійснювалася мікрометром GTC-A-650 фірми Mi-
utoyo (Японія), точність вимірювань якого 0.01±0.005 мм. Розроблено стандартизований протокол
операції.
Динамічний тиск на окістя також визначався за власною методикою із застосуванням
кремнієвого тензорезистора, який фіксувався на титановій пластині у формі конусної шайби і
розміщувався на тильній поверхні імплантату (патенти України №75649 і 73268). Деформацію
кісткової тканини визначали за допомогою індуктивного вимірювача переміщення, розробленого
Інститутом геотехнічної механіки АН України. При відсутності приладу для медичної навігації,
умовно, тестом для зупинки операції укорінення зубного імплантату вважалося стиснення до
товщини 0.5 мм гомогенного кісткового прошарку, розміщеного з тильного боку платформи ім-
плантату при його останніх обертах.
Результати експерименту ми порівняли із результатами, одержаними в експерименті із
навігаційними системами інтегрованими зі стаціонарним комп’ютером під управлінням ОС
,,WINDOWS” через USB порт (Навігатор ЮК).
Результати. При відхиленнях від 25 до 5 кутових хвилин точність (позиціонування) стано-
вить не менше 10%, при менших відхиленнях вона спадає до 18 %. Проміжок до 0,1-0,5 мм між
окістям і платформою імплантату є граничним. При однаковому обертовому зусиллі в ділянці
платформи імплантату тиск на кісткову тканину зростає непропорційно, а при деякому значенні
має руйнівний характер. Оскільки нашим завданням було повне усунення патогенного фактору,
ми не визначали мінімальних патогенних значень в різних зонах. У 22% випадків ми спостерігали
продовження процесу деформації кісткового прошарку на протязі ≈ 3 хвилин після зняття ме-
ханічного навантаження. Виявлено нерівномірність деформації прилеглих кісткових структур.
При порівнянні експериментів результати співставні, різниця швидкості передачі даних
суб’єктивно не визначається. Для (Навігатор ЮК): при відхиленнях від 25 до 5 кутових хвилин
точність (позиціонування) становить не менше 10%, при менших відхиленнях вона спадає до
20%.
Запропонований підхід оптимізує процес оперативного втручання і рекомендований до
клінічного застосування з метою збереження коміркового відростка і максимально сприятливих
умов для реалізації власного остеогенного потенціалу людини. Застосування платформи
,,ANDROID” в системах медичної навігації актуальне у зв’язку з розвитком телекомунікаційних
технологій.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Basic research and 12 years of clinical experience in computer assisted navigation technology: A review: / R. Ewers, K. Schicho, R
Seemann, А. Wagner [et al.] // J. Oral Maxillofac Surg. – 2005. – 34(1). – S.1-8.
2. Сonservation method of bone adaptive opportunities during oral osteoplastic surgical intervention / J. Zoeller, Y. Kasiyanchuк, P. Fo-chuk, [et al.]: Conference materials [“International Osteology Symposium in Monaco, 2016”, Osteology Foundation, Switzerland]. Monaco,
2016. – P.143.
3. Point-to-point computer-assisted navigation for precise transfer of planned zygoma osteotomies from the sterolithographic model into reality: / C. Klug, K. Schicho, O. Ploder, K. Yerit, F. Watzinger, [et al.] // J. Oral Maxillofac. Surg. – 2006. – 64(1). – S. 550-559.
4. Medical navigation as a method of minimize posteriori error in oral osteoplastic surgical intervention / J. Zoeller, S. Ostapov, Y. Kasi-
yanchuk, P. Pshenichka, Р. Fochuk, М. Kasiyanchuk // Conference materials: [Fourth Conference ,,Informatics and Computer Technologies” (PICT – 2015)]. – Chernivtsi, 2015. – S.81-83.
89
5. Мedical navigation as a method of preclinical investigation optimization in oral osteoplastic surgical intervention / M. Kasiyanchuk, P.
Fochuk, S.Ostapov, P. Pshenichka [et al.] // International Poster Journal of Dentistry and Oral Medicine. – 2013. – №4. – Р.665-666.
6. Тhe method of clinical trial optimization at oral osteoplastic surgical intervention / Y. Kasiyanchuк, P. Fochuk, J. Zoeller [et al.]: Confer-ence materials [“International Osteology Symposium in Monaco, 2013”, Osteology Foundation, Switzerland]. Monaco, 2013. – P.248.
7. Касіянчук М.В. Методологічні аспекти навчального процесу та технології медичної навігації в клініці стоматології / М.В.
Касіянчук, П.Ф. Пшенічка, С.Е. Остапов [ін.] // Новини стоматології. - 2013. - №1. - С.99 -102.
УДК 004.7
КУЛАКОВСКИЙ В.Н.,.ДАВЫДОВ А.Н., СКВОРЦОВ И.В.
ИСМ им. В.Н. Бакуля(Украина).
ОСОБЕННОСТИ ПОСТРОЕНИЯ РАСПРЕДЕЛЁННОЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ
КРУПНОГО ПРЕДПРИЯТИЯ
В докладе описано построение территориально распределённой гетерогенной локальной
вычислительной сети на примере построения сети академического института.
Территория, на которой строилась объединенная вычислительная сеть Института Сверх-
твёрдых Материалов и НТАК «АЛКОН» – более 15 гектаров, на которых расположены 60 лабора-
торных, производственных и технических корпусов, расстояния по коммуникационным каналам
между некоторыми корпусами доходят до полукилометра.
Развитие ЛВС ИСМ было пошаговым – изначально локальная вычислительная сеть была
только в двух близко расположенных корпусах. Пользователи других корпусов либо не имели
доступа к ресурсам ЛВС и Интернет, либо подключались с помощью dial-up модемов.
С увеличением роли Интернет как источника информации, а так же средства связи, требова-
ния пользователей росли. Основной проблемой являлось построение каналов от удалённых кор-
пусов – классическая технология Ethernet (10/100BaseT, на витой паре) не позволяет построить
канал длиннее 100 метров. Таким образом, возникает задача – предоставить пользователям доступ
к сети, учитывая следующие факторы – максимальное использование уже проложенных линий
коммуникаций, достаточная скорость доступа, и минимизация финансовых затрат. Поскольку на
территории уже существовала местная телефонная сеть, разумным шагом было использование
медных каналов связи, прибегая к прокладке оптики лишь в случае построения самых длинных
отрезков между наиболее мощными потребителями трафика. Конфигурацию сети так же обуслав-
ливают и входящие каналы доступа к Интернет — это две волоконно-оптические линии: основ-
ной УАРНЕТ, (академическая сеть, подрядчик НАН Украины), и резервный — ЧП ЧЕРЕДА. Обе
линии заведены в корпус, в котором расположена телефонная станция Института. За балансиров-
ку нагрузки на каналы, маршрутизацию и обработку DNS запросов отвечает сервер – маршрути-
затор, собранный на базе Intel Celeron 430 под управлением FreeBSD. Не смотря на почтенный
возраст сервера, благодаря корректной настройке, производительности сервера хватает для пол-
носкоростной маршрутизации двух 100 мегабитных каналов и для обслуживания более 200 поль-
зователей (причем под условным «пользователем» может скрываться рабочая группа из несколь-
ких компьютеров, вплоть до 30.). От сервера к корпусам по существующей телефонной проводке
построены каналы различных типов:
- ADSL каналы (установлено 3 IP DSLAM суммарной ёмкостью 64 порта) обеспечивают до-
ступ к сети со скоростью от 8 до 20 мегабит, в зависимости от состояния медной линии и рассто-
яния. Такое подключение наименее затратное с финансовой точки зрения, но не обеспечивает
симметричной скорости доступа.
- ЕоVDSL каналы (4 канала) организованы для потребителей, которым важна симметричная
скорость доступа к сети, скорость от 5 до 25 мегабит в секунду в зависимости от состояния (дли-
на, наличие «скруток», сечения кабеля) медной линии. Основной недостаток – значительная сто-
имость оборудования и сильная чувствительность к состоянию линии.
- SHDSL каналы (2 канала) обеспечивают скорость доступа к Интернет до 2 мегабит в се-
кунду. Они используются наиболее удалённых потребителей, создание к которым оптико-
волоконного канала нерационально, а состояние меди не позволяет использовать более высоко-
скоростное оборудование. [1]
Помимо меди, так же используется оптоволокно, но по причине дороговизны оборудования,
а так же сложности прокладки, на сегодняшний день оптика проложена от сервера только к двум
90
корпусам, с наибольшим количеством пользователей локальной сети и Интернет. Далее, по кор-
пусу, к потребителям проложена обычная витая пара.
Кроме сервера – маршрутизатора, в ЛВС института так же входит web-сервер под управле-
нием FreeBSD. Помимо хостинга web сайта института, он так же играет роль почтового сервера и
вспомогательного маршрутизатора для всех пользователей ЛВС.
Для борьбы со спамом на почтовом сервере используются несколько методов. Помимо тра-
диционных способов фильтрации спама - использование общеизвестных “черных списков” —
DNSBL, и встречной проверки адреса отправителя, на почтовом сервере ИСМ (МХ доменного
имени ism.kiev.ua) используется один интересный нюанс работы почтового доставочного агента
(MTA) sendmail, а именно - использование особенности действия правила DISCARD в файле ac-
cess. Суть этой особенности состоит в том, что спамеры или скорее, спам-роботы, нередко пыта-
ются рассылать спамовые письма на давно не используемые почтовые ящики в домене, или на
никогда не существовавшие, или на общеизвестные - с его точки зрения - имена типа sales. А осо-
бенность работы правила DISCARD заключается в том, что в том случае, если хотя бы один адрес
в рассылке совпадает с указанным в файле access, письмо будет уничтожено, причем без уведом-
ления отправителя. Конечно, существует вероятность, что будет уничтожено нужное письмо, если
отравитель по какой-то случайности отправитель укажет совпадающее имя. Но анализ журналов
почтового сервера, показал, что такое совпадение даже менее вероятно, чем ошибочное попада-
ние в мировой DNSBL. К тому же спамеры нередко в качестве адресов для ответа подставляют
ложные адреса E-mail, в результате уведомление о недоставке получил бы посторонний человек.
Ставят они и вообще не существующие адреса, однако такие письма отбрасываются демоном
smfsav — встречная проверка адреса отправителя. Данные 3 способа позволили практически ре-
шить проблему спама.
Для работы с системой управления научными данными [2], а так же планово- производ-
ственной информацией, кадровыми базами, и другим программным обеспечением, самостоятель-
но разработанным в ИСМ, в ЛВС так же существует терминальный сервер под управлением Win-
dows2003 server. Внедрение терминального сервера происходило в 2004-2005 годах, поэтому вы-
бор именно такого решения связан с минимизацией сетевого трафика в локальной сети (на тот
момент некоторые пользователи в удалённых корпусах всё еще использовали для доступа к ЛВС
dial-up модемы) и максимально полного использования относительно устаревшей компьютерной
техники. Достаточно комфортная работа в терминальном режиме возможна даже с использовани-
ем ПК уровня Pentium 2-300. До обновления платформы сервер мог обслуживать одновременно
до 15 активно работающих пользователей, сейчас – не менее 45. Не смотря на то, что концепция
использования терминального сервера используется в нашей ЛВС уже около 10 лет, она до сих
пор актуальна. Требования к рабочим местам операторов невелики, к серверу возможен доступ не
только из локальной сети института, но и при соответствующем уровне доступа пользователя,
практически из любой точки земного шара при наличии работающего Интернет подключения.
Безопасность обеспечивается двустадийной авторизацией, благодаря организации туннеля через
SSH соединение. Подключившись, пользователь попадает в привычную рабочую среду.
Таким образом, построение гетерогенной сети, включающей в себя сегменты, построенные
на технологиях Ethernet, Ethernet over WDM, ADSL, EoVDSL и SHDSL позволяет минимизиро-
вать затраты на построение каналов благодаря использованию имеющихся медных линий, а так
же невысокой цене ADSL оборудования. Создание серверной инфраструктуры с максимальными
использованием открытого программного обеспечения так же помогает оптимизировать затраты
на оборудование, при этом производительность полученных решений более чем достаточна для
обслуживания всех пользователей на территории. Использование терминального сервера позволя-
ет продлить срок службы рабочих станций и обеспечивает возможность работы в привычном про-
граммном обеспечении даже в случае командировок сотрудника за рубеж.
СПИСОК ЛИТЕРАТУРЫ 1) Олифер В.Г. Олифер Н.А. Компьютерные сети. Принципы технологии протоколы СПб.: - Питер, 2010, 916 с. 4 изд.
2) Кулаковский В.Н., Цегельнюк В.В., Скворцов И.В. Информационная система управления научными данными в предметной обла-
сти «Сверхтвердые Материалы», матеріали міжнародній науково-технічній конференції «Штучний інтелект та інтелектуальні систе-
ми» (AIIS’2015) (здано до друку).
91
УДК 004.25, 004.383
МЕЛЬНИК В.А., ЛОПІТ І.І.
Національний університет “Львівська політехніка (Україна)
ДВОЕТАПНИЙ ПІДХІД ДО ГЕНЕРУВАННЯ ПРОГРАМНИХ МОДЕЛЕЙ СПЕЦІАЛІЗО-
ВАНИХ ПРОЦЕСОРІВ
В доповіді розглянуто питання побудови генераторів програмних моделей спеціалізованих
процесорів з високорівневого представлення опису їх алгоритму, проаналізовано існуючі рішення
і, на основі аналізу їх недоліків, запропоновано новий підхід до генерування програмних моделей
спеціалізованих процесорів.
1. Вступ За сучасного стану комп’ютерної елементної бази продуктивність комп’ютерних
систем підвищують переважно екстенсивним методом – збільшенням кількості ядер універсаль-
них процесорів та підвищенням частоти їх роботи. Разом з тим, підхід застосування універсаль-
них процесорів для досягнення високих показників продуктивності має принципові недоліки,
головними з яких є висока споживана потужність і низька ефективність використання обладнан-
ня. Для уникнення цих недоліків створюють комп’ютерні системи із спеціалізованими процесо-
рами, однак вони є ефективними лише для вузьких класів алгоритмів, а їх побудова потребує зна-
чних зусиль і ресурсів. Один з варіантів вирішення цієї проблеми полягає в генеруванні програм-
них моделей спеціалізованих процесорів (ПМСП) з високорівневого подання алгоритму їх роботи
та їх реалізації в програмовних логічних інтегральних схемах (ПЛІС). У результаті отримують
спеціалізовані процесори, які використовують як прискорювачі комп’ютерних систем, функції
яких можна змінювати реконфігуруванням ПЛІС і створенням у ній іншого спеціалізованого про-
цесора (СП).
2. Постановка проблеми Розглянемо загальноприйнятий підхід до побудови компіляторів у
сфері розробки програмного забезпечення. Їх архітектура складається з трьох компонентів [1]:
- front-end – використовується для побудови проміжного коду, приймає вхідний код на мові ви-
сокого рівня, наприклад С, здійснює лексичний і синтаксичний аналіз, перевірку типів;
- middle-end – проводить оптимізаційні процедури високого рівня;
- back-end – відповідає за генерування асемблерного коду, алокацію (призначення) регістрів і
оптимізацію безпосередньо до цільової архітектури.
Даний підхід добре зарекомендував себе і використовується протягом останніх 40 років для
побудови компіляторів. Проте на відміну від програмного забезпечення, де кількість платформ є
відносно невеликою (не більше 5 основних), кількість платформ для ПЛІС налічує десятки.
Разом з тим, існуючий підхід до генерування ПМСП не враховує того, що ринок ПЛІС шви-
дко розвивається, а їх архітектура перманентно вдосконалюється. Внаслідок низької пристосова-
ності (генератор ПМСП не використовує всіх особливостей архітектури ПЛІС) або вузької спря-
мованості (специфікація під конкретне сімейство або модель ПЛІС без можливості портування на
інші) ці засоби із розвитком компонентної бази ПЛІС втрачають ефективність. Згенерована мо-
дель може не відповідати сучасним вимогам ринку, тому актуальним є завдання створення нового
підходу до генерування ПМСП, який би враховував розвиток архітектури ПЛІС.
3. Огляд сучасних рішень для генерації програмних моделей СП на прикладі системи
Chameleon Розглянемо один із кращих існуючих підходів до генерації ПМСП, який використано
в системі Chameleon від компанії Інтрон [2]. Умовно архітектуру даної системи можна розділити
на 3 компоненти:
- транслятор – за допомогою компілятора GCC [3] здійснюється лексичний і синтаксичний ана-
ліз опису алгоритму, його оптимізація та генерація опису в деякому проміжному форматі, який в
свою чергу транслюється в представлення алгоритму в триадресному коді;
- конфігуратор – на основі триадресного коду генерує опис ПМСП на проміжній мові VHDL-IR
(VHDL intermediate representation);
- VHDL-генератор – здійснює генерацію VHDL-коду ПМСП з його VHDL-IR подання.
У даному підході до побудови системи генерування ПМСП було виявлено наступні недоліки:
- відсутність middle-end компоненти, яка б здійснювала оптимізацію представлення алгоритму
під потреби паралельних обчислень, враховуючи особливості ПЛІС як кінцевої платформи. Вико-
92
ристання сучасних компіляторів для оптимізації є недостатнім у зв’язку з тим, що вони орієнто-
вані на RISC/AMR архітектури та на специфічні для них моделі пам’яті;
- вихідний код не є оптимізованим під конкретну модель ПЛІС;
- відсутність високорівневої агресивної оптимізації. Даний підхід передбачає перетворення од-
них компонентів в інші, наприклад постійний запам’ятовуючий пристрій може бути представле-
ний як мультиплексор чи логічна функція.
- відсутність можливості оптимізації раніше розроблених, існуючих ПМСП.
4. Генерація ПМСП з використанням двоетапного підходу На основі загальноприйнятого
трьохкомпонентного підходу до побудови систем генерації програмного забезпечення з враху-
ванням особливостей ПЛІС як кінцевої платформи, авторами було розроблено двоетапний підхід,
особливості якого описано нижче.
У якості front-end використано LLVM (Low Level Virtual Machine) [4]. Вона дозволяє здійс-
нити лексичний і синтаксичний аналіз алгоритму та виконати первинну оптимізацію. Результатом
її роботи є представлення алгоритму у форматі LLVM Language [5]. На відмінну від мов високо
рівня, LLVM Language містить тільки основну множину операцій над даними і записується у фо-
рматі SSA (Single State Assignment), коли кожній змінній присвоюється значення тільки один раз
(це спрощує оптимізацію). Невелика кількість архітектурно залежних інструкцій дозволяє пред-
ставити сам алгоритм, а не його реалізацію під визначену платформу.
Middle-end компонента транслює опис у форматі LLVM Language у формат триадресного
коду, який є стандартом де факто для здійснення оптимізації. На даному етапі здійснюється опти-
мізація алгоритму з врахуванням його застосування у засобах високопродуктивних обчислень.
Back-end компонента, згідно із загальноприйнятим підходом, відповідає за генерування кін-
цевого представлення алгоритму – VHDL-опису програмної моделі СП, і представлена у вигляді
наступної чотирьохкомпонентної підсистеми:
- VHDL-front-end – відповідає за синтаксичний і лексичний аналіз VHDL коду і генерує проміж-
не представлення VHDL коду, в форматі VHDL-IR.
- TAC-front-end – відповідає за синтаксичний і лексичний аналіз TAC (триадресного) коду і ге-
нерує проміжне представлення VHDL коду, в форматі VHDL-IR.
- VHDL-ir-middle-end – відповідає за оптимізацію ПМСП, представлених за допомогою VHDL-
IR, в тому числі і агресивну високорівневу оптимізацію. Результатом роботи даної компоненти є
ПЛІС-орієнтовний VHDL-IR-опис пристрою.
- VHDL-back-end – відповідає власне за генерацію оптимізованого VHDL коду з VHDL-IR-
опису.
5. Висновки В даній роботі проаналізовано один з існуючих підходів до побудови систем
генерації ПМСП безпосередньо з мови програмування високого рівня. Визначено його недоліки і
запропоновано двоетапний підхід до генерування програмних моделей спеціалізованих процесо-
рів, який дозволяє генерувати ПЛІС-орієнтований опис ПМСП і забезпечує ефективне викорис-
тання вбудованих ресурсів пристрою цільової платформи.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Torben Mogensen. Basics of Compiler Design, DIKU, University of Copenhagen (2010), 283 pages. 2. Chameleon – the System-Level Design Solution. [Електронний ресурс] / – Режим доступу: http://intron-innovations.com/?p=sld_chame.
3. GCC, the GNU Compiler Collection. [Електронний ресурс] / – Режим доступу: https://gcc.gnu.org/
4. The LLVM Compiler Infrastructure. [Електронний ресурс] / – Режим доступу: http://llvm.org/ 5. LLVM Language Reference Manual. [Електронний ресурс] / – Режим доступу: http://llvm.org/docs/LangRef.html/
УДК 681.518
МАНУЛЯК І.З., МЕЛЬНИЧУК С.І.
Івано-Франківський національний технічний університет нафти і газу
БЛОК СПЕЦПРОЦЕСОРА РОЗРАХУНКУ ІНФОРМАЦІЙНОЇ ЕНТРОПІЇ БІНАРНИХ РЕ-
АЛІЗАЦІЙ ІМПУЛЬСНИХ СИГНАЛІВ
Розроблено схемотехнічне рішення пристрою цифрового опрацювання сигналів для ро-
зрахунку оцінок інформаційної ентропії послідовних реалізацій сигналів первинних перетво-
рювачів, представлених у бінарному вигляді.
93
Практично, в більшості випадків, перетворювачі з механічним мірним елементом, зокрема
об’єму та об’ємної витрати газу оснащують імпульсними давачами (оптичними, магніто-
індуктивними, герконовими тощо), сигнали яких є основним джерелом про вимірювальний пара-
метр. При використанні імпульсних, інформаційно-вимірювальних, сигналів у промислових умо-
вах виникають проблеми їх спотворення під дією завад, особливо в області низьких швидкостей
переміщення мірного елементу. Традиційно, первинні перетворювачі витрати газу представляють
дані про дискретні об’єми вимірюваного середовища в унітарному базисі. На основі перетворю-
вача, описаного в [1], проведено ряд експериментальних досліджень за якими запропоновано реа-
лізацію цифрових засобів опрацювання, які ґрунтуються на математичному апараті статистичного
оцінювання і не потребують залучення елементів з нелінійними частотними характеристиками
(конденсаторів, індуктивностей тощо). Як показано в [2] використання оцінок інформаційної ент-
ропії забезпечує найбільше відношення сигнал/завада при однаковому розмірі вибірки.
Фрагмент реалізації інформаційно-вимірювального сигналу з наявними завадами, зумов-
леними конструктивними особливостями реалізованого первинного перетворювача [1] подана на
рис.1а. Структурне рішення цифрового пристрою (рис. 1б), передбачає використання компарато-
ра, що реалізується на основі відповідного транзисторного каскаду, та генератора опорних імпу-
льсів, що забезпечують синхронізацію функціонування окремих частин пристрою.
Компаратор CntControl HTable100
Вхід аналоговий
Генератор
опорних імпульсів
nOutput
[0..19]
CalcH
Рисунок 1
а) Імпульсний вимірювальний сигнал; б) Структурна схема спецпроцесора для розрахунку оцінки інформа-ційної ентропії для бінарних представлень імпульсних сигналів
В ході вимірювання, аналогові імпульсні сигнали подаються на компаратор, який формує
відповідні бінарні представлення, що в подальшому поступають на блок контролю даних вибірки
– CntControl. Завданням цього блоку є підрахунок кількості одиничних елементів сигналу протя-
гом заданого інтервалу часу. Після завершення поточного циклу підрахунку на виході CntControl
формується сигнал готовності даних для блоку розрахунку оцінки ентропії ena, після чого фор-
мується керуючий сигнал автоматичного скидання лічильника clrn і цикл повторюється.
З метою апаратного спрощення в ході розробки цифрового пристрою реалізовано блок ро-
зрахунку інформаційної ентропії HTable100, який доцільно реалізувати на основі значень ен-
тропії, розрахованих за формулою К.Шеннона [3], помножених на 106.
Вибір значення ентропії здійснюється за наявності сигналу логічного нуля на лінії керування
блоку контролю даних вибірки, який поступає на лінію дозволу початку розрахунку блоку
HTable100. Формування сигналу здійснюється після того як значення лічильника опорних імпуль-
сів досягне n=200. Імпульси, які нараховуються лічильником, із сигнальної лінії подаються на
восьмирозрядну шину даних nInput[7..0] блоку HTable100, робота якого узгоджується з генерато-
ром опорних імпульсів. Блок HTable100 (рис.2а) реалізований на основі табличної структури ви-
бору результатів для розміру вибірки, що не перевищує n=200 елементів. Результат формується на
вихідній шині даних nOutput[19..0]. В ході інструментального моделювання (рис. 2б) встановлено,
що за частоти формування керуючого сигналу на лінії CalcH, яка перевищує значення 0.05ГГц,
виникають сигнальні артефакти зумовлені обмеженням швидкості переключення напівпровідни-
кових компонентів.
94
а) б)
Рисунок 2 – Компонент спецпроцесора HTable100 та результат інструментального моделювання
Фрагмент часової діаграми функціонального моделювання роботи блоку HTable100 у се-
редовищі Altera MAX+plusII за підвищеної частоти надходження керуючих імпульсів подано на
рисунку 3, де doutput – розрахована оцінка ентропії [4].
Рисунок 3 – Результати функціонального моделювання компонента HTable100
В результаті, розроблено компонент цифрового спецпроцесора табличного типу, який до-
зволяє здійснювати розрахунок інформаційної ентропії реалізацій сигналів, представлених у біна-
рному вигляді, розмір фрагменту неповинен перевищувати 200 елементів.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Патент на винахід №97780 «Спосіб вимірювання витрати за переміщенням сферичної мітки вимірюваним середовищем». Мельни-чук С.І., Мазурик І.З., Яковин С.В.
2. Мельничук С.І. Застосування статистичних характеристик для опрацювання імпульсних сигналів первинних перетворювачів витра-
ти представлених в унітарному базисі хмельницький журнал. / С.І. Мельничук, І.З. Мануляк. Вісник Хмельницького національного університету. №5.2015. с. 217-222.
3. Жураковський Ю.П. Теорія інформації та кодування. Підручник. / Ю.П. Жураковський, В.П. Полторак. – К.: Вища школа, 2001. –
255 с. 4. Мельничук С.І. Автоматизоване проектування ПЛІС та друкованих плат: Навчальний посібник./видання 2-ге доповнене/. Мельни-
чук С.І. – Івано-Франківськ: ІМЕ «Галицька академія», 2006. – 188с.
004.4
ОГОЙКО М. В., ЗАБОЛОТНЯ Т.М.
НТУУ «КПІ» (Україна)
ПРОГРАМНІ ЗАСОБИ ДЛЯ АВТОМАТИЗОВАНОГО РОЗПОДІЛЕННЯ
ПЕДАГОГІЧНОГО НАВАНТАЖЕННЯ
В даній роботі запропоновано організацію клієнт-серверного застосунку, який надає функ-
ціональні можливості для обліку та автоматизованого розподілення педагогічного навантажен-
ня викладачів кафедри вищого навчального закладу. Проаналізовано недоліки подібних інформа-
ційних систем, обґрунтовано неможливість їх застосування в сучасних реаліях вищої освіти в
Україні. Наведено технічні особливості програмної реалізації розроблюваного проекту, а також
напрямки його подальшого розвитку.
Протягом останнього десятиріччя, після приєднання нашої країни в 2005 році до Болонсько-
го процесу щодо зближення та гармонізації систем вищої освіти країн Європи, освітня система
України перебуває в постійному процесі реформування з метою приведення її до відповідності
основним положенням Болонської декларації [1]. Крім того, прийняття Верховною Радою в 2014
95
році Закону України «Про вищу освіту» [2] також додало динамічності змінам, які відбуваються у
вищій школі. Оскільки нововведення та трансформації, передбачені вищезгаданими документами,
впроваджуються не всі одразу, а поступово, вже багато років поспіль можна спостерігати щорічні
модифікації вмісту навчальних планів, а також зміни у правилах щодо розподілення педагогічно-
го навантаження у вузах.
В цілому, питанням автоматизації розподілення навантаження розробники програмних си-
стем для підтримки навчального процесу займаються вже давно, адже виконання цієї роботи
вручну потребує багато часу та зусиль відповідальних співробітників кафедр. Аналіз сайтів ви-
щих навчальних закладів показав, що на даний момент багато вишів вже мають інструменти, ро-
зроблені силами самих університетів/інститутів або за допомогою аутсорсингових компаній, які в
тому чи іншому вигляді реалізують облік даних про зайнятість професорсько-викладацького
складу в навчальному процесі. Зокрема, існують:
- автоматизована система розподілення та обліку виконання навчального навантаження в
Харківському національному автомобільно-дорожньому університеті [3];
- автоматизована система розрахунку навчального навантаження викладачів кафедри вузу
на базі платформи «1С» в Державному аграрному університеті Північного Зауралля [4];
- відповідний модуль «Нагрузки» системи «Ректор-ВУЗ» (розробник Смикалов П.Ю.) [5];
- програмний модуль «Планирование учебной нагрузки» системи «ИСУ ВУЗ» (розробни-
ки – Пекерман З.М, Козін О.М та ін.) [6];
- модуль автоматизованої системи управління навчальним закладом (mkr.org.ua) тощо.
І внутрішньоуніверситетські розробки, і комерційні продукти, звісно, надають користува-
чеві достатньо різноманітні функціональні можливості для ведення документації щодо обліку
даних про професорсько-викладацький склад, навчальні плани та, власне, щодо розподілу наван-
таження між викладачами кафедри. Але, разом з тим, існує і ціла низка недоліків цих програм.
Так, наприклад, комерційне програмне забезпечення має зависоку ціну в тому числі і через те, що
до його функцій входить не тільки підтримка розподілення педагогічного навантаження, а й до-
даткові дії щодо складання розкладу, зберігання довідникових даних тощо. Також комерційні
продукти в більшості своїй потребують більше часу для їх налаштування та інтеграції у навчаль-
ний процес вишу. Але навіть і це не є критичними «мінусами» існуючих програм.
Найвідчутнішим недоліком досліджених програмних інструментів є їхня нездатність врахо-
вувати всі зміни, які відбуваються сьогодні в правилах розрахунку педагогічного навантаження,
без модифікації самого програмного забезпечення. Зміна формул розрахунку годин педнаванта-
ження, зміна кількості годин в кредитах, зниження максимально допустимого річного сумарного
навантаження викладачів в залежності від посади та звання і т.д. не можуть бути адекватно опра-
цьовані розглянутими програмами. Таким чином, подальша робота у напрямку подолання
недоліків існуючого ПЗ та створення інструменту з високим ступенем налаштовуваності на по-
точні вимоги щодо розрахунку педагогічного навантаження є актуальною.
В межах створення програмних засобів, здатних гнучко реагувати на зміни правил обчис-
лення навантаження викладачів, авторами сформульовано та розв’язано такі задачі:
- автоматичне зчитування даних із наданих навчальних робочих планів;
- розроблення функціональності для розрахунку навантаження кафедри в цілому та кожного
окремого викладача з урахуванням встановлених правил та обмежень;
- генерування звітної документації (за заданими шаблонами/формами поточного року);
- надання можливості змінювати формули та обмежувати значення параметрів розрахунку, а
також шаблони і форми звітної документації;
- забезпечення відповідного інтерфейсу подання даних в залежності від ролі користувача.
У доповіді запропоновано структурно-алгоритмічну організацію розроблюваного клієнт-
серверного застосунку. Він складається з таких частин як:
- блок зчитування та збереження даних – відповідає за експорт даних із Excel документу нав-
чального плану та збереження їх у базі даних;
- блок обчислення навантаження: модуль формування навантаження по кафедрі та модуль
розподілення академічних годин;
- модуль генерування звітної документації;
- модуль інтерфейсу користувача.
96
В системі передбачено, що користувач може мати один із двох рівнів доступу: або
«Адміністратор» (має права на всю основну функціональність ПЗ та виконує основні завдання
щодо розподілення та обліку навантаження), або «Працівник» (може тільки переглядати інфор-
мацію, яка стосується безпосередньо його).
Для програмної реалізації клієнтської частини використано платформу .NET, а саме середо-
вище розробки MS Visual Studio 2015, мову програмування С# 6.0 та графічну підсистему WPF. У
якості сховища даних обрано СУБД Microsoft SQL Server 2014 . Взаємодія з даними виконується
на основі ORM Entity Framework.
Серед можливих сценаріїв розвитку даного проекту у майбутньому автори вважають ціка-
вим такі, що описані нижче. По-перше, застосунок розроблений на .NET, тому тут доцільно вико-
ристати Microsoft UWP, тобто систему різноманітних API, яка використовується для розробки ПЗ,
що може запуститись на різних видах пристроїв з різними форм-факторами. Це дозволить праців-
нику переглядати інформацію про навантаження не тільки через комп'ютер, а також через смарт-
фон і т.п. По-друге, нагальною є потреба у створенні механізму, за допомогою якого може
здійснюватися предиктивне введення даних при розподіленні навантаження на основі результатів
розподілу попередніх років із можливістю швидкого редагування у разі помилкового прогно-
зування.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. The Bologna Declaration of 19 June 1999 [Електронний ресурс] / – Режим доступу:
http://www.ehea.info/Uploads/Declarations/BOLOGNA_DECLARATION1.pdf. - (17.04.2016)
2. Закон України «Про вищу освіту» від 01.07.2014 № 1556-VII [Електронний ресурс] / Верховна Рада України – Режим доступу: http://zakon5.rada.gov.ua/laws/show/1556-18. - (17.04.2016)
3. Подригало Н.М. Автоматизация процесса распределения и учета учебной нагрузки преподавателя [Електронний ресурс] / Подри-
гало Н.М. – Режим доступу: http://cyberleninka.ru/article/n/avtomatizatsiya-protsessa-raspredeleniya-i-ucheta-uchebnoy-nagruzki-prepodavatelya. - (17.04.2016)
4. Каюгина C.М. Автоматизированная система расчета и распределения учебной нагрузки преподавателей кафедры вуза на базе
платформы «1с» [Електронний ресурс] / Каюгина C.М. – Режим доступу: http://web.snauka.ru/issues/2015/11/58943. - (17.04.2016) 5. Ректор – программа Расписание: Продукты: [Електронний ресурс] Режим доступу: http://rector.spb.ru/. – (17.04.2016)
6. Интегрированная система управления учебным процессом: [Електронний ресурс] Режим доступу: http://isuvuz.ru/ – (17.04.2016)
004.912
ПАСТУШЕНКО А.С., ЗАБОЛОТНЯ Т.М.
НТУУ «КПІ» (Україна)
ПРОГРАМНЕ ЗАБЕЗПЕЧЕННЯ ДЛЯ ПІДТРИМКИ ДОСЛІДЖЕННЯ ЕФЕКТИВНОСТІ
АВТОМАТИЗОВАНОГО РЕФЕРУВАННЯ ПРИРОДНОМОВНИХ ТЕКСТОВИХ ДАНИХ
В даній роботі запропоновано структурну організацію та обгрунтовано вибір засобів ре-
алізації програмного забезпечення для підтримки дослідження ефективності методів автомати-
зованого реферування природномовних текстових даних. Наведено особливості реалізованих ал-
горитмів автоматизованого реферування; визначено напрямки подальшого розвитку проекту.
На сьогоднішній день швидкозростаючі обсяги інформації, поданої в електронному вигляді,
обумовлюють необхідність пошуку шляхів прискорення її аналізу та обробки без втрати при
цьому якості отримуваних результатів (в першу чергу, за критеріями повноти та точності). Пере-
важну більшість цифрових даних складають текстові дані, тому область вищезгаданих досліджень
знаходиться здебільшого серед методів автоматичної обробки текстів (АОТ).
Очевидно, що для досягнення більш високої швидкості аналізу текстових даних часто до-
статньо просто скоротити (або стиснути) ці дані без спотворення змісту і тільки потім їх
аналізувати чи якимось чином обробляти. Наприклад, замість великого роману можна про-
аналізувати його скорочену адаптовану версію, реферат, щоб швидко вилучити з нього інфор-
мацію про головних героїв твору та перебіг подій, що описується в романі. Таким чином, серед
всіх напрямків галузі АОТ доцільно звернути увагу на автоматизоване реферування.
Однією з особливостей методів автоматизованого реферування текстових даних є те, що
ефективність їх застосування часто залежить від коректності вибору методу для кожної окремої
ситуації та від точності налаштування вхідних параметрів цього методу (різних ваг, порогових
значень, коефіцієнтів тощо). Іншими словами, для отримання кращих показників роботи методів
реферування необхідно проводити додаткові дослідження, щоб емпіричним шляхом визначити,
97
який метод краще застосувати для обробки заданого тексту, а також щоб підібрати відповідні
значення вхідних параметрів даного методу.
Не дивлячись на практично необмежені можливості сучасної обчислювальної техніки, а та-
кож на існування великої кількості програмних бібліотек, що містять реалізації методів АОТ (в
тому числі і методів реферування), емпіричні дослідження ефективності застосування цих методів
спеціалісти з комп’ютерної лінгвістики часто проводять вручну. Серед причин такого стану речей
можна назвати складність або неможливість запуску алгоритмів в однакових умовах, оскільки
багато методів реалізовано різними мовами (та версіями мов) програмування, для різних плат-
форм, компіляторів тощо. Також можна зазначити, що існуюче програмне забезпечення не носить
дослідницького характеру: наявні бібліотеки методів та програмні засоби вимагають введення
значень параметрів методів перед початком роботи і не надають інструментарію для вивчення
ефективності роботи методу. Таким чином, розробка програмного забезпечення для підтримки
дослідження та порівняння ефективності методів автоматизованого реферування природномовних
текстових даних на сьогоднішній день є актуальною задачею.
З огляду на все вищесказане, метою даного дослідження є спрощення процесу порівнняння
спеціалістами у галузі комп’ютерної лінгвістики ефективності методів автоматизованого рефе-
рування шляхом створення нового програмного забезпечення, яке дозволить оцінювати ефек-
тивність алгоритмів, що реалізують методи автоматизованого реферуваня, надавати можливості
для їх гнучкої конфігурації, а також для динамічного підключення нових програмних бібліотек
методів.
Для досягнення даної мети авторами поставлено такі завдання:
− створення програмного інтерфейсу (API), що представляє собою набір класів, які дозволя-
ють реалізувати алгоритми автоматизованого реферування, проводити їх конфігурування за
допомогою інтерфейсу користувача, запускати та оцінювати роботу відповідного методу;
− забезпечення динамічного підключення до системи необхідних модулів без перезапуску си-
стеми; кожний з модулів повинен містити програмну реалізацію певного методу автомати-
зованого реферування текстів або службові функції, що розширюють можливості застосу-
вання програмного забезпечення;
− надання можливості збереження налаштувань методів, що надасть змогу заватажувати по-
передні напрацювання;
− надання зручного інтерфейсу користувача, що сприятиме легкому налаштуванню пара-
метрів алгоритмів та проводженню аналізу ефективності того чи іншого методу.
В доповіді авторами запропоновано структурну організацію розроблюваної системи, більш
детально розказано про технології та шаблони, які використовувались при її створенні, наведено
основні use-cases її використання.
На даний момент у системі реалізовано такі методи автоматизованого реферування:
− ACSI-Matic – модифікація статистичного методу Луна, що збільшує вагу слів, які най-
частіше зустрічаються в тексті [2]. В рамках методу вводиться термін representative (R) –
слово, частота появи якого в тексті більша, ніж середня частота появи слів в тексті. Всі інші
слова в тексті приймаються за non-representative (N - слова). З урахуванням даного факту,
для кожного речення обчислюються вага: R-словам присвоюється вага, що дорівнює 1; для
N-слів, що знаходяться між R-cловами, вага обчислюється як
, де n – кількість слів між R-
словами; N-слова на початку та в кінці речення не враховуються при обчисленні ваги речен-
ня.
− TextRank – застосування алгоритму PageRank, що використовується для ранжування веб-
сторінок при пошукових запитах, для реферування текстових даних. Основною ідеєю мето-
ду є: побудова графу документу у вигляді матриці , де n – кількість речень у вхідному
текстовому матеріалі; ітеративний процес визначення зв’язків між вершинами графу (ре-
ченнями) шляхом знаходження однакових або близьких за змістом слів у двох реченнях, за-
стосування до цього графу алгоритму PageRank та відбору речень з найбільшими вагами,
обчисленими за допомогою цього алгоритму [3].
У процесі проектування архітектури системи було вирішено застосувати пiдхiд до побудови
програмного забезпечення, що грунтується на використанні шаблонiв проектування. Було вста-
98
новлено, що для створення системи доцільно використати поведiнковий шаблон проектування
стратегiя (Strategy), що дозволяє реалiзувати спільний інтерфейс для запуску всіх доступних мо-
дулів системи, котрі можуть являти собою як алгоритми реферування, так і модулі введен-
ня/виведення чи алгоритми оцінювання ефективності методів реферування. Додатково для
конфігурації системи і завантаження компонентів модулів доцільно реалізувати шаблон «Шаб-
лонний метод» (Template method), що надає змогу задавати абстрактний алгоритм, але залишає
реалізацію конкретних кроків класам-нащадкам, що представлені конкретними модулями.
Перспективні напрямки подальшого розвитку системи автори вбачають у розширенні набо-
ру підтримуваних методів реферування, реалізації набору метрик Rouge для оцінки результатів
реферувння, реалізації модулів вводу/виводу, що підтримують різноманітні формати даних, по-
кращення інтерфейсу користувача шляхом додавання підсистеми підказок для ключових еле-
ментів інтерфейсу.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. J. Bishop C# 3.0 Design Patterns [Текст] / Judith Bishop; ISBN 10: 0-596-52773-X, ISBN 13: 978-0-596-52773-0. – O’Reilly, 2008. –
290pp.
2. Автоматическая обработка естественного языка [Електронний ресурс] / А.В. Луканин. – Режим доступу: http://artyom.ice-lc.com/science/alukanin_nlproc.pdf – (15.04.2016).
3. TextRank: Bringing Order into Texts [Електронний ресурс] / Rada Mihalcea, Paul Tarau – Режим доступу:
https://web.eecs.umich.edu/~mihalcea/papers/mihalcea.emnlp04.pdf – (15.04.2016).
УДК 631.311.004
ПОВОРОЗНЮК Н.І
НТУУ"КПІ" (Україна)
РЕАЛІЗАЦІЯ ВЕЙВЛЕТ-АНАЛІЗАТОРА АКТИВНОГО ФІЛЬТРА
Досліджено методи аналізу напруг і струмів системи електропостачання. Запропонована
структура вейвлет-аналізатора сигналів активного фільтра.
Вступ. Сучасні системи електропостачання живлять споживачів, до складу яких входять
конвертори і інвертори, що працюють у ключовому режимі, електродвигуни зі змінною швид-
кістю обертання, електродугові плавильні печі тощо. Такі потужні споживачі є нелінійним наван-
таженням електричних мереж і спотворюють форму кривих струму і напруги. Нерівномірне
навантаження фаз трифазної системи електропостачання призводить до асиметрії цієї системи.
Робота релейної системи захисту електромереж спричинює різку зміну навантаження, а робота у
системі електричних машин і трансформаторів погіршує коефіцієнт потужності. Усі ці чинники
негативно впливають на якість електроенергії. Низька якість електроенергії призводить до
значних економічних втрат.
Постановка задачі і її вирішення. Задача поліпшення якості електроенергії була актуальна
на всіх етапах розвитку електроенергетики. Наприклад, конденсаторні батареї для компенсації
реактивної потужності почали застосовувати одночасно з широким впровадженням електричних
двигунів і трансформаторів.
Особливо гостро проблема якості електроенергії постала із розробкою і застосуванням на
практиці потужних напівпровідникових пристроїв силової електроніки (MOSFET, MCT, IGBT ,
IGCTS, IEGT), які працюють у ключовому режимі. Робота у такому режимі спотворює синусоїдну
форму кривих струму та, тобто в електричній мережі виникають і поширюються вищі гармонічні
складові. Найпотужнішими є п’ята, сьома та одинадцята гармоніки.
Для компенсації вищих гармонік традиційно застосовувалися і продовжують застосовуватися
пасивні фільтри, які складаються з батарей конденсаторів і індукторів і налаштовані на частоти ви-
щих гармонік. Основна перевага пасивних фільтрів — відносно низька вартість. Недоліками таких
фільтрів є низька добротність, різке зниження ефективності фільтрації при коливаннях навантажен-
ня і зміні параметрів фільтра, обумовлених температурою і старінням [1, 2].
Успіхи в області силової електроніки, мікропроцесорної і вимірювальної техніки призвели
до розробки і впровадженню у практику пристроїв нового покоління — активних фільтрів
(рис. 1). Напруги та струми мережі сприймаються датчиками і поступають на аналізатор сигналів.
У аналізаторі сигналів визначається вид, форма та параметри спотворень сигналів і далі фор-
мується неспотворені опорні сигнали. Далі виділяються сигнали спотворення, тобто різниця між
99
спотвореними сигналами мережі і неспотвореними опорними сигналами. Сигнали спотворення
керують ключами інвертора таким чином, що інвертор перетворює енергію, накопичену на кон-
денсаторі, у систему трифазних струмів, знаки яких протилежні знакам струмів спотворення і
таким чином здійснюється компенсація спотворень.
Рис. 1. Структура активного фільтра
Аналізатор сигналів є однією з основних частин активного фільтра і може здійснювати
аналіз як у частотній, так і у часовій області [3, 4, 5]. Для аналізу сигналів у частотній області тра-
диційно використовують перетворення Фур’є, яке реалізується за алгоритмом швидкого перетво-
рення Фур’є. Оскільки базовими функціями перетворення Фур’є є синусоїдні і косинусоїдні
функції, то це перетворення призначене лише для стаціонарних сигналів, спектральний склад
яких не змінюється з плином часу. Напруги і струми трифазної системи живлення є нестаціонар-
ними сигналами, властивості яких змінюються зі зміною навантаження, аварійним відключенням
споживачів релейною системою захисту тощо. Застосування перетворення Фур’є до таких сиг-
налів призводить до значної динамічної похибки і у кінцевому рахунку до низької ефективності
компенсації.
Для нестаціонарних сигналів доцільно застосовувати вейвлет-аналіз [6]. Він має керовану
роздільну здатність за часом і частотою, що дає змогу відслідковувати зміну спотворень струмів і
напруг мережі за часом, внаслідок чого значно підвищується ефективність компенсації.
У програмному середовищі MATLAB/Simulink була створена модель вейвлет-аналізатора
струмів і напруг трифазної мережі для реалізації активного фільтра. Досліджена ефективність
компенсації активним фільтром спотворень форми кривих струмів і напруг, корекції коефіцієнта
потужності і асиметрії.
Висновки. Створена у програмному середовищі MATLAB/Simulink модель активного філь-
тра з вейвлет-аналізатором сигналів показала високу ефективність компенсації спотворень
струмів і напруг трифазної мережі.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. H. Akagi, Modern Active Filters and traditional Passive Filters, Bulletin of the Polish Academy of Sciences, Technical Sciences, vol. 54,
no. 3, 2006.
2. D. Bhatane, H. Lade A Review of Active Filters for Power Quality Improvement, International Journal For Technological Research In
Engineering Vol. 2, Issue 10, June-2015.
3. A. Ghamri et al. Comparative Study between Different Controllers used in Three-Phase Four-Wire Shunt Active Filter, Energy Procedia 74 ( 2015 ) 807 – 816
Інвертор
Пристрій
керування
ключами
інвертора
Формувач
антиспотворень
Формувач
опорних
сигналів
Датчики
Синхронізатор
Аналізатор
сигналів
Нелінійний
нестаціонарний
споживач
Генератор
Конденсатор
100
4. G. Arthy, C.N. Marimuthu, Review of Digital control schemes for Active Power Filters, IOSR Journal of Electronics & Communication
Engineering (IOSR-JECE) pp. 53-62
5. L.R. Limongi; I. Bojoi; G. Griva; A. Tenconi, Digital Current-Control Schemes. In: IEEE Industrial Electronics Magazine, 2009 vol. 3 n. 1, pp. 20-31. - ISSN 1932-4529.
6. K. G. Firouzjah et al, A New Harmonic Detection Method for Shunt Active Filter Based on Wavelet Transform, Journal of Applied Scienc-
es Research, 2008 vol. 4(11), pp. 1561-1568.
УДК 004.9
САГАЙДА П.И.
Донецкий национальный технический университет (г. Красноармейск, Украина)
СОВРЕМЕННЫЕ ПОДХОДЫ К ПРИМЕНЕНИЮ В МАШИНОСТРОЕНИИ
КОМПЬЮТЕРИЗИРОВАННЫХ ИНФОРМАЦИОННЫХ СИСТЕМ ДЛЯ
ИНТЕЛЛЕКТУАЛЬНОЙ ОБРАБОТКИ ДАННЫХ
Выполнен системный анализ процессов информационной поддержки деятельности в обла-сти машиностроения и определены направления использования и принципы организации компью-теризированных информационных систем для интеллектуальной обработки данных на основе методов инженерии знаний.
Общая постановка проблемы. В современном машиностроении в проектирование и реали-
зацию изделий и технологических процессов по их получению вовлечены высокоразвитые чело-
веческие и технические ресурсы, используются наукоемкие технологии и качественные материа-
лы, получаемые в рамках различных сложных и энергоемких переделов. Получение требуемых
заготовок, в том числе крупных и уникальных, в ходе реализации металлургических процессов,
прокатки, ковки и штамповки материалов, сварочных операций, обработки металлов резанием
позволяет обеспечить изготовление деталей и сборочных изделий в составе производительных
машин и механизмов, обеспечивающих функционирование эффективных производственных ком-
плексов, которые являются основой современной промышленности, горного дела, сельского хо-
зяйства, научных изысканий.
Повышение качества обработки поверхностей изделий, не превышение требуемых отклоне-
ний от геометрических параметров, достижение соответствующих показателей твердости и проч-
ности поверхностных слоев, обеспечение эффективных и, в отдельных случаях, оптимальных
параметров процесса обработки деталей, производительности оборудования и обслуживающего
персонала, расхода ресурсов, – требует организации производства на основе обоснованных и
адекватных моделей процессов, протекающих при функционировании организационно-
технических систем, составляющих машиностроительное производство и смежные с ним процес-
сы маркетинга, логистики и финансовой сферы.
Постановка задач исследования. Построение и эффективное использование моделей про-
изводственных и технологических процессов, процессов преобразования материальных потоков и
потоков данных возможно в рамках компьютеризированных информационных систем (КИС),
ориентированных на интеллектуальную обработку данных (ИОД). Целью работы является си-
стемный анализ предметной области работы КИС для ИОД в машиностроении для определения
эффективных подходов к их применению в машиностроении.
Основная часть. Начальной активностью для обеспечения машиностроительного производ-
ства являются маркетинговые исследования и научно-технические изыскания, которые позволяют
выявить социально-экономическую либо технологическую потребность в новой технике или в
воспроизводстве уже эксплуатируемой, определить пути и алгоритмы удовлетворения этих по-
требностей, спланировать научную, проектную, инженерно-технологическую деятельность, для
чего необходимо применять сложные социальные, экономические, технические модели. Процес-
сы проектирования машиностроительных изделий также требуют разнообразного моделирования
– геометрического, компьютерной графики, технической механики, различных физико-
химических процессов (нагруженных состояний, износа, переноса тепла, электротехнических
процессов и т.д.). Кроме того требуется изучение имеющихся технико-технологических аналогов,
патентной чистоты, производственной и инструментальной базы и т.д., что может быть обеспече-
но только за счет интенсивного информационного обеспечения на основе корпоративных и гло-
бальных информационных систем и сетей.
Под интеллектуальностью при обработке данных в современной науке понимают прежде
101
Предметная областьИнформационная система
OLAP и Data Mining (методы
искусственного интеллекта,
Machine Learning, методы
математической статистики)
Базы данных /
Хранилища
данных
Уровень онтологий
Управляющиевоздействия
Системныйэффект
Оптимальныйрежим
Извлечение моделей(знаний) из данных
Результаты измерения (опроса) состояния проблемной области
Структуриро-ванные инеструктуриро-ванные данные извнешниххранилищ иИнтернет
всего использование интеллекта аналитиков и экспертов в предметной области, чьи слабо форма-
лизуемые знания интегрируют в состав алгоритмического обеспечения КИС. Эти и другие интел-
лектуальные агенты участвуют в процессе формирования гипотез, в онтологическом инжинирин-
ге, в оценке и интерпретации получаемых для предметной области моделей. Другим источником
интеллектуальности в обработке данных является использование методов искусственного интел-
лекта, моделирующих биологические основы интеллектуальной деятельности человека (напри-
мер, с помощью искусственных нейронных сетей), эволюционные основы развития биологиче-
ских систем (в частности, в виде генетических алгоритмов) и основы логики человеческого мыш-
ления (прежде всего, с помощью теории нечетких множеств и мер, а также систем нечеткого вы-
вода). Кроме того, при обработке данных применяют также результаты исследований инженеров
по знаниям (ученых и практиков).
Общая схема функционирования КИС для ИОД приведена на рисунке 1.
Рис. 1 Общая схема функционирования КИС для ИОД
Для большинства процессов, протекающих в организационно-технических системах в ма-
шиностроении, в настоящее время нет достаточно разработанных детерминированных моделей
(моделей в виде систем уравнений и неравенств алгебраического, дифференциального, инте-
грального типа или их гибридов), которые бы позволяли вырабатывать однозначно эффективные
управляющие воздействия (или поддерживать принятие решений). Вместе с тем, для производ-
ственных задач в ходе оптимального управления необходимо получить результаты в виде конку-
рентоспособных изделий, оперативности и качества предоставляемых услуг либо другого систем-
ного эффекта с минимальными затратами ресурсов. Для этого лица, принимающие решения,
должны располагать соответствующими знаниями, т.е. в данном случае, моделями зависимостей
параметров предметной области. Модели с использованием КИС для ИОД извлекают из храни-
лищ данных (рис. 1) с помощью разнообразного алгоритмического обеспечения, представленного
различными статистическими методами анализа данных (корреляционных, регрессионный, дис-
персионный, дискриминантный, факторный, кластерный и другие виды анализа) и методами ма-
шинного обучения (алгоритмами построения баз и деревьев правил, построения ассоциативных
правил, сетей Байеса и т.п.). Под интеллектуальной обработкой данных будем подразумевать об-
работку накопленных в базах и хранилищах данных с целью извлечения и использования зависи-
мостей между параметрами, представленных в виде моделей функционирования предметной об-
ласти информационной системы. Такая обработка должна вестись учетом накопленных знаний о
предметной области и о процессе обработки данных, формализованных методами инженерии
знаний, в частности, в виде онтологических моделей. Необходима разработка как теоретических
подходов, так и алгоритмических средств для организации онтологических моделей и для исполь-
зования их на основе различных преобразований таких моделей и запросов к ним. Онтология,
представленная в виде модели на основе дескриптивной логики, не обладает достаточной вырази-
тельностью для представления знаний, важных с точки зрения выработки управляющих воздей-
ствий. Для формализации таких знаний используют разновидности подмножеств логики первого
порядка, выражения в которых, однако, должны базироваться на концептах и свойствах опреде-
ленной онтологии.
102
Выводы. Решение задач, выявленных в ходе системного анализа процессов информацион-
ной поддержки деятельности в области машиностроения, требует организации и широкого внед-
рения КИС для ИОД на основе онтологического подхода и других методов инженерии знаний, а
также развития методов и средств построения баз знаний и хранилищ данных в КИС.
СЕКЦІЯ 5 УДК 004.67
MANAKOVA N.O., MAKOGON N.V.
О. М. Beketov NUUE
INFORMATION ACTIVITY OF LOCAL GOVERNMENT AS THE INSTRUMENT FOR
PUBLIC ENGAGEMENT OF CITIZENS
This report examines a public participation of citizens in urban management and planning means. The
one of the possible ways to public engagement is a development of Local Government information activi-
ties. The paper presents the investigation of increasing the decision-making process efficiency in Urban
studies considering citizens’ perceptions through the application of data mining and spatial analysis.
Public participation of citizens in urban management and planning means that they are actively in-
volved in determination of the current problems, discussion of issues, definition of tools for problem
solving, finding of ways to realize required actions.
In accordance to Strong European City Leipzig Charter (2007) [1], in most municipalities of Euro-
pean Union involving citizens to play an effective role in decision making is happening. But could it be
made more effective? Could it be applicable to municipalities of other countries? Which ways should we
use to engage citizens and inspire their enthusiasm? Taking into account the current state of people's
engagement into information technology and according to investigation [2], the most effective way to
public engagement is development of Urban Government information activities.
This point means that Information Activities of Local government should possess such characteristics as:
1) Inspiration to public participation
a) Inspire enthusiasm and passion to get people involved
b) Make people feel it is important and significant for them to be involved.
2) Transparency
a) Indicate how the provided information will be used
b) Share information from the small group discussions with a wider audience
3) Informed participation
a) Indicate why and how decisions are reached
b) Inform which events will be delivered
4) Feedback to participants
a) Demonstrate to citizens that their feedback and opinions matter
b) Reasonably quick response to complaints and proposals
5) The formation of public opinion
a) Making and support of Local Government positive image
b) Reasoned influence on city citizens' point of view
Therefore, this research is assumed to study methods of the Internet content analysis for the purpose of:
● running of current and retrospective information diagnostics of Urban Government activity;
● reveal of the users' behavioral markers.
The results of the studied methods application can be used in social forecasting, for example, to de-
termine the level of satisfaction (product, service or government affairs), political sentiments focus and
the degree of the Internet audience involvement in the off-line situations and events. And also they will
be used for the formation of information space for the decision support system prototype.
The entire volume of Local Government information activity research will be considered as the
three possible versions in terms of the time aspect:
1) A retrospective analysis in which besides historical data sets generated by the subject and the ob-
ject, it is necessary to consider the chronological timeline of events (event timeline).
The purpose of this analysis is to find out both the trends in the development of the object in the
103
previous period and critical points, leading to a change in the estimated indicators.
2) Runtime or current information diagnostics: estimation of the object information field current
state. It is not necessary to consider any specific narrow time period (day or hour) as current time mo-
ment, it may be a period of time. The main difference from the previous one is the lack of binding in a
chronological timeline of events.
3) Monitoring or predictive analysis: inspection of the object information field development on the
given indicator to predict the subjects reaction to the various actions of the object both in the field of
information activities and in its main functioning.
● Continuous monitoring of the object
● Object development forecast
● Prediction of reactions to disturbing events
The goal of the investigation is to increase the decision-making process efficiency in Urban studies
considering citizens’ mind through the application of data mining and spatial analysis. Data mining is the
process that discovers correlations, patterns, trends or relationships by searching through a large amount
of data stored in repositories, corporate databases and data warehouses and it should be use to create the
prototype of the modern smart analytical system, which provides information support to make reasoned
decisions with easy-to-use open data visualization (social media data, open statistic data and others) and
to involve policymakers and stakeholders in the implementation of actual city problems.
REFERENCES 1. Markus Eeltges Leipzig charter on sustainable European cites – a work in progress // European spatial research and policy. – 2009. - Number 2. - Volume 16
2. Jennifer Lake Public Engagement – Back to Basics // Papers in Canadian Economic Development. – 2013. – Volume 14.
УДК: 519.86
VERSTIAK ANDRII, VERSTIAK OKSANA
ChNU, ChTEI KNTEU (Ukraine)
MODELING ECONOMIC CONVERGENCE BETWEEN EUROPEAN UNION AND UKRAINE
WITH VINE COPULAS
The paper is devoted to the problem of economic integration in terms of real and nominal econom-
ic convergence between EU countries and Ukraine. Dependence modeling using copulas is nowadays
very common to account for such patterns. Using vine copulas the authors modeled complex dependency
patterns in R system.
The history of European integration gives the evidence that it occurred among the countries achiev-
ing relatively high levels of economic and political development. The integration (apart from the rea-
soned process of increasing interdependence of national economies) is based on the need for mutual ad-
aptation and joint regulation of economic processes across the entire economic complex formed. The
effectiveness of this regulation depends on the level of economics, social and legal systems. In theory of
economic growth there is assumed that the initial differentiation in the level of economic development is
the result of exogenous shocks and imperfect adjustment mechanisms. In accordance with the hypothesis
of convergence, if the economy of the country (region) at the initial point is further from the position of
stable equilibrium, its growth rate will be higher than in the economy, which is closer to equilibrium. So,
in the long-term period the differentiation disappears. Above mentioned processes are of the higher inter-
est during the crisis period when detrimental trends may have significant effects on economic policies
facilitating potential growth. The paper considers convergence in terms of these the main economic
growth trends.
The analysis of the researches devoted to convergence process allowed distinguishing many basic
mechanisms that provide a positive impact on such process, but the most widely used two concepts of
convergence: the so-called beta-and sigma-convergence [1-5].
The concept of -convergence [1] defines convergence as a process of "building" in which
countries with lower levels of development have higher rates of economic growth. The second type of
convergence, i.e., -convergence [2], defined as a reduction in the time variance of the GDP distribution
or another indicator of income in countries or regions. The hypotheses of -convergence and -
104
convergence are interdependent, but not equivalent. A number of studies [1-4] proved that with absolute
-convergence -convergence does not follow directly. Henin and Le Pen [5] suggested the interpreta-
tion of interdependence between two types of convergence: absolute -convergence indicates the exist-
ence of the trend towards reducing the gap in GDP per capita. At the same time, random shocks affecting
the economy of countries (regions) may counteract this trend and temporarily increase the variance of the
distribution of GDP per capita.
The starting point for the analysis of convergence is the so-called unconditional -convergence
model, which is based on the neoclassical theory of growth [6-7]. Within this model the economic
growth is positively correlated with a gap at the initial time between initial per capita income for the
country (region) and the level of per capita income in the steady state equilibrium (steady-state level),
which are the same for all regions. In steady-state equilibrium countries (regions) have a stable growth
path, characterized by constant growth rate of per capita income. In compliance with the model countries
(regions) with lower development should grow at a faster rate than those with higher levels of develop-
ment, so in the long-term period it should be aligning of regional levels of economic development. The
model of unconditional -convergence can be written as [2]:
2
0 , 0, ,Tg y N I
where Tg - logarithm of the average growth rate for the period Т; 0y - logarithm of the initial level
of (GDP per capita); - parameter that contains a provision of technological progress and the level of
per capita income in the steady state equilibrium; - rate of convergence; - random component.
The process of convergence is characterized by "convergence speed" and by overcome time of
half the distance that separates the economy of the country (region) from its steady state. These coeffi-
cients can be calculated by evaluating the coefficient of convergence as ˆ ˆln 1 /b T T and
ˆln 2 /hl b , respectively. Convergence rate is determined by the sign and value of the coefficient .
If 0 , so there is convergence; if 0 , than there is divergence. In the model of unconditional con-
vergence in accordance with neoclassical growth theory it is tested the hypothesis of a negative correla-
tion between average growth rate and initial per capita income [3]. At the same time, the theory assumes
that countries (regions) tend to a single trajectory of proportional growth.
We propose to investigate convergence between EU countries and Ukraine using co-called vie
copulas. In search for flexible multivariate distributions, copula modeling has recently become increas-
ingly popular in many fields of application. A vine is a graphical tool for labeling constraints in high-
dimensional probability distributions. A regular vine is a special case for which all constraints are two-
dimensional or conditional two-dimensional. Regular vines generalize trees, and are themselves speciali-
zations of Cantor trees [8]. Combined with bivariate copulas, regular vines have proven to be a flexible
tool in high-dimensional dependence modeling.
Copulas are multivariate distributions with uniform univariate margins. Representing a joint distri-
bution as univariate margins plus copulas allows the separation of the problems of estimating univariate
distributions from the problems of estimating dependence. This is handy in as much as univariate distri-
butions in many cases can be adequately estimated from data, whereas dependence information is rough
hewn, involving summary indicators and judgment [9]. Although the number of parametric multivariate
copula families with flexible dependence is limited, there are many parametric families of bivariate copu-
las. Regular vines owe their increasing popularity to the fact that they leverage from bivariate copulas
and enable extensions to arbitrary dimensions. Sampling theory and estimation theory for regular vines
are well developed and model inference has left the post. Regular vines have proven useful in other prob-
lems such as (constrained) sampling of correlation matrices, building non-parametric continuous Bayesi-
an networks. We used R-software for estimating and sampling regular vines.
To summarize, the above analysis showed strong positive dependencies among the European coun-
tries. Further, we found evidence of medium to strong tail dependence as well as of some asymmetries in
the dependence structure.
105
REFERENCES
1. Barro R.J, Sala-i-Martin, X. (Ed.) (1991). Convergence across states and regions. Brookings Papers on Economic Activity, 1, 107-158.
2. Barro, R. J. and Sala-i-Martin, X. X. (1992). Convergence. Journal of Political Economy 100, 223–251. 3. Barro, R.J., Sala-i-Martin, X.X. (1995). Economic Growth. McGraw Hill, New.
4. Barro R.J, Sala-i-Martin, X. (2004) Economic Growth. Cambridge, Massachusetts; London, England, MIT Press.
5. Henin, P.Y. and Le Pen, Y. (1995). Les episodes de la Convergence Europeenne. Revue Economique, 46 3, pp. 667–677. 6. Solow, Robert. (1956). A Contribution to the Theory of Economic Growth. Quarterly Journal of Economics, 70, 65-94.
7. Solow, Robert M. (1957). The Technical Change and the Aggregate Production Function. Review of Economics and Statistics 39:312-320.
8. Beford, T.J.; Cooke, R.M. (2002). "Vines - a new graphical model for dependent random variables". Annals of Statistics 30 (4): 1031–1068. doi:10.1214/aos/1031689016
9. Vinnychuk O. Research of economic growth in the context of knowledge economy / O. Vinnychuk, L. Skrashchuk, I. Vinnychuk // IN-
TELLECTUAL ECONOMICS. – Vilnius, 2014. Vol. 8, No. 1(19), p. 116–127.
UDC 330.46, 519.866
VINNYCHUK I.S., VINNYCHUK O.Y.
Yuriy Fed’kovych Chernivtsi National University
SIMULATION EXPERIMENTS WITH PARAMETERS OF LEGAL AND SHADOW
ECONOMIES INTERACTION MODEL
The simulation experiments show how changing values of different model parameters influence on
the dynamics of model solutions. Based on the results of this analysis it is possible to determine the fac-
tors of the shadow economy legalization.
The shadow economy with its specific socio-economic characteristics and all-permeating manner
represent itself as an integral part of any economic system [1]. In recent years economic situation in
Ukraine is characterized by significant expansion of the shadow economy and its increasing impact on
the socio-economic life of society.
This article expands the results obtained in previous works [2,3,4].
The data for this article were collected from official statistical reviews of Ukraine, but some varia-
bles (including shares of possible bribes, the amount of misappropriated public funds etc.) have expert
estimated values.
To analyze the interaction patterns of the shadow and legal economies interaction based on collect-
ed data and described model (1) – (9) information system “Shadow economy” was developed. It includes
a core based on a MatLab functions and graphical user interface designed using Microsoft Visual Studio
2012. Constructed models of shadow and legal economies interaction allow to plan experiments to study
the dependence of model solutions on parameters.
In order to find dependence of model solutions on its parameters we set upper and lower limits for
the values of parameters and performed computational experiments. Computational experiment consisted
in finding solutions at different values of one parameter at fixed values of other parameters.
For a more detailed analysis of the solutions dynamics depending on the change of model parame-
ters we have found average values of ix . Based on these averages we have built discrete functional de-
pendence of the mean values of model solutions on the parameter. To simplify the analysis of this de-
pendence we approximated them using spline interpolation.
Let us analyze the impact of income tax rate k in the legal economy. The income tax rate has in-
verse effect on savings of real sector workers 1x , workers of budget organizations 3x , pensioners work-
ing in the real sector 4x , pensioners working in budget organizations 5x , entrepreneurs 2x and price of
aggregate product p .
Increasing income tax rate in the long term leads to a price decrease. In view of the fact that the
purchasing power of substantial proportion of the population declines, the product demand is reduced. To
ensure the proper level of sales producers are forced to reduce the price.
The graphs constructed using spline approximation illustrate typical dependence of the model solu-
tions on its parameters. If it is a significant impact on the solution value, then the function will be mono-
tone function like on figure 1.
106
Figure 1. The relationship between the average solutions of 1x and the tax rate k
Let us analyze the influence of payroll tax 1k on model solutions. It is deduced from the experi-
ments that increasing payroll tax 1k leads to a significant reduction in the savings of business owners
(fig. 2).
Figure 2. The relationship between the 2x and the tax rate 1k
In the short term the increasing of payroll tax leads to a growth of the savings of real sector work-
ers and pensioners working in the real sector. Payroll tax 1k has weak contagion on the other variables,
including the savings of workers of budget organizations and pensioners working in budget organiza-
tions.
In the short term under the influence of payroll tax, the price on an aggregate product is rising. This
allows to suspend the falling of entrepreneur’s savings, but in the long term, this pattern is not observed.
The analysis of the average values of 2x confirms that entrepreneur’s savings inversely depend on 1k
(fig. 3).
Figure 3. The relationship between the average solutions of 2x and the payroll tax 1k
The savings of workers of budget organizations, pensioners working in the real sector and in budg-
et organizations reach their local maximum at some average value of 1k (approximately 15 %).
The model solutions analysis shows that the increase of different types of taxes leads to decrease in
savings of almost all economically active groups of society and to growth of shadow economy rate. Eco-
nomic analysis of simulation results shows that the shadow economy can be overcome. It is necessary to
inculcate a set of measures that take into account the general macroeconomic trends of shadow and legal
sectors interactions and are aimed at liberalization of tax system.
107
LIST OF REFERNCES:
1. Григорків В. С., Верстяк А. В. Моделювання цін в екологічно збалансованій економіці з нелі-
нійними міжгалузевими зв’язками // Економічна кібернетика. – 2008. – №3-4 (51-52). – С. 48-54.
2. Grygorkiv, V., Vinnychuk, I., (2014) Analysis of simulation experiments with shadow and legal
economies interaction model, International Scientific Conference – “Whither Our Economies” October
24-25, 2014 Proceedings : 132 – 141.
3. Grygorkiv, V., Vinnychuk, I., (2015) Legal and shadow economies interaction model: analysis of
phase trajectory projection, Business Systems & Economics, Vol. 5(1) : 61 – 72.
4. Vinnychuk, I., Ziukov, S. (2013) Shadow economy in Ukraine: modelling and analysis, Business Sys-
tems & Economics, 3(2) : 141-152.
УДК 519.6
ВЕРГУНОВА І.М.
КНУ імені Тараса Шевченка (Україна)
КОРЕГУВАННЯ АГРОТЕХНОЛОГІЧНИХ СХЕМ ДЛЯ ОПЕРАТИВНОГО
РІВНЮ КЕРУВАННЯ
Наводиться метод побудови технології вирощування сільськогосподарських культур як пос-
лідовності технологічних операцій, які корегуються відповідно до погодних умов, стану поля,
економічних показників. Отримана адаптивна мережа правил та спеціальна організація й оброб-
ка даних матриці бази знань дає можливість побудувати послідовність технологічних операцій
як маршрути логічного виводу.
Зважаючи на неможливість отримання довгострокових прогнозів погоди, а внаслідок цього і
фітосанітарного стану посівів, отримують моделі для середньої погоди та стандартного рівню
протікання процесів на полі за заданого кліматичного району та стандартної технології упродовж
усього періоду, що розглядається [1-3]. Але досить часто стратегічні моделі сильно відрізняються
від моделей оперативного рівню, які були б отримані за поточними даними. Тому важливим є
використання саме моделей, що враховують наявні умови.
Кожна технологічна операція характеризується параметрами, що описують стан об’єкту та
мають відношення до операції (вони надають характеристики об’єкту до та після проведення опе-
рації з конкретними знаряддями, зовнішніми умовами та ін.), та параметрами планування для фо-
рмування технологічних обмежень. Загальна технологія будується як послідовність технологіч-
них процесів за періодами проведення робіт [1-3]. Для технологічної схеми вирощування сільсь-
когосподарських культур технологічна операція є елементарною одиницею технології і може ви-
ступати як основа для розробки моделюючого алгоритму. Модель представлення даних в почат-
ковий момент використовує основні показники для середньої погоди для заданого кліматичного
району та середньої технології. Далі відбувається конкретизація та нарощування представлення
на основі отриманих даних щодо погодних умов та стану поля, економічних показників (вартість
заходів, витрати матеріалів).
Нехай є модель технології вирощування культури, яка побудована для стандартних значень
N показників й основується на використанні множини продукційних правил. Технологія включає
K агрозаходів (K<N). У початковий момент cистема представляється на множині вхідних і вихід-
них даних Kkkykxkxkx M ,...,1 )),(),(),...,(),(( 21 , у вигляді множини правил:
.,...,1 ,1 ,)()(
)( AND... AND )( AND )(
0
1
0
2211
Kk,...rjkxcckyTHEN
iskxiskxiskxIF
М
l
ljlj
jNNjj
В них Nіrjji
,1,,1, 0 - терми вхідних лінгвістичних змінних, 0jс , jlс - експертні уза-
гальнені оцінки з урахуванням необхідних добрив та гербіцидів з точки зору встановлених рівнів
вартості та врожайності. Означена модель є базовою до першої технологічної операції.
Починаючи з виконання першої технологічної операції може виникати необхідність в коре-
гуванні технологічних операцій. Внаслідок великої кількості різних чинників, діючих на техноло-
108
гічну операцію, їх часто поділяють на групи: базові (ґрунтово-кліматична зона, підтип ґрунту і
т.д.), умовно-постійні (сорт рослин, попередник тощо), оперативні (вологість ґрунту, показники
стану рослин, наявність бур’янів, шкідників, хвороб та ін.). Але не у всіх групах відбуваються
зміни, внаслідок яких потрібно проводити корегування. Крім того, не всі параметри явно визна-
чають результати чергової технологічної операції. Це дає можливість мати у поточних правилах
тільки параметри, зміна яких має суттєвий вплив на результати операції. А з переходом до насту-
пних технологічних операцій отримується структура, вказана на рис. 1.
Отже, за кожною технологічною операцією можливе уточнення складеного набору продук-
ційних правил та обмежень, що враховують наявний фітосанітарний стан, погодні умови тощо. В
матриці бази знань рядки, що відповідають наборам правил за технологічними операціями, мають
зсув та можливе збільшення за заповненими стовпцями (тобто вибір потрібних змінних, що явно
приймають участь у конкретному правилі). Матриця за різних Kkk ,...,1 , , (рис. 2) для логічної
обробки використовує організацію даних, подібну до міварної, що дає можливість увести фактор
еволюційності до продукційних правил й отримати адаптивну мережу правил.
Рис. 1. Загальна структура, що враховує результати попередніх технологічних операцій
Rules )(1 kx )(2 kx … )(kxN )(ky
1 )(11 kx )(12 kx … )(1 kx N )(1 ky
2 )(21 kx )(22 kx … )(2 kx N )(2 ky
………………………
r )(1 kxr )(2 kxr
… )(kxrN )(kyr
Рис. 2. Матриця бази знань
Вказаний підхід дозволяє побудувати послідовність технологічних операцій обраної техно-
логії з урахуванням впливів, що викликають потребу в подальшому корегуванні, як отримані ма-
ршрути логічного виводу з огляду на досягнення максимально можливого рівня врожайності за
обмежених грошових та ін. ресурсів.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Vergunova I. Sustainable crop production models and simulation of agritechnological processes / I. Vergunova // A fenntartható
növényternesztés fejlesztési lehetőségei Prof. Dr. Sárvári Mihály 70 éves. – Debrecen, Hungary, 2014. – p. 285-290.
2. Vergunova I. M. The method of optimization of agrotechnological schemes for strategic control level / I. M. Vergunova // Abstracts of conference re-ports. XVII International Conference “Dynamical system modeling and stability investigation “Modelling & Stabil-
ity””, May 27-29, 2015. – K., Ukraine, 2015. – p. 181.
3. Vergunova I. M. Simulation of crop production and agritechnological processes / I. M. Vergunova // «Шістнадцята міжнародна на-укова конференція імені академіка М. Кравчука», 14-15 травня 2015 р., т. ІІ. – К., 2015. – с. 38-41.
IF … ТHEN …
(остання технологічна операція)
…………
IF … ТHEN …
(2 технологічна операція)
IF … ТHEN …
(початковий момент, 1 техно-
логічна операція)
109
УДК: 004.94+630
ГУСТІ М.І.
НУ “ЛЬВІВСЬКА ПОЛІТЕХНІКА” (УКРАЇНА)
ВДОСКОНАЛЕННЯ МОДУЛЯ ПРИЙНЯТТЯ РІШЕНЬ ЩОДО ПАРАМЕТРІВ
ЛІСОКОРИСТУВАННЯ У ГЛОБАЛЬНІЙ МОДЕЛІ ЛІСУ G4M (ВЕРСІЯ ДЛЯ ЄС)
Представлено вдосконалений алгоритм симуляції прийняття рішень щодо зміни параметрів
лісокористування, який використовують у геопросторовій глобальній математичній моделі лісу
(G4M). Запропоновано застосувати чисту поточну вартість в якості економічного критерію
оцінки ефективності рішення, а також врахувати просторове розміщення місць рубок на поча-
тку моделювання. Запроваджені зміни дозволяють отримати адекватні значення площ вирубок,
вік рубок, середні розміри дерев, які вирубують та оцінки емісій вуглекислого газу, спричинених
лісокористуванням.
Глобальна математична модель лісу (G4M) є складовою частиною інформаційної технології
оцінки і прогнозування емісій парникових газів в секторі лісового та сільського господарства,
включаючи виробництво біопалива, а також підтримки прийняття рішень щодо пом'якшення гло-
бальної зміни клімату [1]. G4M є геопросторовою моделлю, яка працює на растрі 0.5°х0.5°, симу-
лює лісокористування, зміни типів землекористування, дозволяє враховувати політики, направле-
ні на помякшення змін клімату, та оцінює відповідні емісії вуглекислого газу [2]. Зокрема, одну з
версій G4M вдосконалено для більш детального моделювання процесів лісокористування та зміни
землекористування у країнах Європейського Союзу, результати моделювання якої використову-
ють для встановлення офіційних базових рівнів емісій вуглекислого газу в секторі лісового госпо-
дарства країн ЄС [3], а також розробки базового сценарію розвитку секторів економіки ЄС та емі-
сій парникових газів [4]. Адекватне представлення процесів лісокористування у моделі є важли-
вим для прийняття рішень, які впливають на соціально-економічний та екологічний стан країн.
Дана робота присвячена вдосконаленню алгоритму прийняття рішень щодо параметрів лісо-
користування для G4M, який був розроблений декілька років тому для глобальної версії моделі
[5]. Зокрема, у 2015 році була опублікована карта виробництва деревини у лісах ЄС [6], що дозво-
лило ініціалізувати розміщення місць рубок та чисту поточну вартість виробництва деревини.
Особливістю G4M є те, що в ній прийняття рішень щодо зміни землекористування, чи пара-
метрів лісокористування розглядають з точки зору власника земельної ділянки, який проводить
господарську діяльність, спрямовану на отримання прибутку. Основні кроки алгоритму симуляції
прийняття рішень щодо параметрів лісокористування для вироблення заданої кількості деревини
у глобальній версії моделі [5] наступні (спрощено):
1) ініціалізація (створення віртуального лісу в кожній клітинці растру із параметрами, які
відповідають спостереженням — площа лісу, середній приріст, біомаса та вікова структура;
визначення віку рубки, кількості вирубаної деревини за теперішніх умов та інших додаткових
параметрів);
2) якщо попит на деревину в країні менший, ніж поточний, то:
2а) поки попит на деревину в країні менший, ніж поточний, зменшити вік рубки на 5 років
(але не нижче віку рубки, який максимізує середній приріст) у кожній клітинці, починаючи з
найбільш продуктивних лісів (лісів з найвищим середнім приростом);
2б) поки попит на деревину в країні менший, ніж поточний, розпочати господарську діяль-
ність у раніше незадіяних високопродуктивних лісах;
3) якщо попит на деревину в країні більший, ніж поточний, то:
3а) поки попит на деревину в країні більший, ніж поточний, збільшити вік рубки на 5 років
(але не вище віку рубки, який максимізує біомасу) у кожній клітинці, починаючи з найменш
продуктивних лісів (лісів з найменшим середнім приростом);
3б) поки попит на деревину в країні більший, ніж поточний, припинити господарську діяль-
ність у низькопродуктивних лісах.
Алгоритм [5] не містить економічних критеріїв прийняття рішень щодо зміни параметрів
лісокористування у явній формі, що зумовлено відсутністю необхідних даних на глобальному
рівні. Проте, продуктивність лісу за інших однакових умов (зокрема, ціни деревини, витрат на
110
рубку, посадку дерев на вирубаних площах та транспортування деревини) визначає прибутковість
господарських операцій лісокористування, що і використовують, визначаючи почерговість кліти-
нок растру, у яких змінюють параметри лісокористування.
В даній роботі запропоновано вдосконалити алгоритм симуляції процесів лісокористування
[5] шляхом введення економічного критерію прийняття рішення щодо зміни параметрів лісокори-
стування у явній формі. В якості такого критерію вибрано чисту поточну вартість (ЧПП), оскільки
ліс є динамічною системою з досить великим часом перехідного процесу (десятки-сотні років в
залежності від швидкості росту) і рішення, прийняте сьогодні, змінить параметри системи на ба-
гато років вперед. ЧПП — сума різниці дисконтованих доходів та витрат, повязаних із вироб-
ництвом деревини, протягом заданого часу — дозволяє врахувати майбутні стани системи. Логіч-
но припустити, що власник лісу буде змінювати параметри лісокористування лише, якщо нові
параметри не зменшують ЧПП, а у випадку введення в експлуатацію попередньо незадіяного лісу,
ЧПП має бути позитивним (сума дисконтованих доходів перевищує (дисконтовані) інвестиції та
суму дисконтованих операційних витрат). Також необхідно знати початкові значення ЧПП для
кожної клітинки, де є ліс, який використовують для сталого виробництва деревини. Оскільки та-
ких даних немає, використано карту виробництва деревини у лісах ЄС [6] (середні значення за
2000-2010рр.) для визначення тих клітинок, ліси в яких були задіяні для виробництва такої кіль-
кості деревини, яка зазначена у статистиці FAO для кожної країни ЄС, та обчислено відповідні
значення ЧПП.
Запропоновані зміни алгоритму дозволили, крім заданої кількості деревини, отримати адек-
ватну площу вирубок, вік рубок, середні розміри дерев, які вирубують, і, відповідно, оцінки
емісій вуглекислого газу, спричинених лісокористуванням. В подальшому ці додаткові параметри
можна використати для оцінки кількості робочої сили та коштів у лісовій галузі.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Gusti M., Böttcher H., Kindermann G. Et al. Simulation of REDD+ options using IIASA model framework / International Environmental
Modelling and Software Society (iEMSs) 2012 International Congress on Environmental Modelling and Software “Managing Resources of a
Limited Planet”, Sixth Biennial Meeting, Leipzig, Germany. R. Seppelt, A.A. Voinov, S. Lange, D. Bankamp (Eds.)
http://www.iemss.org/society/index.php/iemss-2012-proceedings 2. Gusti M., Kindermann G. An approach to modeling landuse change and forest management on a global scale / Proceedings, 1st International
Conference on Simulation and Modeling Methodologies, Technologies and Applications (SIMULTECH 2011), 29-31 July 2011, Noordwijkerhout, Netherlands.- P.180-185
3. Böttcher H., Verkerk P.J., Gusti M., et al. Projection of the future EU forest CO2 sink as affected by recent bioenergy policies using two
advanced forest management models // GCB Bioenergy N4, 2012.- P.773-783. 4. Capros P, De Vita A, Hoeglund-Isaksson L. et al. EU Energy, Transport and GHG Emissions Trends to 2050 - Reference Scenario 2013.
European Commission, Publications Office of the European Union, Luxembourg (16 December 2013).
5. Gusti M. An Algorithm for Simulation of Forest Management Decisions in the Global Forest Model // Artificial Intelligence, N4, 2010. - P.45-49
6. Verkerk, P. J., C. Levers, T. Kuemmerle et al. Mapping wood production in European forests // Forest Ecology and Management 357, 2015. -
P.228-238.
УДК: 004.9
ЖИХАРЕВИЧ В. В., ПЕРНЕРОВСЬКИЙ М. М.
Чернівецький національний університет імені Юрія Федьковича (Україна)
СИСТЕМА АВТОМАТИЗОВАНОГО КЕРУВАННЯ ПРОЦЕСОМ ВИРОЩУВАННЯ
ШАМПІНЬЙОНІВ ІЗ ВИКОРИСТАННЯМ НЕЧІТКОЇ ЛОГІКИ
Прискорений розвиток грибництва — один з ефективних шляхів розв’язання проблеми не-
стачі повноцінних продуктів харчування, одержання нових лікарських речовин, зменшення заб-
руднення навколишнього середовища за рахунок утилізації різноманітних відходів сільського
господарства й переробної промисловості. На думку найавторитетнішого в галузі культивування
грибів професора С.Т.Чанга (Китай), ХХI століття буде ознаменоване «незеленою революцією»
внаслідок бурхливого зростання виробництва їстівних грибів. [1]
Шампіньйону, як гетеротрофному організму, світло не потрібне. Це дає змогу використо-
вувати для вирощування грибів темні, непридатні для інших культур приміщення. Шампіньйони
успішно вирощують у каменоломнях і підвалах, обладнаних системами обігріву та вентиляції.
Для вирощування шампіньйонів у великих кількостях будують спеціальні приміщення –
111
шампіньйонниці. У шампіньйонниці підводять труби водяного або парового опалення, роблять
отвори для приточно-витяжної вентиляції або встановлюють мотори для примусової подачі
свіжого повітря. У спеціалізованих господарствах шампіньйонниці обладнують установками для
кондиціонування повітря. У них установлюють також 3 – 5-ярусні стелажі або застосовують
найбільш ефективну ящикову систему культури. Вигідно займати шампіньйонами грунтові теп-
лиці в осінньо-зимовий період, вирощуючи гриби на плоских або гребеневих грядах чи в ящиках.
[2]
Для зручного й ефективного догляду за вирощуванням грибів потрібно застосувати на
шампіньйонниці систему автоматичного керування. Мета будь-якого керування, у тому числі й
автоматичного, у той чи інший спосіб пов'язується зі зміною в часі регульованої (керованої) вели-
чини — вихідної величини об'єкта керування. Для досягнення мети керування, з урахуванням
особливостей керованих об'єктів різної природи та специфіки окремих класів систем, організо-
вується вплив на виконавчі органи об'єкта — керувальний вплив. Він призначений також для ком-
пенсації ефекту від зовнішніх збурювальних впливів, що прагнуть порушити необхідну поведінку
регульованої величини. Керувальний вплив виробляється пристроєм керування. Сукупність ке-
рувального пристрою й об'єкта керування, що взаємодіють між собою, з використанням чутливих
(вимірювальних) елементів і виконавчих елементів (органів) утворює автоматичну систему ке-
рування (систему автоматичного керування, САК). [3]
Оскільки для вирощування шампіньйонів потрібно підтримувати певний мікроклімат (тем-
пературу компосту, температуру повітря, вологість, кислотність) у різні фази зародження та росту
міцелію і уже самих грибів, то постає завдання розробити програмне забезпечення для автома-
тичного регулювання мікроклімату у шампіньйонниці відповідно до фаз росту грибів. Основним
у цьому програмному забезпеченні повинно бути те, що вона повинна віддавати певні вказівки на
регулятори мікроклімату залежно від фаз росту грибів, а не просто, якщо температура знизилася,
то вона вмикає опалення, або навпаки.
В системі реалізовуємо контури управління з підтримки температури, вологості і концен-
трації вуглекислого газу (CO2). Для управління обладнанням комплексу будемо використовувати
програмований контролер SIMATIC S7-300 (фірми Siemens), для якого поставляється програмний
продукт Fuzzy Control ++, що забезпечує програмування нечітких регуляторів. Систему будуємо
по дворівневому ієрархічному принципу. Нижчий рівень представлений контролером Овен ПЛК
110-32, який керує робочими циклами технологічного обладнання. На верхньому рівні викори-
стовуємо ПК-сумісні комп'ютери, які реалізують спільні функції управління технологічним про-
цесом, що підтримують інформаційну модель процесу і забезпечують інтерфейс оперативного
персоналу. Контроль параметрів мікроклімату технологічного процесу здійснюється за допомо-
гою датчиків температури, вологості і CO2. Потрібно створити базу правил. При формуванні бази
правил використовуються всі вхідні і вихідні змінні нечіткого регулятора. [4]
Альтернативним варіантом реалізації методів нечіткого управління на контролері
SIMATIC S7-300 запропонований метод, при якому алгоритми нечіткого управління виконуються
на ПК-сумісній платформі в математичній лабораторії Matlab. Таке рішення передбачає структуру
системи автоматичного управління на програмованому контролері Овен ПЛК 110-32 з мінімаль-
ними змінами в апаратній і програмній конфігурації. [5 - 6]
Для різних фаз росту міцелію та грибів потрібна різна температура повітря. Для розмножен-
ня міцелію потрібно, щоб в приміщенні підтримувалася температура 25 - 27 С, а коли міцелій
розповсюдився по всій площі компосту і починають з’являтися гриби, то потрібно знизити темпе-
ратуру до 15 – 16 С. Через зниження температури у грибів спрацьовує інстинкт самозбереження і
вони починають дуже швидко рости і розмножуватися.
Для того, щоб розпізнавати фази росту міцелію та грибів будемо використовувати відеока-
мери. Знаючи точну відстань від камери до потрібного об’єкта, у нашому випадку це гриби, та
технічні характеристики камери, можемо легко встановити розміри об’єкта (грибів). При відомих
розмірах грибів можемо визначити яка у них фаза росту на даний момент і яка потрібна темпера-
тура.
В системі управління значення параметрів технологічного процесу з датчиків надходять в
промислову систему управління на базі контролера Овен110-32. Разом з цими даними про техно-
логічний процес надходять так само і дані про параметри навколишнього середовища. Потім
112
здійснюється передача отриманих значень з датчиків на OPC-Modbus сервер, що функціонує
на ПК-сумісній платформі. В якості сполучного середовища виступає локальна обчислювальна
мережа шампіньйонного комплексу Ethernet, а для передачі даних використовується протокол
Modbus TCP. Для передачі даних в розроблену Simulink модель інтелектуального управління на
базі нечіткого регулятора в середовищі Matlab використовується розширення пакета Simulink
OPC Toolbox, яке опитує OPC-сервер локально на ПК-сумісній платформі. На підставі отриманих
даних з датчиків про хід технологічного процесу і зміні зовнішніх умов функціонування Simulink
модель інтелектуального управління виробляє керуючий вплив за допомогою алгоритмів нечітко-
го моделювання, результат якого відправляється на локальний OPC-сервер за допомогою функції
пакета OPC Toolbox.[7]
З OPC-сервера ПК-сумісної платформи результат інтелектуальної системи управління над-
ходить на промисловий контролер, який в свою чергу виробляє керуючий вплив на виконавчі
механізми об'єкта управління. Результатом управління є встановлення таких технологічних пара-
метрів, які найбільшою мірою відповідають умовам функціонування технологічного процесу, і
подальше автоматичне підтримання цих режимів з одночасним відстеженням всіх змін умов
функціонування.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Гриби – їжа майбутнього [Електронний ресурс] – 2002 - Режим доступу: http://gazeta.dt.ua/SCIENCE/gribi__yizha_maybutnogo.html,
вільний. - Мова укр., рос. 2. Організація виробництва шампіньйонів [Електронний ресурс] – 2009 - Режим доступу:
http://agroua.net/economics/documents/category-118/doc-188, вільний. - Мова укр., англ.
3. Іванов А. О. Теорія автоматичного керування: Підручник. — Дніпропетровськ: Національний гірничий університет. — 2003. — 250 с.
4. Гостев, Р. А. Нечеткие регуляторы в системах автоматического управления. – Киев: Радiоаматор, 2008. – 972 с.
5. Деменков, Н. П. Нечеткое управление в технических системах: учеб. пособие. – М.: Изд-во МГТУ им. Н. Э. Баумана, 2005. – 200 с.
6. Контрольно-измерительные приборы ОВЕН: датчики, контроллеры, регуляторы, измерители, блоки питания и терморегулято-
ры [Електронний ресурс]. – М., 2009 – Режим доступу: http://www.owen.ru/catalog#74250271, вільний. – Мова рос., англ.
7. Петров, И. В. Программируемые контроллеры. Стандартные языки и приемы прикладного проектирования / Под ред. проф. В.П.
Дьяконова. – М.: СОЛОН-Пресс, 2004. – 256 с.
УДК: 004.942
КИРИЧЕНКО О.Л., ОСТАПОВ С.Е.
Чернівецький національний університет імені Юрія Федьковича (Україна)
ДОСЛІДЖЕННЯ СТРУКТУРИ ВЕБ-ПРОСТОРУ ЗА ДОПОМОГОЮ КЛАСТЕРНОГО
АНАЛІЗУ
У роботі виконано дослідження кластерної структури деяких зон веб-простору на основі
раніше зібраних авторами статистичних даних. Продемонстровано ефективність та наочність
алгоритму кластеризації РІС, а також наведено графічну інтерпретацію кластерів на основі
графовової бази даних Neo4j.
Процес кластеризації – це розбиття множини об’єктів на кластери, які є підмножинами із за-
здалегідь відомими змістовними параметрами. Кількість кластерів може бути довільною або фік-
сованою. Основна ідея процесу кластеризації – це зниження розмірності простору ознак, за яким
відбувається класифікація об’єктів. Мета всіх методів кластеризації полягає в тому, щоб схожість
об’єктів, що знаходяться в конкретному кластері, була максимально близькою за своєю семанти-
кою [1]. Розрізняють два основних типа кластеризації – ієрархічну і неієрархічну.
Цілі кластеризації можуть бути різними залежно від особливостей конкретної прикладної за-
дачі: зрозуміти структуру множини об'єктів, розбивши її на групи схожих об'єктів, спростити по-
дальшу обробку даних і прийняття рішень; скоротити обсяг збережених даних у разі надвеликої
вибірки, залишивши по одному найбільш типовому представникові від кожного кластера; виділи-
ти нетипові об'єкти, які не підходять до жодного з кластерів.
В усіх цих випадках може застосовуватися ієрархічна кластеризація. Методи ієрархічної кла-
стеризації спрямовані на виявлення груп вершин з високою схожістю (подібністю), і їх можна
розділити на два основних типи: дивізимні та агломеративні. Агломеративні алгоритми здійсню-
ють прохід від низу до верху, починаючи з окремих вершин, закінчуючи тим, що граф також є
113
кластером; дивізимні алгоритми здійснюють прохід згори вниз, виконуючи роботу в зворотному
напрямку. Після вибору метрики обчислюється схожість для кожної пари вершин, незалежно від
того, пов'язані вони чи ні. В кінці цього процесу створюється матриця подібності.
Для проведення процесу розбиття множини великої розмірності на кластери часто викорис-
товують спектральну кластеризацію. До спектральної кластеризації відносять всі методи, які роз-
бивають множину на кластери за допомогою власних векторів матриці або інших матриць, отри-
маних з неї. Зокрема, об'єкти можуть бути точками в метричному просторі або вершинами графа.
Спектральна кластеризація базується на перетворенні початкової множини об'єктів у множину
точок у просторі, координатами яких є елементи з власних векторів. У випадку великої кількості
даних виконується процес розкладання на власні вектори як крок по зменшенню розмірності роз-
ріджених даних, таким чином ми переходимо від розріджених даних високої розмірності до щіль-
них даних низької розмірності. Отримана множина точок кластеризується за допомогою стандар-
тних методів, наприклад алгоритмом k-середніх (k-means) [2].
Нами була зібрана інформація та проводились дослідження деяких сегментів веб-простору:
українського (net.ua; edu.ua), ізраїльського (ac.il) та польського (edu.pl). За допомогою розроблено-
го програмного забезпечення, було проскановано більше двох мільйонів веб-сторінок різних зон
Інтеренету. Для кожної зони встановлено ступінь кожного вузла, визначено коефіцієнт кластери-
зації, побудовано розподіл ймовірностей вузлів за вхідними та вихідними зв’язками, побудовано
неорієнтований граф [3]. Для досліджуваних сегментів нами були обчислені коефіцієнти кластер-
ності, які наведені в таблиці 1.
Таблиця 1. Коефіцієнти кластерності для підмереж
Назва зони ed
u.ua
ne
t.ua
ac
.il
ed
u.pl
Коефіцієнт кластер-
ності
0,
11
0,
13
0,
104
0,
088
Як бачимо, коефіцієнти кластерності приблизно однакові, що свідчить про адекватність
зібраних даних та застосованих алгоритмів.
Побудовані графи різних зон ми розбили на кластери за допомогою алгоритму PIC (Рower
iteration clustering). На відміну від алгоритмів спектральної кластеризації алгоритм PIC обчислює
тільки один власний вектор (який насправді є лінійною комбінацією декількох власних векторів).
Таким чином досягається висока швидкодія
обчислень порівняно з традиційним алгорит-
мом спектральної кластеризації [4].
Наприклад, для польського сегменту веб-
простору ми задавали різну кількість кластерів,
які хотіли одержати. За допомогою алгоритму
PIC ми одержали розбиття множини на 100,
150, 200, 250 кластерів. Результати розбиття множини на кластери наведені на рисунку 1 та на
рисунку 2.
Рис. 1. Розбиття польської підмережі
edu.pl на 150 кластерів
Рис. 2. Розбиття польської підмережі
edu.pl на 250 кластерів
Для графічної інтерпретації графа та відображення зв’язків між вузлами ми використали
графову базу даних Neo4j. На відміну від звичних MySQL чи PostgreSQL, дані тут зберігаються не
у вигляді таблиці, а у вигляді графа, це дозволяє гнучко оперувати зв’язками між вузлами, причо-
му саме зв’язки поставлені на перше місце. Крім того, Neo4j має вбудовану підтримку графових
алгоритмів та засоби для візуалізації графа [5]. На рисунку 3 наведено приклад графічної інтерп-
114
ретації одного з кластерів польської підмережі edu.pl, який містить 24 вузла, а також відобразили
зв’язки між вузлами всередині кластера. На рисунку 4 подано частину польської підмережі edu.pl
та зв’язки між кластерами. Відзначимо, що існують такі зв’язки, при вилученні яких підмережа
може розпастись на менші не зв’язні між собою підмережі. Такі зв’язки є найважливішими для
існування мережі, за їх допомогою всі кластери з’єднуються в єдину мережу.
Рис 3. Відображення зв’язків між верши-
нами в кластері, який складається з 24 вузлів
Рис 4. Частина польської підмережі edu.pl
Таким чином, за допомогою алгоритму РІС нами проведено дослідження кластерної струк-
тури польського сегменту веб-простору (edu.pl). Виявлено стаціонарні кластери, присутні при
усіх способах розбиття, які в усіх випадках містять приблизно однакову кікльість об’єктів. Вико-
нано графічну інтерпретацію отриманих даних на основі графовової бази даних Neo4j.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Ландэ Д.В. Интернетика. Навигация в сложных сетях: модели и алгоритмы / Ландэ Д.В., Снарский А.А., Безсуднов И.В. – Москва, 2009.–258 c.
2. Andrew Y. Ng, Michael Jordan, and Yair Weiss, ‘On spectral clustering: Analysis and an algorithm’, in NIPS, (2002).
3. Oksana Kyrychenko, Sergey Ostapov, Igor Kanovsky. Comparison of Statistical Characteristics of Certain Internet Subdomains. Monograph. Scientific Publishing of the Academy of Business in Dabrowa Gornicza: Wydawnictwo Naukowe, 2014. – 138 p. ( ISBN: 978-83-62897-91-9)
4. Frank Lin and William W. Cohen, ‘Power iteration clustering’, in ICML(to appear), (2010).
5. Електронний ресурс: https://ru.wikipedia.org/wiki/Neo4j. Режим доступу: 18.04.16.
УДК: 519.85
КОМАНЮК М.І., САДОВЯК А.М.
Чернівецький національний університет імені Юрія Федьковича (Україна)
ОДНА ЗАДАЧА КОМП’ЮТЕРНОЇ ГЕОМЕТРІЇ ТА ГРАФІКИ
В роботі розглянуто задачу побудови опуклої оболонки скінченної множини точок у триви-
мірному просторі. Запропоновано відповідний алгоритм і програмна реалізація побудови опуклої
оболонки. Програма написана в середовищі програмування Visual Studio C++ з підключенням до
бібліотеки OpenGL.
Багато прикладних задач розв’язано у випадку, коли множини, які в них фігурують, є опук-
лими (оптимізаційні задачі, задачі комп’ютерної графіки та інші).
Тому важливо вміти будувати ”мінімальні ” опуклі множини, які містять задані множини.
Такими множинами є опуклі оболонки.
Для побудови опуклої оболонки скінченної множини точок в просторі пропонується метод,
при використанні якого результатом побудови опуклої оболонки буде багатогранник. Всі грані
будуть об’єднаннями трикутників, які лежать в одній площині.
Ідея алгоритму Для реалізації такої задачі на початку будується найпростіша тривимірна фігура - піраміда.
У якості першої вершини цієї піраміди вибирається точка, найбільш віддалена від центру коорди-
нат. Друга вершина - це точка найбільш віддалена від першої. Третя вершина - це точка найбільш
віддалена від прямої, що проходить через перші дві точки. Четверта вершина - це точка найбільш
віддалена від площини, що проходить через перші три точки. Якщо вхідні точки лежать на одній
площині, то згідно алгоритму будується плоский опуклий многокутник, який і є опуклою оболон-
кою. Якщо всі точки належать одній прямій, то будується відповідний відрізок.
Знаходимо точку, яка є геометричним центром побудованої піраміди. Координати цієї точки
дорівнюють середнім значенням координат вершин піраміди. Далі всі точки, які потрапили всере-
дину піраміди - ігноруються, а решта розподіляються за гранями піраміди. Будуються відповідні
115
класи точок. Це класи точок, які належать променям, що виходять з геометричного центру пірамі-
ди і перетинають грань піраміди.
Для кожної грані піраміди знаходиться найбільш віддалена точка, яка належить відповідно-
му класу. Класам приписуються пріоритети пропорційні найбільшій відстані точки класу до грані.
Далі в циклі з черги вибирається грань з максимальним пріоритетом. Будується нова пірамі-
да, основою якої є вибрана грань, а вершиною – найбільш віддалена від неї точка. Ця точка нале-
жить опуклій оболонці. Точки, які потрапили всередину добудованої піраміди видаляються. Піс-
ля цього здійснюється перехід до наступного за пріоритетом класу точок. За новими побудовани-
ми гранями будуються нові класи точок та встановлюються їхні пріоритети. Опукла оболонка
буде побудована, коли черга спорожніє.
Для побудови опуклої оболонки скінченної множини точок в просторі були створені такі
процедури:
1. Побудова опуклої оболонки для лінійного випадку. 2. Побудова опуклої оболонки для плоского випадку. 3. Побудова тривимірної фігури – піраміди, вершини якої належать опуклій оболонці.
4. Знаходження геометричного центру піраміди. 5. Видалення точок, які потрапили всередину піраміди. 6. Розподіл зовнішніх точок за гранями піраміди (побудова класів точок). 7. Знаходження найбільш віддаленої точки від грані піраміди в кожному класі. 8. Побудова черги для обробки точок кожного класу. 9. Знаходження нових вершин і побудова опуклої оболонки.
Опис найважливіших процедур алгоритму
Побудова вершин основи трикутної піраміди
Нехай задана множина точок ( , i =1, 2, …, n.
Для побудови вершин основи трикутної піраміди виконуємо наступні дії:
1. Знаходимо «геометричний центр» системи точок – точку (
∑
∑
∑
2. Здійснюємо паралельний перенос початкової системи координат в точку , , , i =1, 2, …, n.
В новій системі координат точка буде мати координати (
3. Знаходимо найвіддаленішу від точки точку ( заданої системи точок. Для
цього знаходимо таке, що
(
.
Тоді (також може бути багато, вибираємо, наприклад, най-
менше ).
Якщо =0, то всі точки 4. Знаходимо точку ( – найвіддаленішу від точку заданої системи. Для цього
знаходимо таке, що
(
( (
(( (
( .
Тоді (також може бути багато, вибираємо, наприклад ,
найменше ).
5. Знаходимо точку C – найвіддаленішу від прямої, яка проходить через точки і .
Параметричні рівняння цієї прямої:
{
(
(
(
Відстань від до прямої - це відстань від до точки
( ( (
( ,
де
( ( ( ( ( (
( ( (
.
116
Знаходимо таке, що
(
) , де
( (
( ( ( (
.
Тоді ( , (також може бути багато, вибираємо, наприклад , найменше ).
Якщо то всі точки належать прямій і опукла оболонка – відрізок
6. Четверта вершина піраміди - це найвіддаленіша точка від площини, яка містить
грань Цю вершину ( слід шукати із умови
| |
| |
де
|
| , |
| ,
|
| ,
Якщо то всі задані точки належать одній площині (площині грані ) і треба пе-рейти до плоского випадку.
Побудова піраміди
Можна побудувати піраміду з гранями , , , .
Класифікація точок за гранями
Знаходимо геометричну точку ( через координати точок де :
{
( ( (
Для кожної грані знаходимо точки ( , які є точками перетину грані з прямими, які проходять через точку (
і зовнішні точки ( Координати цих точок :
{
(
(
(
де
( ( ( , - рівняння грані.
Маючи грань піраміди і точку претину деякої прямої з цією гранню, можемо утворити 3
трикутники. Точку перетину з гранню з’єднуємо із вершинами грані.Якщо сума площ трьох три-
кутників, які утворюються за допомогою точки перетину і трьох вершин піраміди, дорівнює
площі загального трикутника, то зовнішня точка відноситься до цієї грані.
Запропонований алгоритм можна використати в комп’ютерній графіці при розв’язуванні за-
дач видалення невидимих ліній та частин об’єктів.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Федорчук В.В. Курс аналитической геометрии и линейной алгебры. Второе издание, исправленное / Виталий Витальевич
Федорчук. – М.: НЦ ЭНАС, 2003. – 327 с.
2. Ричард Р. OpenGL Суперкнига / Р. Ричард, Л. Бенджамин. – М.: Вильямс, 2006. – 1039 с.
3. Шикин Е.В. Начала компьютерной графики / Шикин Е.В., Боресков А.В., Зайцев А.А. – М.: ДИАЛОГ-МИФИ, 1993. – 138 с. 4. Хортон А. Visual C++ 2010. Полный курс / Хортон А. – М.: Вильямс, 2011. – 1216 с.
УДК 519.86
КУШНІРЧУК В.Й., СТЕЦЬКО Ю.П.
Чернівецький національний університет імені Юрія Федьковича (Україна)
ЗАСТОСУВАННЯ МЕТОДУ ЦЕНТРІВ В МОДЕЛЮВАННІ ЕКОЛОГО-ЕКОНОМІЧНОЇ
ВЗАЄМОДІЇ
Розглядається метод центрів, який є узагальненням методу параметризації цільової функ-
ції на випадок розв’язування задачі багатокритеріальної оптимізації. Пропонується застосуван-
ня методу до двокритеріальної оптимізаційної моделі еколого-економічної взаємодії, що базу-
117
ється на статичній міжгалузевій моделі Леонтьєва-Форда.
Переважна більшість практичних економічних задач є багатокритеріальними. Розв’язуючи
такі задачі доводиться одночасно задовольняти кілька критеріїв, які можуть навіть суперечити
один одному. Як правило, аналітичний розв’язок тут виписати не вдається, тому залишається ак-
туальною розробка числових методів розв’язування задач багатокритеріальної оптимізації.
Один з основних підходів, що застосовується у таких методах, полягає у згортці часткових
критеріїв в один загальний критерій. Цим самим задача багатокритеріальної оптимізації зводиться
до задачі нелінійного програмування. Це дозволяє використати добре розроблені методи
розв’язування нелінійних задач оптимізації.
Але можливий також інший підхід до розв’язування багатокритеріальних задач, в якому не
проводиться попередній перехід до задачі нелінійного програмування [1]. Якщо відомі локальні і
глобальні методи нелінійного програмування трактувати як методи мінімізації деякої допоміжної
функції, яка залежить не тільки від вихідних прямих змінних, але й від оцінки зверху оптималь-
ного значення цільової функції, то їх можна узагальнити на випадок розв’язування задач багаток-
ритеріальної оптимізації. До таких методів відносяться методи можливих напрямків, штрафних
функцій, лінеаризації, центрів, функції Лагранжа.
Розглядається застосування методів центрів до моделі еколого-економічної взаємодії, що ба-
зується на статичній міжгалузевій моделі Леонтьєва-Форда [2]
(1) (2)
1
(1) (2)
2
(1) (2) (1) 11 (1) 12 (2) (1)
1
(1) (2) 21 (1) (2) 22 (2) (2)
2
(1) (2)
, min,
, max,
, 0,
, 0,
0, 0,
f x x
f x x
g x x x x x z
g x x x x x z
x x
(1)
в якій для заданих векторів кінцевої продукції (1)z і незнищених забруднювачів (2)z знахо-
дяться вектори валового випуску (1)x і знищених забруднювачів
(2)x , при яких мінімізуються
трудові ресурси (1) (2)
1 ,f x x та максимізується та частина доходу (1) (2)
2 ,f x x від виробництва
основної продукції, яка залишається після комплексних затрат на знищення забруднювачів [3].
Функції відображають розподіл основної продукції між затратами на основне і допоміжне вироб-
ництво та кінцеву продукцію, а також баланс для знищеного забруднення.
Під розв’язком задачі (1) будемо розуміти множину оптимальних за Слейтером оцінок F та
відповідну їй множину оптимальних за Слейтером точок X . Нехай F – множина досяжних оці-
нок задачі (1), а 2F F .
Складемо допоміжну функцію
2 2(1) (2) 1 (1) (2) 2
1 2
2 2(1) (2) (1) (2)
1 2
( , ) , ,
, , ,
H x y f x x y f x x y
g x x g x x
де 1 2( , )y y y – вектор порогових рівнів, який не належить внутрішності множини F .
Припустимо, що задано початковий вектор 1 2
0 0 0( , )y y y і вибрано напрямок 1 2( , )s s s , оби-
дві компоненти якого додатні. Нехай відоме значення вектора 1 2( , )k k ky y y на к-ому кроці.
Розв’язуючи допоміжну задачу безумовної мінімізації
min ( , )kH x y , (2)
знаходимо точку kx і обчислюємо нове значення 1ky за рекурентною схемою
1 ( , , )k k k ky y x y s s .
Коефіцієнт ( , , )x y s покладається рівним
118
( , , ) ( , ) / || ||x y s H x y s ,
де || ||s – евклідова норма вектора s. На кожному кроці вектор ky не потрапляє всередину
множини F , а будь-яка гранична точка послідовності { }kx при певних умовах належить множині
X розв’язків задачі (1).
У результаті роботи методу одержується одна оптимальна оцінка. Вибір різних векторів, що
не належать множині F , приводить до різних оптимальних оцінок з F і відповідних їм точок з
X . Напрямок s при цьому вибирається одним і тим же. Різні розв’язки з X можна одержати й
інакше – зафіксувавши вектор рівнів 0y і змінюючи напрямок s. Якщо вектор 0y такий, що
0 min ( )i i
x Xy f x
, 1,2i ,
то змінюючи s приходимо до різних оцінок з F .
Оскільки у задачі (1) допустима множина Х визначається лише обмеженнями типу нерівнос-
тей, то для її розв’язування можна застосувати і метод внутрішніх центрів. У ньому допоміжна
функція записується у вигляді
(1) (2) 1 (1) (2) 2
1 2
(1) (2) (1) (2)
1 2
( , ) , ,
, , ,
H x y f x x y f x x y
g x x g x x
(3)
де ( ) – бар’єрна функція стандартного вигляду.
Нехай, як і в попередньому методі, задано початковий вектор 0y і вибрано напрямок s . Від
вектора 0y тепер вимагається, щоб він належав внутрішності множини F . Якщо відоме значення
y на к-ій ітерації, то знаходимо kx , розв’язуючи задачу (2), де в якості ( , )H x y береться функція
(3), і обчислюємо нове значення у за формулою
1 ( , , )k k k ky y x y s s ,
де
1 1 1 2 2 2( , , ) min ( ) / , ( ) /x y s y f x s y f x s .
Будь-яка гранична точка послідовності { }kx оптимальна за Слейтером.
Аналогічно до методу зовнішніх центрів вибір різних початкових векторів 0y приводить до
різних оцінок з F . Всі оцінки з F можна одержати і змінюючи напрямок s. Для цього досить
взяти початковий вектор 0y таким, щоб
0 max ( )i i
x Xy f x
, 1,2i .
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Жадан В.Г., Кушнирчук В.И. Пакет методов многокритериальной оптимизации в системе ДИСО [Текст]/ В.Г.Жадан,
В.И.Кушнирчук // Пакеты прикладных программ: Программное обеспечение оптимизационных задач. – М.: Наука, 1987. – С. 17-26. 2. Ляшенко І.М. Еколого-математичні методи та моделі сталого розвитку [Текст]/ І.М.Ляшенко // – К.: Вища школа, 1999. – 236 с.
3. Григорків В.С., Кушнірчук В.Й. Багатокритеріальна оптимізаційна модель з нелінійним еколого-економічним міжгалузевим балан-
сом [Текст]/ В.С.Григорків, В.Й.Кушнірчук // Економічна кібернетика. Міжнародний науковий журнал. – 2003. – №3-4. – С. 43-50.
УДК: 004.942
ОХРЕМЧУК І.А.
НУ “ЛЬВІВСЬКА ПОЛІТЕХНІКА”
ВКЛЮЧЕННЯ СОЦІАЛЬНИХ ФАКТОРІВ ПРИ МОДЕЛЮВАННІ ПОЛІТИК
ПОМ’ЯКШЕННЯ НАСЛІДКІВ ЗМІНИ КЛІМАТУ
Проаналізовано процес комплексної оцінки сценаріїв зменшення викидів парникових газів на
прикладі моделей розроблених у Міжнародному інституті прикладного системного аналізу.
Окреслено роль соціальних факторів у процесі вибору оптимальної політики пом’якшення
наслідків зміни клімату.
119
Визначення оптимальної стратегії у сфері енергетики та політики щодо пом’якшення зміни
клімату відбувається за допомогою побудови сценаріїв. Існує ціла низка математичних моделей,
які можуть обрахувати велику кількість сценаріїв та вибрати найоптимальніший варіант [9].
Для прикладу розглянемо схему комплексної оцінки сценаріїв, розроблену у Міжнародному
інституті прикладного системного аналізу (The International Institute for Applied Systems Analysis)
(Рис.1):
Рис.1 Схема комплексної оцінки сценаріїв [8]
Першим кроком є формування сценаріїв з історичними даними по кількості населення, дохо-
дами на душу населення та припущеннями щодо їх подальшого росту. Наступний крок – визна-
чення попиту на енергію, за допомогою динамічної моделі Scenario Generator.
Дані щодо економічного та енергетичного розвитку є вхідними даними MESSAGE та
MACRO моделей. MESSAGE (Model for Energy Supply Strategy Alternatives and their General
Environmental Impact) надає інформацію стосовно того як використовуються внутрішні ресурси,
імпорту та експорту енергоносіїв, видів виробництва та заміни технологій, викидів забруднюючих
речовин та заміни одного виду палива на інше. Разом MESSAGE та MACRO дозволяють об-
рахувати як внаслідок зміни ціни на енергію змінюється попит на енергію та ВВП [11].
MAGICC (Model for the Assessment of Greenhouse-gas Induced Climate Change), використову-
ючи викиди забруднюючих речовин з MESSAGE (СО2, CH4, N2O, SO2, CO, NOx, VOCs, галоген
вуглеводні) визначає їх концентрацію в повітрі, їх вплив на температуру повітря, рівень води в
океані та радіаційний вплив [8].
Модель GAINS (The Greenhouse Gas and Air Pollution Interactions and Synergies) використо-
вується для прогнозування майбутніх викидів парникових газів у атмосферу, а також дозволяє
обрати найоптимальніший варіант політики контролю викидів парникових газів з оцінкою їх вар-
тостей [10].
GLOBIOM (The Global Biosphere Management Model) на основі таких макроекономічних по-
казників як ВВП, чисельність населення, попит на біоенергію, деревину, продовольство, калорії
на душу населення, рівень технологічного розвитку визначає найбільш економічно доцільний вид
господарювання на заданій території (сільське господарство, лісове господарство або ж біоенер-
гетика) [4].
Дані щодо попиту та цін на деревину, а також визначені зміни у землекористуванні з
GLOBIOM використовуються моделлю G4M (The Global Forest Model), що порівнює дохід від
різного типу використання земель та визначає які зміни варто провести на певній території з точ-
ки зору лісового господарства [12].
Процес комплексної оцінки сценаріїв допомагає визначити як зміниться концентрація парни-
кових газів у повітрі та температура повітря, рівень води в океані, які кроки варто зробити і який
від того економічний зиск. Але спрогнозувати як сприймуться, адаптуються дані політики в кон-
кретному регіоні поки неможливо, оскільки в даному випадку вмикаються такі фактори як:
бідність, рівень освіченості, цінності, досвід місцевого населення та інші, які дозволять значно
ефективніше розробляти політики та програми щодо зменшення емісії парникових газів, а відтак
покращити ефективність використання коштів. Дедалі частіше піднімається питання щодо
120
страхування коштів спрямованих на покращення стану клімату, що в перспективі підвищить
рівень інвестицій у дану сферу [5]. Також досі невирішеною проблемою є співпраця із місцевим
населенням, яке по закінченню певної профінансованої програми повертається до старих методів
господарювання, не приймаючи нових методів, що є індикатором неуспішності політики [6].
Для точнішого аналізу сценаріїв, що дозволяють передбачити як протікатиме імплементація
політики пропонується використати такі Індекси або їх окремі показники: Індекс екологічної
ефективності [2], Індекс готовності країн до змін [1], індикатори сталого розвитку [7], «Світове
дослідження цінностей» [3].
ПЕРЕЛІК ЛІТЕРАТУРИ 1. 2015 Change Readiness Index [Електронний ресурс] // KMPG. Офіційний сайт. — Режим доступу: https://home.kpmg.com/xx/en/home/insights/2015/06/2015-change-readiness-index.html
2. Environmental Performance Index [Електронний ресурс] // Yale University. Офіційний сайт. — Режим доступу: http://epi.yale.edu/
3. Findings and Insights [Електронний ресурс] // World Values Survey . Офіційний сайт. — Режим доступу: http://www.worldvaluessurvey.org/wvs.jsp
4. GLOBIOM [Електронний ресурс] // The International Institute for Applied Systems Analysis (IIASA). Офіційний сайт. — Режим
доступу: http://www.iiasa.ac.at/web/home/research/modelsData/GLOBIOM/GLOBIOM.en.html
5. Harald Winkler, Anya Boyd, Marta Torres Gunfaus, Stefan Raubenheimer. Reconsidering development by reflecting on climate change [Електронний ресурс]. — . Режим доступу: http://acdi.uct.ac.za/sites/default/files/Download/10.1007_s10784-015-9304-7.pdf
6. Heran Zheng, Guosheng Wang. Achieving ecological restoration by working with local people: a Chinese scholar seeks win-win paths. —
Ecology and Society 19(3). —Resilience Alliance, 2014.
7. Indicators of Sustainable Development: Guidelines and Methodologies. Third Edition. — United Nations. — October, 2007. 8. Integrated Assessment [Електронний ресурс] // The International Institute for Applied Systems Analysis. Офіційний сайт. — Режим
доступу: http://www.iiasa.ac.at/web/home/research/researchPrograms/Energy/IAMF.en.html
9. Jill Jäger, Dale Rothman, Chris Anastasi, Sivan Kartha, Philip van Notten. A training manual on integrated environmental assessment and
reporting // Resource Book. — Module 6.
10. Markus Amann, Imrich Bertok, Jens Borken. GAINS Asia. A tool to combat air pollution and climate change simultaneously // Book. — November, 2008.
11. Nebosja Nakicenovic, Dr. Keywan Riahi. Model Runs With MESSAGE in the Context of the Further Development of the Kyoto-Protocol //
Final report. — August 25, 2003.
12. The Global Forest Model (G4M) [Електронний ресурс] // The International Institute for Applied Systems Analysis (IIASA). Офіційний
сайт. — Режим доступу: http://www.iiasa.ac.at/web/home/research/modelsData/G4M.en.html
РЕШКАН І. С., ФРАТАВЧАН В. Г.
Чернівецький національний університет імені Юрія Федьковича (Україна)
ДОСЛІДЖЕННЯ ФАКТОРІВ ВПЛИВУ НА ПОПУЛЯРНІСТЬ ЕЛЕКТРОННИХ ЗАСОБІВ
МАСОВОЇ ІНФОРМАЦІЇ
Велика кількість періодичних засобів масової інформації, таких як газети, журнали тощо,
окрім паперових видань активно використовують електронні версії з розповсюдженням в мережі
Інтернет. Такими ресурсами в основному цікавляться найбільш активні групи населення. З іншого
боку, використання електронних засобів дають можливість аналізу популярності медійних джерел
та аналіз впливу на цю популярність різноманітних факторів. По-перше, електронні носії дозво-
ляють створювати об’ємні архіви видань у систематизованому вигляді. По-друге, для електрон-
них носіїв можна отримати інформацію про кількість відвідувачів, хронологію відвідування, час
перегляду та інші параметри які визначають інтерес читачів до відповідних матеріалів. По-третє,
наявна інформація може бути оброблена за допомогою програмних засобів з метою покращення
тематики, оптимізації об’ємів інформації, періодичності тощо.
З метою виявлення факторів які впливають на збільшення або зменшення інтересу до елект-
ронних медійних засобів інформації створена система автоматизованої обробки до складу якої
входять база даних, інтерфейсна частина та пакет стандартної та спеціалізованої обробки даних.
База даних містить архівну інформацію за довготривалий період. У хронологічному порядку за-
носиться інформація про зміст та обсяги з розбиттям по декількох категоріях – політика, культу-
ра, спорт та розваги, наука, новини та інше. Додатково у базу заноситься інформація яка дозво-
лить оцінити періодичні фактори – день тижня, декада, календарні дати, сезон тощо. Оціночним
параметром для подальшої обробки можуть бути щоденна загальна кількість відвідувачів та акти-
вність читачів при поточному сеансі перегляду.
121
Рис.1. Діаграма значень двох числових наборів (сірий колір відповідає обсягу матеріалів за
деякою тематикою, чорний – показник інтересу до електронного видання).
Обробка інформації полягає у виявленні впливу тематики змісту та загальних статистичних
параметрів на збільшення або зменшення інтересу до електронного видання. Для аналізу факторів
впливу використовуються стандартні засоби статистичного аналізу даних середовища MS Excel
та пакет інтелектуального аналізу даних Data Mining. Засоби пакету інтелектуальної обробки до-
зволяє провести аналіз однофакторного впливу одного числового набору на інший, а також ви-
явити закономірності синхронізованого багатофакторного впливу. По відношенню до тематики
електронних носіїв це означає що окремі тематики підвищать інтерес до електронного видання
якщо паралельно висвітлюються деякі інші події.
За допомогою програмних засобів статистичного аналізу можна отримати такі статистичні
показники досліджених параметрів як середній рівень інтересу за конкретний період, середнє
відхилення інтересу від середнього значення, коефіцієнти кореляції між окремими параметрами
та значенням кількості відвідувачів. Ці параметри дозволяють оцінити і виявити несподівані спа-
лахи або падіння інтересу та виявити їх причини.
Засобами пакету інтелектуального аналізу даних на базі великого багатофакторного набору
даних, який має хронологічну форму, можна здійснити наступну обробку даних:
- аналіз ключових факторів впливу (хронологічні параметри або специфічна тематика) на
кількість відвідувачів та їх активність
- провести кластерізацію даних, тобто виявити інтервали часу під час яких на інтерес до ви-
дання впливають одні і ті ж фактори
- виявлення періодичності та взаємний вплив різних факторів на вибір тематики та зміну
активності читачів.
Інтерфейсна частина призначена для оформлення запитів потрібного вигляду та для здійс-
нення взаємодії між компонентами системи. Для реалізації задачі задіяна програмні засоби які
містяться в різних програмних середовищах. Загальну взаємодію програних компонентів можна
відобразити схемою (Рис. 2.).
Рис.2. Концептуальна схема системи виявлення факторів взаємодії.
Реалізація такої системи дозволить керівникам і менеджерам електронних ЗМІ оперативно
Інтерфейс користувача.
(введення параметрів запиту, інтерпретація результату)
Електронні таблиці Excel.
Формування статистичних наборів, виявлення загальних статистичних па-
раметрів впливу СУБД Access.
Збереження інформаційних наборів.
Передача інформації для інтелектуального аналізу. Формування звіту.
Пакет інтелектуального аналізу Data Mining.
Виявлення відхилень від середніх показників. Обчислення факторів впливу.
Виявлення прихованих закономірностей.
122
та порівняльно здійснювати вибір тематики згідно з поточними подіями та умовами.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Форман Дж. Много цифр. Аналіз больших данних при помощи Excel / Дж. Форман – М. : Альпина, 2015. – 461 c. 2. Черняк О. І. Інтелектуальний аналіз даних: Підручник / О. І. Черняк, П. В. Захарченко. – К : Прецедент, 2014. – 599 с.
3. Автоматизація Excel за допомогою С++[Електронний ресурс]. – Режим доступу : URL : https://support.microsoft.com/ru/ru
/kb/196776 – Назва з екрана.
УДК 004.383.3
РУСНАК В., ФРАТАВЧАН В.
Чернівецький національний університет імені Юрія Федьковича (Україна)
ВИЯВЛЕННЯ ЗАКОНОМІРНОСТЕЙ В ОЦІНКАХ ЕФЕКТИВНОСТІ ПЕРІОДИЧНИХ
ЕЛЕКТРОННИХ НОСІЇВ ІНФОРМАЦІЇ МЕТОДОМ АМПЛІТУДНО-ЧАСТОТНИХ ФІЛЬТРІВ
Розглядається задача фільтрації цифрового сигналу, який представляє оцінку інтересу чи-
тачів до електронного засобу інформації, від природних та періодичних факторів з метою
отримання «чистої» залежності від конкретної тематики або для виявлення «точкових» збу-
рень значення оцінки.
До задачі оцінювання інтересу до електронних засобів інформації можна підійти з точки зо-
ру загальних математичних методів. Такі показники інтересу, як загальна кількість щоденного
відвідування сайту періодичного електронного видання або активність читачів за довготривалий
період можна трактувати як випадкові функції. При досліджені такої функції висувається гіпоте-
за, що функція містить лінійну складову, декілька коливних періодичних складових, точкові ви-
падкові збурення та регулярні збурення типу «білий шум». Для виявлення особливостей впливу
конкретних тематик або інших суб’єктивних факторів на популярність видання, потрібно виділи-
ти такі «природні» фактори, як поступова «роскрутка» сайту видання та природне зростання кіль-
кості користувачів Інтернету, сезонність, періодичність або циклічність спортивних, політичних,
культурних, наукових подій тощо. Одним з можливих методів аналізу та виявлення загальних
атрибутів випадкового процесу може бути застосування амплітудно- частотної фільтрації.
Формалізований щоденний числовий показник популярності електронного видання протя-
гом довготривалого періоду, наприклад – року, утворює числову послідовність, або цифровий
сигнал (рис.1).
Рис.1. «Цифровий сигнал» показника ефективності видання.
Здійснити візуальний аналіз циклічних та періодичних показників такого сигналу досить
проблематично, оскільки сигнал отриманий накладанням декількох коливних функції різної час-
тоти, до якої додаються випадкові збурення. Для виявлення «впливових» коливних складових
здійснюється перетворення Фур’є, яке будує амплітудно-частотний спектр сигналу (рис.2.а). В
спектральну таблицю входять амплітудні коефіцієнти, які відповідають коливним частотам, від
одного дня до року (365 пар). Нульовий коефіцієнт визначає середнє значення оцінки за дослі-
джений період. Інші коефіцієнти визначають вагу кожної коливної складової в загальному сигна-
лі. Навіть візуально помітно, що отримані табличні амплітуди суттєво відрізняються. Процедура
фільтрації полягає у виборі амплітудних коефіцієнтів для відновлення сигналу. Вибір амплітуд
для фільтра можна здійснити в ручному режимі ( надавши нульові значення «зайвим» табличним
амплітудам ) або застосував порогові значення (ріс.2.б).
123
а) б)
Рис.2. (а-початкова спектральна таблиця, б-спектральна таблиця для фільтрації сигналу).
Фільтрація здійснюється методом оберненого перетворення Фур’є із застосуванням селек-
ційної спектральної таблиці. Відфільтрований сигнал є наближенням початкового сигналу і міс-
тить тільки потрібні складові. Ступень фільтрації можна оцінити візуально (рис.3), а періодич-
ність складових визначається індексами ненульових коефіцієнтів в спектральній таблиці фільтра.
Рис.3. Фільтрація сигналу.
Розділення сигналу на «природну» та «суб’єктивну» частину дозволить в подальшому
покращити визначення впливу тематичного фактору на показники якості електронного видання.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Форман Дж. Много цифр. Аналіз больших данних при помощи Excel / Дж. Форман – М. : Альпина, 2015. – 461 c. 2. Черняк О. І. Інтелектуальний аналіз даних: Підручник / О. І. Черняк, П. В. Захарченко. – К : Прецедент, 2014. – 599 с.
3. Мандзій Б.А. Основи теорії сигналів. – Львів: Видавничий дім Ініціатива, 2008. – 240 с.
4. Сергиенко А.Б. Цифровая обработка сигналов. Учебник для вузом. – СПБ: Питер, 2002. – 280 с. 5. Игнатов В.А. Теория информации и передачи сигналов. Чебнипк М.: Радио и связь, 1991, – 280 с.
УДК: 004.65
ЯВДОШНЯК Р. Я.
Чернівецький національний університет імені Юрія Федьковича (Україна)
СИСТЕМА УПРАВЛІННЯ МЕРЕЖЕЮ АПТЕК «ГАРМОНІЯ»
В статті описується створення нормалізованої інформаційно-логічної моделі бази даних
обліку роботи мережі аптек «Гармонія», що в свою чергу дозволяє розробити дієздатну інфор-
маційну систему автоматизації діяльності обраної предметної області.
Інформаційні системи автоматизації роботи різноманітних фірм та підприємств з'явилися
порівняно недавно, проте за останні кілька років процес розвитку комп’ютерної техніки, а з ним і
прикладного програмного, забезпечення досяг значних висот. Сьогодні комп’ютерна техніка ста-
124
ла звичним “знаряддям праці”, оскільки допомагає ефективно обробляти необхідну інформацію,
наприклад, про надання послуг, кількість клієнтів, реалізацію товарів тощо.
Так, інформаційні системи автоматизації роботи застосовуються і в аптечних установах. Зо-
крема, у мережі аптек “Гармонія” такі системи призначені для того, аби максимально полегшити
діяльність працівників аптеки. Адже ефективно обробляти дані про клієнтів та постачальників,
інформацію про співробітників, вести облік медичних препаратів та їх цін, оприбуткування і пе-
редпродажна підготовка товару, ведення серійного обліку, управління запасами, оптимальне пе-
реміщення товару в межах однієї аптечної мережі, відпустку препаратів споживачам – кожна з
цих дій є досить складним бізнес-процесом. Крім того, ці процеси в аптеці тісно взаємопов’язані і
відбуваються практично одночасно.
Функціонування бази даних мережі аптек “Гармонія” та відповідних інформаційних систем
допомагає здійснювати ефективну роботу установи, контролювати її діяльність, забезпечувати
надійний захист даних. Програмне забезпечення дозволяє оптимізувати управління товарно-
матеріальними запасами, заздалегідь підготувати замовлення постачальнику на проданий в даний
час товар, щоб уникнути дефектів і надлишків товару. В електронному вигляді замовлення відп-
равляється дистриб’ютору, який може вже наступного дня його виконати. За рахунок збільшення
обороту аптека може забезпечити більший асортимент товару, фактично більш повно задовольни-
ти попит споживачів.
Дана система відіграє важливу роль в управлінні аптечними мережами, до її основних мож-
ливостей належать:
автоматизація документообігу з постачальниками. Використання можливостей електрон-
ного замовлення товарів, порівняння прайс-листів постачальників, отримання документів
по товарах в електронному вигляді (накладні, сертифікати якості);автоматизація ціноутво-
рення. Можливість налаштування схеми ціноутворення залежно від різних умов (з конт-
ролем дотримання законодавчих обмежень);
аналітична звітність. Аналіз руху товару і складання звітів по групах товарів;
автоматизація роботи з товарним асортиментом. Отримання звітів по групах товарів, реа-
лізація асортиментної політики організації, управління обов'язковим переліком лікарських
препаратів;
автоматизація процесу інвентаризації в аптеках спрощує і скорочує проведення такого
трудомісткого і тривалого процесу в рази;
автоматизація бухгалтерського обліку. Формування первинних бухгалтерських звітів, а
також передача даних в спеціалізовані бухгалтерські системи;
автоматизація роботи офісів аптечних мереж і оптових складів аптечних організацій, кон-
троль за дотриманням внутрішньої логістики;
Також, впровадження інформаційних систем в аптечних мережах сприяє зменшенню частки
рутинної праці і вивільненню часу працівників, стимулює їх виявляти і реалізовувати свій твор-
чий потенціал. Крім того, за рахунок формалізації технологічних процесів в переважній більшості
випадків покращуються показники продажу та динаміка розвитку аптечних мереж в цілому; обо-
ротність зростає на 10-40%, розширюється асортимент лікарських засобів. Одним з важливих
результатів автоматизації є посерійний облік і перевірка на забраковані серії, наявні сьогодні в
кожній серйозній інформаційній системі для аптечних закладів, що перешкоджають потраплян-
ню в продаж неякісного, або фальсифікованого товару.
В процесі побудови інформаційної системи: було опрацьовано вхідну та нормативно-
довідкову документацію досліджуваної організації, а саме система управління мережею аптек
«Гармонія», вивчено функціонування об’єкта управління та можливості заміни матеріальних по-
токів інформаційними; розроблено, перевірено коректність з використанням нормальних форм та
доопрацьовано інформаційно-логічну схему бази даних; розроблено таблиці, встановлено всі вла-
стивості їх полів, забезпечено цілісність; розроблено засоби коригування, пошуку, сортування та
фільтрування даних; розроблено необхідні засоби автоматизації управління інформаційною сис-
темою.
Створена інформаційна система призначена для автоматизації роботи мережі аптек «Гармо-
нія». Вона також може бути використана для автоматизації обліку роботи будь-якої іншої мережі
аптек з аналогічною структурою.
125
ПЕРЕЛІК ЛІТЕРАТУРИ
1. Гужва В.М. Інформаційні системи і технології на підприємствах: Навч. посібник. К.:КНЕУ, 2001. – 400 с.
2. Автоматизація бізнес-процесів в Україні.[Електронний ресурс]. – Режим доступу : URL : http://www.abp.in.ua – Назва з екрана. 3. Верба В.А. Інформаційне забезпечення управління розвитком компанії Формування ринкової економіки // Зб. наук. праць ДВНЗ
«КНЕУ імені В.Гетьмана».- 2009. - №22. -с.145-154.
СЕКЦІЯ 6
АБАБИЙ В., БАЛМУШ И., МЕЛНИК Р., КАТРУК М., ПОДУБНЫЙ М.
Технический Университет Молдовы, Кишинев, Республика Молдова
СИСТЕМА ДЛЯ НАВИГАЦИИ ТРАНСПОРТНЫХ СРЕДСТВ
Аннотация. В данной работе представлены результаты проектирования системы навигации
транспортных средств, в частном случае рассмотрено управление системой мобильных роботов в
ограниченном изолированном пространстве при выполнении коллективной задачи. Целью управ-
ления транспортными средствами является оптимизация затрат и технических средств. Для до-
стижения поставленной цели разработана топология вычислительной сети и диаграмма взаимо-
действия устройств коллективного принятия решений.
Ключевые слова: навигация транспортных средств, транспортная задача, задача коммиво-
яжера, коллективное принятие решений, WiFi.
Введение
Классическая цель любой системы навигации является выбор оптимального пути следования
объекта в пространстве [1]. Современные системы навигации в основном базируются на использо-
вание технических средств GPS или ГЛОНАС [2]. Удобство данных систем неоспоримо. Однако
есть случаи, где данные технологии не применимы, к примеру, в помещениях, подвалах, тоннелях,
и т.д.
Одновременно с процессом навигации транспортных средств рассматривается и транспортная
задача [3] которая обеспечивает оптимизацию затрат, и задача коммивояжера [4,5] которая обеспе-
чивает выбор оптимального пути навигации и прохождение заданных точек пространства.
Процесс навигации транспортных средств усложняет еще и тот факт, что принимаемые реше-
ния осуществляется группой устройств или агентов [6] которые в процессе решения задачи должны
обмениваться данными и знаниями между собой.
В данной работе предоставлены результаты проектирования системы для навигации транс-
портных средств, в частности управление системой мобильных роботов в ограниченном изолиро-
ванном пространстве при выполнении коллективной задачи по перевозке товаров от производите-
лей к потребителям.
Топология вычислительной сети для навигации транспортных средств
Топология вычислительной сети
(ВС) для навигации транспортных
средств (мобильных роботов) представ-
лена на Рисунке 1. ВС состоит из двух
множеств вычислительных устройств:
это стационарные точки доступа
, 1,i
RP i N реализованные на базе
модулей Raspberry Pi 3 [7] формирую-
щие между собой локальную сеть на
базе портов Ethernet, и мобильные
устройства , 1,j
MR j M реализо-
ванные на базе модулей ESP8266 SMT
Module - ESP-12E [8] которые совместно
с модулями Raspberry Pi 3 формируют
WiFi сеть. Стационарные устройства
, 1,i
RP i N совместно с мобильными устройствами , 1,j
MR j M формируют локальную
Рисунок 1. Топология вычислительной сети
MR5
RP1
RP2
RP3
RP4
RP5
RP6
MR
4
MR
1
MR
2
MR3
S1
S2
S3
S4
C1
C2
C3
C4
C5
C6
Ch
SP
Ch
Ch
Ch
ChCh
Ch
Ch
Ch
Ch
Ch
126
группу через каналы Ch и участвуют в решении части коллективной задачи. Принадлежность мо-
бильного устройства , 1,j
MR j M к группе позволяет определить его место расположения в
пространстве SP и соответственно часть решаемой коллективной задачи. Множество , 1,l
S l L
это источники товаров и множество , 1,k
C k K это потребители товаров.
Рисунок 2. Диаграмма взаимодействия устройств навигации транспортных
средств.
Диаграмма взаимодействия устройств
Диаграмма взаимодействия вычислительных устройств навигации транспортных средств,
при выполнении коллективной задачи, представлена на Рисунке 2. Процесс навигации предусмат-
ривает следующую последовательность операций. Вначале выполняется инициализация ...Init
сети точек доступа , 1,i
RP i N и мобильных роботов , 1,j
MR j M . Далее выполняется ре-
шение транспортной задачи [3] группой вычислительных устройств , 1,i
RP i N и генерация
новых заданий по перевозке товаров от источников , 1,l
S l L к потребителям , 1,k
C k K .
Впоследствии, группа мобильных роботов находящиеся в ожидании новых заданий, и ближе к ис-
точникам товаров, захватывает обслуживание данного задания. Процесс обслуживания задания
предусматривает решение задачи коммивояжёра [4], в результате чего получаем путь навигации, и
генерация сигналов управления мобильным роботом. По окончании выполнения задания мобиль-
ный робот становится в очередь ожидания новых заданий.
СПИСОК ЛИТЕРАТУРЫ [1] Н.А. Михайлов. “Воздушная навигация”. – Новосибирск, 2000г. – 169 с. [2] Спутниковый мониторинг транспорта. [Электронный ресурс]. Доступ: https://ru.wikipedia.org/wiki.
[3] А.В. Семериков. “Решение транспортных задач”. Ухта: УГТУ, 2013. – 58 с., ISВN: 978-5-88179-781-2.
[4] В.О. Борознов. Исследование решения задачи коммивояжера // Вестник АГТУ. Серия: Управление, вычислительная техника и информатика. 2009. №2. С. 147-151.
[5] М. О. Асанов, В. А. Баранский, В. В. Расин. “Дискретная математика. Графы, матроиды, алгоритмы”. -М.: Лань, 2010. 368 с.
[6] М.В. Самсонова. Технология и методы коллективного решения проблем. Ульяновск: УлГТУ, 2003. 152 с., ISВN: 5-89146-419-5. [7] https://www.raspberrypi.org/products/raspberry-pi-3-model-b/ (Доступ: 25.03.2016).
[8] http://esp8266.ru/modules-esp8266/ (Доступ: 20.04.2016).
MR Groupe
New Task
New Task Generate
RP Groupe
Reference Point RP 1 Reference Point RP N Mobile Robot MR 1 Mobile Robot MR M
Init RP Net Init RP Net Init MR Net Init MR Net
Transportation problem solving
Transportation problem solving
Delay New Task
New Task New Task
New Task TPS? New Task TPS?Y Y
N N
Delay New Task
Traveling salesman problem
Traveling salesman problem
New Task Init MR1
Exec Task MR1
End Task
New Task Init MR M
Exec Task MR M
End TaskYNT N YNT N
Stop Stop
127
Data Map
Data Member 1
Data Member N
Data Member 5
Data Member 4
Data Member 3
Data Member 2
Model Description N
Member N
Model Description 5
Member 5
Model Description 4
Member 4
Model Description 1
Member 1
Model Description 2
Member 2
Model Description 3
Member 3
АБАБИЙ В., СУДАЧЕВСКИ В., ПОДУБНЫЙ М., САФОНОВ Г., НЕГАРЭ Е.
Технический Университет Молдовы, Кишинев, Республика Молдова
СИСТЕМА КОЛЛЕКТИВНОГО ПРИНЯТИЯ РЕШЕНИЙ НА БАЗЕ
XBEE-PRO УСТРОЙСТВ
Аннотация В данной работе представлены результаты проектирования системы коллектив-
ного принятия решений на базе XBee-Pro технологии. Вычислительная система представляет со-
бой распределенную архитектуру с общим полем данных. Для доступа к данным используется
относительный способ адресации состоящий из адреса устройства и адресa памяти RAM соответ-
ствующего устройства.
Введение Системы коллективного принятия решений представляют собой класс вычисли-
тельных систем с архитектурой MISD, где присутствует общее поле данных, которое обрабатыва-
ются множеством вычислительных устройств синхронно или асинхронно [1,2,3], в результате чего
принимается то или иное решение для воздействия на внешнюю среду (пространство состояний).
Целью данной работы является проектирование системы коллективного принятия решений,
которая решала бы задачу MD
X Y , где: , 1,i
X x i N - пространство состояний;
, 1,i
Y y i N - воздействия на пространство состояний; , 1,i
MD MD i N - вычисли-
тельные модели системы коллективного принятия решений, где:
, 1,i i i i
MD DP DC DA i N .
Модель системы коллективного принятия решений
Модель системы коллективного
принятия решений представлена в виде
диаграммы на Рисунке 1, где:
, 1,i
Member i N - множество аген-
тов участвующих в принятии решений;
, 1,i
Model Description i N - опи-
сание модели принятия решений аген-
том i ; , 1,i
Data Member i N - дан-
ные генерируемые агентом i , вместе
формирующие общее поле данных
Data Map .
Принцип функционирования мо-
дели коллективного принятия решений
заключается в генерации агентами данных, которые передаются в общее поле Data Map . Каж-
дый агент имеет доступ к общему полю данных Data Map и решает набор задач , 1,i
MD i N
, который включает:
Модель преобразования поля данных, представленная выражением (1):
, 1,iDP
iData Map Data Member i N (1)
Модель принятия решений iDC для воздействия агентом на пространство состояния,
представленная выражением (2):
( ), 1,iDC
iData Map Out y i N (2)
Модель преобразования пространства состояния X в поле данных, представленная
выражением (3):
( ) , 1,iDA
i iIn x Data Member i N (3)
Рисунок 1. Модель системы коллективного принятия решения.
128
Синтез структурной схемы системы коллективного принятия решений
Структурная схема системы коллек-
тивного принятия решений представляет
собой сеть с топологией Mesh и представле-
на на рисунке 2, где:
, 1,m
MA MA m M - множество мо-
бильных агентов; , 1,k
SA SA k K -
множество стационарных агентов;
COMM ENV - средства обмена данными.
Для проектирования системы коллек-
тивного принятия решений используется
модуль XBee-Pro обеспечивающий следую-
щие технические характеристики [4]: Flash
память для программ – 32KB; Память дан-
ных – 2KB; АЦП – 6 10-разрядных каналов; Цифровые двунаправленные выводы – 8; Дальность
передачи данных – 1000м; Максимальная скорость передачи данных – 250Kbps.
Алгоритм взаимодействия устройств коллективного принятия решений Система коллективного принятия решений пред-
ставляет собой распределенную вычислительную ар-
хитектуру с единым адресным пространством памяти
данных Data Map . Адресация памяти данных
Data Map реализована на базе относительной адре-
сации: _ : _ _Addr Dev Addr Data RAM , где
_Addr Dev - адрес устройства в структуре системы
коллективного принятия решений,
_ _Addr Data RAM - относительный адрес памяти
данных соответствующего устройства. Для обмена
данными между вычислительными устройствами ис-
пользуется явная передача сообщений через коммуни-
кационную среду COMM ENV [5]. Преимуществом
данного технического решения является тот факт, что
вычислительные процессы описываются с помощью
традиционных языков программирования, а для орга-
низации взаимодействия используются дополнительные функции или процедуры.
На Рисунке 3 представлена диаграмма функционирования устройств коллективного приня-
тия решений. Последовательность операции включает: инициализацию устройств, ввод данных
DA , пространство состояния X , запись данных в общее поле данных Data Map , обработка
данных DP , вычисление воздействий на пространство состояния DC , процесс воздействия Y
на пространство состояния X , и проверка конца алгоритма.
СПИСОК ЛИТЕРАТУРЫ [1] http://www.parallel.ru/computers/taxonomy/flynn.html. (доступ 05.02.2016) [2] Э. Таненбаум. “Архитектура компьютера” - Питер, 4-е изд., 2003, 704с. ISBN: 5-318-00298-6.
[3] Prabhudev S. Irabashetti. Parallel processing in processor organization. International Journal of Advanced Research in Computer and Com-
munication Engineering Vol. 3, Issue 1, January 2014, pp. 5150-5153, ISSN: 2319-5940. [4] http://www.digi.com/products/xbee-rf-solutions/modules/xbee-pro-xsc. (доступ 08.03.2016)
[5] В.В. Воеводин, Вл.В. Воеводин. “Параллельные вычисления” - СПб.: БХВ-Петербург, 2002.-608 с. ISBN 5-94157-160-7.
Рисунок 2. Модель системы коллективного принятия реше-
ний.
Рисунок 3. Алгоритм взаимодействия
устройств.
COMM ENV
MA 1
MA 2
MA M
SA 1
SA 2
SA K
... ...
START i
Init Device
Input Xi
Data Proc.
Data Control
Output Yi
Stop ?
STOP
START i+1
Init Device
Input Xi+1
START i-1
Init Device
Input Xi-1
Data Proc.
Data Control
Output Yi+1
Stop ?
STOP
Data Proc.
Data Control
Output Yi-1
Stop ?
STOP
Data Map
Y Y Y
N N N
129
АБАБИЙ В., СУДАЧЕВСКИ В., ПОДУБНЫЙ М., НЕГАРЭ Е.
Технический Университет Молдовы, Кишинев, Республика Молдова
СИНТЕЗ НЕЧЕТКОГО КОНТРОЛЛЕРА ДЛЯ ПРИНЯТИЯ РЕШЕНИЙ
НА БАЗЕ ГИСТЕРЕЗИСНЫХ ХАРАКТЕРИСТИК
Аннотация В данной работе представлены результаты синтеза нечеткого контроллера для систем при-
нятия решений на базе гистерезисных переходных характеристик. Контроллер представляет со-
бой матрицу нечетких логических элементов реализованные на базе однобитной памяти RAM .
Реализация контроллера ориентировано на использование ПЛИС.
Введение
Современный уровень развития техники и технологий все чаще требует учет факторов не-
определенности информации, характерных для процессов принятия решений в сложных недетер-
минированных динамических системах. Решение данного класса задач относится к задачам искус-
ственного интеллекта, в частности к нечеткой логике [1]. Процесс принятия решений в условиях
неопределенности достаточно сложная задача и требует больших вычислительных ресурсов, дан-
ных и знаний. Данный класс задач достаточно широко описан в литературе по специальности [2,3].
Для повышения производительности данных систем часто используются специализированные кон-
троллеры с программируемой вычислительной архитектурой [4].
В данной работе представлен синтез нечеткого контроллера для принятия решений на базе ги-
стерезисных характеристик. Реализация контроллера предусмотрено на базе ПЛИС [5,6].
Модель переходной характеристики нечеткого логического элемента
Для синтеза контроллера используются нечеткие логические элементы с гистерезисной пере-
ходной характеристикой (Рис. 1), где: Din - входной бинарный код, Dout - выходной однобитный
код, Hmin - минимальное количество “1” во входном коде
Din для перехода Dout=1 , Hmax - максимальное коли-
чество “1” во входном коде Din для перехода Dout=0 . Для
вычисления функции Dout используется следующая мате-
матическая модель (1):
i min
1
i max
1
1, Din H ,
Dout=
0, Din < H .
N
i
N
i
else
else
(1)
Синтез структурной схемы нечеткого логического элемента
Рисунок 1. Модель гистере-
зисной характеристики нечеткого
логического элемента.
Рисунок 2. Внешний вид нечеткого логического элемента.
Рисунок 3. Внутренняя структура нечеткого логического
элемента.
1
0
Din
Dout
0 HminHmax
FLEDinN
Din0
Din1
Din2
Dout
RAM
TD
CAN
A0
A1
A2
A N+1
DinN
Din0
Din1
Din2
Dout
/Dout
C
130
На Рисунке 2 представлено внешний вид нечеткого логического элемента FLE, где:
iDin , 1,i N - входной битовый код, Dout - выходной однобитный код.
На Рисунке 3 представлено внутренняя структура нечеткого логического элемента, где:
RAM - однобитная память для хранения переходной гистерезисной характеристики, iA , 1,i N
- вход магистрали адреса памяти RAM для определения гистерезисной характеристики, N+1A -
старший разряд магистрали адреса для выбора направления гистерезисной функции, T - D триг-
гер для хранения выходного однобитного кода Dout и направления изменения гистерезисной
характеристики.
Содержание памяти RAM представлено в Таблице 1.
Таблица 1. Содержание памяти RAM .
Содержание памяти RAM зависит от порогового значения Hmin и Hmax , которые вы-
числяется из выражения (1). Использование памяти RAM для проектирования нечетких логиче-
ских элементов позволяет реализовать для каждого из них собственную переходную характери-
стику с собственными пороговыми значениями Hmin и Hmax .
Пример синтеза контроллера для принятия решений на базе нечетких логических эле-
ментов с гистерезисной характеристикой
На Рисунке 4 представлен пример синтеза контроллера для принятия решений на базе не-
четких логических элементов с гистерезисной переходной характеристикой. Контроллер состоит
из матрицы M K нечетких логических элементов. Для систем принятия решений с аналоговы-
ми входами уровень Level 1 можно запрограммировать как гистерезис двоичного кода.
Рисунок 4. Пример синтеза нечеткого контроллера для принятия решений на базе гистерезисных
характеристик
FLE(1,1)DinN
Din0
Din1
Din2
Dout
FLE(1,2)DinN
Din0
Din1
Din2
Dout
FLE(1,M)DinN
Din0
Din1
Din2
Dout
FLE(2,1)DinN
Din0
Din1
Din2
Dout
FLE(2,M)DinN
Din0
Din1
Din2
Dout
FLE(K,1)DinN
Din0
Din1
Din2
Dout
FLE(K,M)DinN
Din0
Din1
Din2
Dout
Level 1 Level 2 Level K
...
...
...
...
N+1A NA N-1A 2A 1A 0A Dout H
1 0 0 0 0 0 0 -
1 0 0 0 0 1 0 -
… … … … … … … …
0 0 0 1 1 1 1 Hmin
0 1 1 1 1 1 1 -
0 0 0 0 1 1 1 -
… … … … … … … …
1 0 0 0 1 1 0 Hmax
131
СПИСОК ЛИТЕРАТУРЫ [1] В.В. Круглов, М.И. Дли, Р.Ю. Голунов - Нечеткая логика и искусственные нейронные сети. М.: Физматлит, 2001, 221с. [2] Д. Рутковская, М. Пилиньский, Л. Рутковский – Нейронные сети, генетические алгоритмы и нечеткие системы. М.: Горячая линия
– телеком, 2006.- 452с., ISBN: 5-93517-103-1.
[3] Б. Лю – Теория и практика неопределенного программирования. М.: БИНОМ, 2005.- 416с., ISBN: 5-94774-241-1. [4] А.Н. Береза, М.В. Ляшов. Аппаратная реализация нечетких контроллеров на ПЛИС. Известия ЮФУ. Технические науки, № 4, том
81, стр.199-203, 2008.
[5] https://www.altera.com/ (доступ 01.04.2016). [6] http://www.xilinx.com/ (доступ 01.04.2016).
УДК 004.9
БАЛОВСЯК С.В., МЕЛЬНИЧУК А.Ю.
Чернівецький національний університет імені Юрія Федьковича (Україна)
ОРІЄНТОВАНА ФІЛЬТРАЦІЯ ЗОБРАЖЕНЬ В ПРОСТОРОВІЙ ОБЛАСТІ
Розроблено алгоритм та програмне забезпечення для орієнтованої згортки зображень в
просторовій області. В якості ядра фільтра використано орієнтований двовимірний розподіл
Гауса. Напрям ядра для кожного пікселя зображення визначався через орієнтацію головної осі
інерції для контуру зображення в межах локального вікна. Виділення контурів на зображенні
виконано методом Кенні (Сanny). Орієнтована згортка зображень з автоматичним вибором
напряму ядра фільтра дозволяє видаляти на зображеннях шум при допустимому розмитті кон-
турів. Програмна реалізація методів обробки зображень виконана в середовищі MATLAB.
Значна частина цифрових зображень містить, крім корисного сигналу, також шуми і дефек-
ти, що знижує їх візуальну якість. Існуючі методи цифрової фільтрації зображень, зокрема з вико-
ристанням згортки, забезпечують зменшення рівня шумів, але при цьому частково пошкоджують
і корисний сигнал [1, 2]. В якості ядра фільтра часто застосовується двовимірний розподіл Гауса,
після згортки з яким початкове зображення згладжується і видаляється високочастотний шум.
Недоліком фільтрації з неорієнтованим ядром фільтра Гауса є розмиття контурів зображення.
Тому в даній роботі для видалення шуму на зображеннях і підвищення їх візуальної якості запро-
поновано використати орієнтовану згортку зображень у просторовій області. У результаті такої
згортки контури зображень розмиваються менше, оскільки згортка в основному відбувається
вздовж напряму контуру. Середовище розробки програми – Matlab [2].
У випадку неорієнтованої згортки зображень у просторовій області в якості ядра фільтра
w1 = (w1 (u, v)) використовується двовимірний розподіл Гауса (рис. 1а)
2
22
2
21
21
12
)()(exp
2exp),(
w
cc
w
uuvvuvvuw , (1)
де u = 1,..., Mw, v = 1,..., Nw, Mw – висота ядра фільтра, Nw – ширина ядра фільтра,
u1, v1 – координати елементів ядра w1 відносно його центру (uC, vC);
σw – середнє квадратичне відхилення (СКВ) w1.
При орієнтованій згортці зображень у просторовій області ядро фільтра w = (w(u, v)), де
u = 1,..., Mw, v = 1,..., Nw, повинно мати переважну орієнтацію, тому як ядро w використано орієн-
тований двовимірний розподіл Гауса (рис. 1б, рис. 1в)
22
2
21
2
2
))()((
2
))()((exp),(
w
cc
w
cc vvdvvcuubvvavuw , (2)
де u, v – координати елементів ядра w; σw1 – СКВ ядра w вздовж головної осі розподілу; σw2
– СКВ w перпендикулярно до головної осі; a, b, c, d – коефіцієнти, які визначають напрям розпо-
ділу.
132
а) б) в) Рис. 1. Зображення ядер фільтра: а) w1 – неорієнтований двовимірний розподіл Гауса, σw = 4;
б) w – орієнтований двовимірний розподіл Гауса, σw1 = 6.0, σw2 = 3.0, α = 45°;
в) w – орієнтований двовимірний розподіл Гауса, σw1 = 6.0, σw2 = 1.5, α = 45°
Орієнтація розподілу w (2) визначається напрямом головної осі, яка утворює в віссю v кут α
(рис. 1б). Коефіцієнти напряму a, b, c, d обчислюються через кут α за формулами
)cos(a , )sin(b , )sin(c , )cos(d . (3)
Згортка початкового зображення f = (f(i, k)) (рис. 2) з ядром w виконується за формулою
Mw
u
Nw
vcc vuwvvkuuifkig
1 1
),(),(),( , (4)
де g = (g(i, k)) – фільтроване зображення; i = 1, ..., M, k = 1, ..., N;
M – висота зображення f (в пікселях), N – ширина зображення;
uC = (Mw2 + 1) – центр ядра фільтра за висотою;
vC = (Nw2 + 1) – центр ядра фільтра за шириною;
Mw2, Nw2 – цілі частини від половини розміру ядра фільтра.
Обробка зображень виконується локально, оскільки ядро фільтра w для різних пікселів зо-
браження може відрізнятися. Орієнтація ядра фільтра w (кут α) збігається з напрямом переважної
орієнтації контуру зображення в межах локального вікна розміром Mw × Nw пікселів. Для виділен-
ня контурів gc (рис. 3) на зображенні f використано метод Кенні (Сanny) [2]. Кут α обчислюється
як орієнтація головної осі інерції контуру в межах локального вікна через дискретні центральні
моменти [1], тому при орієнтованій фільтрації контури розмиваються менше (рис. 4).
а) б) в)
Рис. 2. Приклад фільтрації зображень: а) початкове зображення f; результат g1 неорієнтованої фільтрації (σw = 2.0); б) результат
g орієнтованої фільтрації (σw1 = 3.0, σw2 = 1.0)
133
а) б) Рис. 3. Контури зображення f Рис. 4. Фрагменти фільтрованих зображень (рис. 2): а) g1; б) g
Науковою новизною роботи є використання орієнтованого ядра фільтра Гауса для згортки зо-
бражень у просторовій області, що в поєднанні з автоматичним вибором напряму ядра фільтра до-
зволяє видаляти шум на зображеннях при допустимому розмитті контурів.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Russ J. C. The Image Processing Handbook / J. C. Russ. – Taylor and Francis Group, 2011. – 838 p.
2. Гонсалес Р. Цифровая обработка изображений в среде MATLAB / Р. Гонсалес, Р. Вудс, С. Эддинс. – М. : Техносфера, 2006. – 616 с.
УДК 004.9
БАЛОВСЯК С.В., ОДАЙСЬКА Х.С.
Чернівецький національний університет імені Юрія Федьковича (Україна)
ВИЗНАЧЕННЯ ОПТИМАЛЬНОЇ ДИСПЕРСІЇ ЯДРА ФІЛЬТРА ГАУСА ПРИ ФІЛЬТРАЦІЇ
ГАУСОВОГО ШУМУ НА ЗОБРАЖЕННЯХ З ОДНІЄЮ ПРОСТОРОВОЮ
ЧАСТОТОЮ КОРИСНОГО СИГНАЛУ
Розроблено алгоритм і програмне забезпечення для обчислення оптимальної дисперсії ядра
фільтра Гауса при фільтрації Гаусового шуму на цифрових зображеннях. Видалення шуму вико-
нується шляхом згортки зображення з ядром фільтра Гауса. Оптимальні параметри ядра філь-
тра Гауса визначалися при обробці серії еталонних зображень та отриманих на їх основі зо-
бражень з шумом шляхом порівняння фільтрованих зображень з початковими. Оптимальна дис-
персія ядра фільтра визначалася для серії зображень з різними просторовими періодами та се-
редніми квадратичними відхиленнями шуму. Програмна реалізація методу виконана в середовищі
MATLAB.
Автоматичне обчислення оптимальних параметрів фільтрації Гаусового шуму на цифрових
зображеннях має велике практичне значення, оскільки Гаусовий шум часто виникає при отриман-
ні зображень з сенсорів [1]. Поширеним способом видалення шуму на зображенні є його згортка з
ядром фільтра Гауса, але при цьому виникає проблема обчислення оптимальної дисперсії DwT
ядра фільтра Гауса (або середнього квадратичного відхилення (СКВ) ядра фільтра wTwT D ).
Існує кілька методів обчислення оптимальної дисперсії DwT ядра фільтра, в яких, зокрема, аналі-
зуються: область інтересу зображення (region of interest – ROI) та коефіцієнти Фур’є зображення
[1]. Метод області інтересу передбачає обробку області зображення, в якій локалізовано в основ-
ному шум, а недолік методу полягає в складності автоматичного виділення такої області. Аналіз
коефіцієнтів Фур’є дозволяє обчислювати дисперсію DwT ядра фільтра із задовільною точністю
тільки в тих випадках, якщо частоти корисного сигналу і шуму не перекриваються або перекри-
ваються частково.
Таким чином, існує потреба у створенні універсального методу для автоматичного обчис-
лення оптимальної дисперсії DwT ядра фільтра Гауса при фільтрації Гаусового шуму на зображен-
нях. Створення такого методу для зображень з довільним частотним спектром сигналу є складним
завданням, оскільки спектр корисного сигналу може перекриватися з спектром шуму. Тому в да-
ній роботі пропонується обчислювати оптимальну дисперсію DwT ядра фільтра для зображень з
однією просторовою частотою корисного сигналу. При використанні перетворення Фур’є розпо-
134
діл яскравості (інтенсивності) цифрового зображення можна описати сумою скінченної кількості
гармонік з різними просторовими частотами, тому розробивши метод обчислення DwT для однієї
просторової частоти, в подальшому можна узагальнити його для довільної кількості частот. Про-
грамна реалізація методу виконана в середовищі MATLAB [2].
Згідно із запропонованим методом оптимальні параметри ядра фільтра Гауса визначалися
при обробці серії еталонних зображень f, яскравість яких моделювалася синусоїдою з просторо-
вим періодом TS (рис. 1а). Використано еталонні зображення з періодами TS від 4 до 256 пікселів,
оскільки такий діапазон періодів характерний для більшості реальних зображень. На основі ета-
лонних зображень створювалися зображення fn з Гаусовим шумом з СКВ σN (рис. 1б). Значення
СКВ шуму σN змінювалося в діапазоні від 0 до 0.1 (10%), оскільки для більшості реальних зобра-
жень σN не перевищує 0.1.
a) б) в) Рис. 1. Послідовність обробки зображень: а) еталонне зображення f (TS = 64); б) зображення fn з шумом, отримане на основі f ;
в) фільтроване зображення g
Фільтрація зображень fn проводилася при різних значеннях СКВ ядра фільтра Гауса σw та рі-
зних СКВ шуму σN, в результаті чого отримуються фільтровані зображення g (рис. 1в). Точність
фільтрації оцінювалася параметром RMSE (root mean square error) [1], який обчислювався як ко-
рінь середньої квадратичної різниці між еталонним зображенням без шуму f і зображенням після
фільтрації g за формулою
M
i
N
k
kigkifMN
RMSE2
),(),(1
, (1)
де i = 1, ..., M, k = 1, ..., N ; M – висота зображень f та g (в пікселах), N – ширина зображень.
Згортка зображення fn з ядром фільтра w, в результаті чого отримується фільтроване зобра-
ження g, виконується з використанням функцій MATLAB [2] за формулою
wfg n * . (2)
Значення кожного елемента зображення g обчислюється за формулою
Mw
u
Nw
vcc vuwvvkuuifkig
1 1
),(),(),( , (3)
де i = 1, ..., M, k = 1, ..., N, u = 1, ..., Mw, v = 1, ..., Nw; Mw – висота ядра w в пікселах, Nw – ши-
рина w в пікселах; uc = (Mw2 + 1); vc = (Nw2 + 1); Mw2, Nw2 – цілі частини від половини розміру w.
Оптимальні значення ядра фільтра σwT отримано як σw при мінімумі RMSE (рис. 2а). Для підви-
щення точності визначення σwT проведена інтерполяція залежності RMSE (σw) за допомогою кубічних
сплайнів (рис. 2а, рис. 2б). Залежності σwT (TS, σN) обчислено у вигляді матриці mσwT при дискрет-
них значеннях TS та σN (рис. 2в). Значення σwT при довільних параметрах TS та σN отримуються на
основі матриці mσwT шляхом лінійної інтерполяції залежності σwT (TS, σN).
135
а) б) в)
Рис. 2. Залежності RMSE (σw, σN) та σwT (TS, σN): а) інтерполяція залежності RMSE (σw) кубічним сплайном RMSE_І і обчислення σwT для зображення з періодом TS = 64 і шу-
мом σN = 0.05;
б) залежності RMSE (σw, σN) для зображень з періодом TS = 64 і різними значеннями шуму σN; в) лінійна інтерполяція залежності σwT (TS, σN); вузли інтерполяції показані маркерами
Використовуючи розраховану матрицю mσwT можливо обчислити оптимальне значення σwT
для довільних TS і σN (рис. 2в) і виконати оптимальну фільтрацію зображення з Гаусовим шумом.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Gonzalez R. Digital image processing / R. Gonzalez, R. Woods. – Prentice Hall, 2002. – 813 p.
2. Gonzalez R. Digital Image Processing using MATLAB / R. Gonzalez, R. Woods, L. Eddins. – Prentice Hall, 2004. – 609 p.
УДК 004.9
БАЛОВСЯК С.В., ЦИГИРА К.В.
Чернівецький національний університет імені Юрія Федьковича (Україна)
ПРОГРАМНЕ ЗАБЕЗПЕЧЕННЯ ДЛЯ ПІДВИЩЕННЯ ЛОКАЛЬНОГО КОНТРАСТУ ТА
ВИДАЛЕННЯ НЕОДНОРІДНОГО ФОНУ ЗОБРАЖЕНЬ
Створено алгоритм та програмне забезпечення для підвищення локального контрасту та
видалення неоднорідного фону зображень. Зображення оброблялися на рівні локальних вікон
прямокутної форми. В межах кожного вікна обчислювалися значення локальних мінімуму та ма-
ксимуму, на основі яких шляхом двовимірної апроксимації розраховувалися значення нижньої та
верхньої огинаючих сигналу. Отримана нижня огинаюча описує розподіл інтенсивності неоднорі-
дного фону зображення, а різниця між нижньою і верхньою огинаючими дорівнює локальному
контрасту. На основі значень нижньої та верхньої огинаючих підвищено локальний контраст і
видалено неоднорідний фон. Середовище розробки програми – MATLAB.
Контраст і фон різних областей одного цифрового зображення може сильно відрізнятися,
при цьому в більшості випадків неможливо або складно змінити експериментальні умови, які
приводять до виникнення локальних змін контрасту і фону. В умовах неоднорідного освітлення
тільки локальне підвищення контрасту і видалення неоднорідного фону дозволяє значно покра-
щити візуальну якість зображень, тому завдання локальної обробки зображень є актуальним [1,
2]. Проте локальне підвищення контрасту та видалення фону, яке виконується в межах ковзних
вікон (звичайно прямокутної форми), значно складніше за глобальну обробку при програмній
реалізації. Крім цього, існує проблема оптимального вибору параметрів локальної обробки зо-
бражень: розміру і форми вікон, відстані між центрами вікон та ін. Тому в даній роботі запропо-
новано удосконалити метод підвищення локального контрасту та видалення неоднорідного фону
на прикладі тестових зображень, отриманих на основі еталонних. Шляхом порівняння зображень-
результатів з еталонними визначаються оптимальні параметри обробки зображень. Програмне
забезпечення для підвищення локального контрасту та видалення неоднорідного фону зображень
розроблено в середовищі Matlab [1].
В якості еталонних зображень f розміром M × N пікселів (рис. 1а) вибрано висококонтраст-
ні зображення шахової дошки з розмірами клітин 2, 4, ... 128 пікселів. При обробці зображень у
136
відтінках сірого в кожен елемент матриці f = (f (i, k)) записується інтенсивність відповідного пік-
селя (нормована до 1). На основі еталонних зображень f створювалися пошкоджені зображення fn
(рис. 1б) шляхом локальної зміни контрасту і додавання неоднорідного фону. Значення локально-
го контрасту моделювалися синусоїдами із заданими амплітудами, періодами і фазами. Аналогіч-
но моделювалися значення неоднорідного фону. В результаті локальної обробки зображення fn
отримується відновлене зображення g (рис. 1в), яке за розподілом інтенсивності повинно набли-
жуватися до еталонного f.
а) б) в)
Рис. 1.
Послідовність обробки зображень: а) еталонне зображення f; б) зображення з неоднорідним контрастом fn; в) відновлене зобра-ження g; Rqg – середня квадратична різниця між зображеннями g та f
а) б) в)
г) д) е)
Рис. 2.
Локальна обробка зображення fn (рис. 1б): а) поділ зображення fn на локальні вікна w; маркерами показані центри вікон;
б) положення максимумів яскравості в межах локальних вікон; в) значення максимумів wUp для локальних вікон; г) апроксимована верхня огинаюча gUp сигналу;
д) профіль верхньої огинаючої gUp та вузли апроксимації wUp (локальні максимуми);
е) профілі пошкодженого fn та відновленого g зображень
Згідно з математичною моделлю локальної обробки передбачається поділ пошкодженого зо-
браження fn на окремі вікна w (рис. 2а). Визначення мінімального та максимального значень сиг-
налу відбувається локально в межах кожного вікна w розміром Mw × Nw пікселів (рис. 2б, рис. 2в).
Центри вікон розміщені у вузлах прямокутної решітки з періодами SW = Nw за шириною та SH = Mw
за висотою. Вікна на зображенні fn утворюють Qiw рядків і Qkw стовпців (рис. 2в), де значення Qiw і
Qkw обчислюються за формулами:
137
22
11
MS
MMQ
H
wiw , 2
2
11
NS
NNQ
W
wkw . (1)
На основі матриць мінімальних wDn і максимальних wUp значень (в межах вікон) виконується
апроксимація нижньої gDn і верхньої gUp огинаючих сигналу за допомогою кубічних поліноміаль-
них функцій (рис. 2г, рис. 2д). Отримана нижня огинаюча описує розподіл інтенсивності неодно-
рідного фону зображення, а різниця між нижньою і верхньою огинаючими дорівнює локальному
контрасту. В результаті локальної обробки зображення fn з врахуванням його огинаючих отриму-
ється відновлене зображення g (рис. 1в, рис. 2е).
Науковою новизною роботи є використання кубічних поліноміальних функцій при обчис-
ленні нижньої та верхньої огинаючих сигналу. Показано, що розміри локальних вікон не повинні
перевищувати розмірів деталей зображення. Розроблене програмне забезпечення показало задові-
льні результати при підвищенні локального контрасту і видаленні неоднорідного фону як для
тестових, так і для експериментальних зображень.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Гонсалес Р. Цифровая обработка изображений в среде MATLAB / Р. Гонсалес, Р. Вудс, С. Эддинс. – М. : Техносфера, 2006. – 616 с.
2. Бондина Н. Н. Адаптивные алгоритмы фильтрации и изменения контраста изображения / Н. Н. Бондина, Р. Ю. Муратов // Вестник
НТУ «ХПИ». – 2014. – № 35 (1078). – С. 35-42.
DÎNTU S., BALMUŞ I., MELNIC R., ŞULETEA A.
Technical University of Moldova, Chisinau, Republic of Moldova
СОЗДАНИЕ 3D ОБЪЕКТОВ ПРИ ПОМОЩИ POWERPOINT
Abstract: PowerPoint tools allow the designing and animation of 3D objects and so the studied
processes and operations can be simulated. These presentations can significantly increase the efficiency
in teaching thanks to the auditory and visual perception and are successfully used in graphical disci-
plines.
Keywords: PowerPoint, 2,5D image, 3D object, animation
Использование презентаций позволяет значительно повысить информативность лекций,
способствует увеличению динамизма и выразительности излагаемого материала. Эффективность
при этом значительно повышается, так как одновременно задействованы зрительное и слуховое
восприятие. Одним из главных инструментов преподавателя при создании такого материала явля-
ется PowerPoint.
Однако часто в презентациях приводится лишь текстовая информация аналогичная содер-
жанию учебников, дробленная по слайдам. Это является самой большой ошибкой преподавателей
использующих такие презентации. Большой текстовый объем не может быть прочитан студента-
ми во время лекции, тем более что в большинстве случаев этот текст повторяется преподавателем.
Для лучшего восприятия, презентации должны содержать минимальное количество текста,
в частности – текст поясняющий рисунки и изображения, которые занимают основное простран-
ство слайдов. Положительный эффект имеет использование пространственных моделей, а также
анимация процессов и операций о которых идет речь в лекции.
Инструменты, предложенные последними версиями PowerPoint, позволяют создавать объ-
емные объекты, которые впоследствии могут быть анимированы различными способами. Для
получения таких моделей можно применить следующие способы:
1. Создание псевдомоделей или объектов 2,5D – плоских рисунков имеющих вид
пространственных моделей.
2. Использование пространственных моделей созданных в графических редакторах (например, AutoCAD, Sketchup, и др.) и сохраненных в виде изображений.
3. Создание 3D деталей непосредственно в PowerPoint.
Для создания 2,5D объектов PowerPoint предлагает 3 типа форм (Shapes): куб, цилиндр, усе-
ченная пирамида. Эти фигуры можно закрасить при помощи градиента, задать текстуру, либо
узорную заливку. Причем при закрашивании объектов такого типа, программой учитывается све-
тотень реальных пространственных объектов (рис.1).
138
Рис.1 Псевдомодели меню Shapes
Такого же типа объекты могут создаваться при помощи сочетания плоских фигур с после-
дующей градиентной закраской. Например: сферу получают из круга, конус - из треугольника и
овала, цилиндр – из прямоугольника и овала, и т.д. Возможность использовать прозрачность и
градиент, позволяет изобразить прозрачную сферу. Пример таких объектов приведен на рис.2.
Анимация таких фигур позволяет моделировать различные процессы. На рис.3 приведен
пример моделирующий процесс образование проекций, который изучается в курсе начертаталь-
ной геометрии. Для создания пространственной иллюзии использованы автофигуры параллело-
грамм и овал, закрашенные градиентной заливкой. Постепенное появление линии осуществляет-
ся анимацией типа Wipe и создает эффект перемещения проецирующего луча в пространстве.
Рис.3 Использование автофигур, закрашенные градиентной заливкой
Учитывая то, что часто перемещения рассматриваемых объектов осуществляются в плоско-
сти хОу без поворотов относительно осей Ох и Оу, возможно использование изометрических
изображений созданных при помощи графических редакторов. Для их создания обычно использу-
ется AutoCAD.
Созданные изображения сохраняются в виде рисунков различных форматов, а затем аними-
Рис.2 Плоские фигуры с градиентной закраской
139
руются при помощи инструментов PowerPoint, либо создается последовательность изображений,
сохраняемая как gif-анимация, которая впоследствии вставляется в презентацию.
На рис.4 показан пример поясняющий метод секущих плоскостей в определении линии пе-
ресечения поверхностей и метод создания твердотельных моделей вращением в AutoCAD. В пер-
вом случае использованы перемещающиеся изометрические изображения, а во втором
gif-анимация.
Рис.4 Анимированные изометрические изображения
При рассмотрении объектов перемещающихся в пространстве и вращающихся вокруг осей
Ох и Оу необходимо создание трехмерных моделей. Такие модели могут быть созданы и аними-
рованы в AutoCAD. Движущиеся и вращающиеся пространственные модели можно сохранить в
виде клипов формата avi, а затем импортировать в PowerPoint (рис.5).
Рис.5 Анимированные 3D детали
Создавать трехмерные модели и затем анимировать их можно и непосредственно в Power-
Point. Для их создания используется комарда 3-D Format и 3-D Rotation из меню Format Shape.
Таким образом, из круга можно создать различные кнопки, а также поверхности вращения и сфе-
ры. Выровняв (Align) объемные формы по осям Ох и Оу и задав различную высоту относительно
нулевого уровня, можно создать объекты довольно сложной конфигурации (рис.6).
Рис.6 Трехмерные модели созданные непосредственно в PowerPoint
140
Появившаяся новая команда PowerPoint Combine Shapes позволяет создать всевозможные
детали с различной наружной конфигурацией, а также детали с отверстиями (рис.7). Например,
для получения шлицевого вала с прямобочными шлицами были использованы формы Oval и
Cross. Объединением крестов с меньшим овалом (кругом) получают боковые стенки и окруж-
ность впадин зубьев, а пересечение с большим кругом оразует окружность выступов. Для шести-
гранной гайки использовано вычитание круга (Oval) из шестиугольника (Hexagon). Наружный
контур зубчатого колеса был выполнен комбинацией (пересечением и объединением) 32-лучевой
звезды (32-Point Star) с двумя кругами.
Рис.7 Трехмерные детали, созданные в PowerPoint
Комбинированием различных форм с последующим объединением, а затем заливкой рисун-
ком из файла и приданием объема можно получить различные пространственные фигуры (рис. 8).
Рис.8 Пространственные фигуры получаемые заливкой форм
References [1] https://www.youtube.com/playlist?list=PLtcVLF1AuAwBtGeHmWLFbqQX9aAmiiQpZ
[2] http://multi-marin.ru/kak-sozdat-obemnuyu-geometricheskuyu-figuru-v-powerpoint-2010/
[3] http://gddfiu.ucoz.ro/
УДК 004.942
ГАЗДЮК К.П., НІКІТІНА О.М.
ЧНУ ім. Ю. Федьковича (Україна)
НТУ "ХПІ" Чернівецький факультет (Україна)
МОДЕЛЮВАННЯ РОЗПОВСЮДЖЕННЯ РОЗЛИВУ НАФТИ МЕТОДОМ
ЙМОВІРНІСНИХ КЛІТИННИХ АВТОМАТІВ
Дана робота присвячена побудові моделі розповсюдження розливу нафти методом
ймовірнісних клітинних автоматів.
Постановка проблеми. Нафтове забруднення водного простору є однією з найбільш небез-
141
печних надзвичайних ситуацій, яку зазвичай вкрай важко усунути. Вплив розливів нафти на водне
середовище може мати самий різний характер і визначається умовами, в яких відбувається
розлив. Велика аварія здатна спричинити серйозний довгостроковий вплив на навколишнє сере-
довище і привести до тяжких наслідків для водних екосистем і екосистем забрудненого узбереж-
жя.
Характер і тривалість наслідків розливу нафти залежать від багатьох факторів. До них
відносяться: кількість і тип розлитої нафти, структура та тип води, конфігурація берегової лінії,
гідрометеорологічні умови, течії та припливи в районі розливу. Інші ключові фактори – склад
біоти в області нафтового забруднення, екологічна і промислова значимість видів і їх чутливість
до забруднення. Наслідки також суттєвою мірою визначаються вибором методів боротьби з роз-
ливом нафти і їх ефективністю.
Негативні наслідки забруднення водного середовища нафтою і нафтопродуктами в разі
аварійної ситуації можуть бути істотно зменшені при вчасному прийнятті адекватних заходів для
локалізації. Останнє можливо при наявності інформації про те, де, коли, з якою ймовірністю і в
яких кількостях може статися розлив, а також при моделюванні гіпотетичних розливів нафти до їх
виникнення та моделюванні процесів поширення нафтових плям, щоб оцінити ймовірності ура-
ження нафтовим розливом вразливих ресурсів на акваторії і узбережжі, визначити час, доступний
для розгортання сил і засобів системи локалізації та ліквідації аварійних розливів нафти, оцінити
варіанти стратегій застосування технічних засобів.
Основна частина. В якості методу моделювання розповсюдження нафтової плями на деякій
частині акваторії нами було обрано метод ймовірнісних клітинних автоматів (ЙКА) [1 – 4]. Було
змодельовано динамічну систему і застосовано до неї теорію перколяції, яка займається пробле-
мами статичного характеру [5]. Розглянуто тримірну перколяцію, де часовий вимір додається до
двох просторових. Дана перколяція має спрямованість вздовж часової осі і називається
напрямною.
Дослідження показують, що важко вивести критичну ймовірність напрямної перколяції
аналітично, тому ми розглядаємо двомірну модель ЙКА та для заходження критичної ймовір-
ності застосовуємо метод наближення середнього поля [6].
Розбиваємо досліджувану область квадратною решіткою, кожна клітина якої є автоматом,
що приймає один із станів множини },...,2,1,0{ nS , в залежності від інтенсивності забруднення.
Стан кожної клітини змінюється відповідно до станів інших клітин, клітини зі станом 1 забруд-
нюють сусідів з ймовірністю p, що визначається формулою:
,}0/{,),(,
,0),(,0)),((
Siitxsякщоdtp
txsякщоtxsp
i
(1)
де ),( txs – функція, яка описує стан клітини x в час t ; сусідами вважаються клітини, що
належать до околиці Неймана.
В результаті застосування методу наближення середнього поля і отримання динаміки
відношення клітин зі спеціальним станом щодо систем розглянутих ЙКА можна отримати часові
характеристики з будь-якими заданими початковими умовами.
Визначимо бінарну залежну змінну ),( txi :
.,0
,),(,1),(
випадкахіншихв
Siitxsякщоtxi (2)
Визначимо ),( txi як середнє значення функції ),( txi . Bідношення пар клітин зі станом i і
клітини зі станом j описується функцією ),(),( txtx kji , де kx представляє сусідні клітини x ,
4,3,2,1k . Оскільки стани довільних двох клітин є незалежними один від одного, випливає що
),(),(4),(),( 0
4
10 txtxtxtx ki
kki
, (3)
де коефіцієнт 4 справа виникає з того факту, що кількість сусідів клітини x рівна 4. Форму-
ла (3) дає наближення середнього поля.
142
Далі отримуємо диференціальне рівняння щодо ),( txi для клітин в стані i за короткий
проміжок часу dt :
),(),( txdttx ii =
,),(),(),(),(),(),(,0,0
n
ijjj
n
ijjj itxsjdttxsPtxjtxsidttxsPtx
де перший доданок справа означає збільшення швидкості клітин зі станом i , а другий дода-
нок означає зменшення швидкості клітин зі станом i .
В ході елементарних перетворень отримуємо:
,)()()()(4)(
21110
0
1
n
jjjji
n
ii tyatyatytyp
dt
tdy
,1,0\,)()()(
,1
Sidttyatyadt
tdy n
ijjiijjji
i
(4)
.)()( 1
1
n
jjjn
n tyadt
tdy
Висновок. Рівності (4) описують поведінку відношень клітин з кожним станом, що дає
можливість моделювати процеси поширення забруднень нафтопродуктами та впливати на них
відповідним чином, виявляти й обмежувати спеціальним контуром забруднення одразу після
розливу нафти, коли ще при малих витратах реально здійснити повне очищення акваторії.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Бандман О. Л. Клеточно-автоматные модели пространственной динамики // Системная информатика. Вып. 10. 2005, С. 57-113.
2. Аладьев В. З. Класические однородные структуры. Клеточные автоматы. [Електронний ресурс] / В. З. Аладьев. – 2009. – Режим
доступу до ресурсу: http://elib.grsu.by/katalog/134963-249078.pdf. 3. О. Л. Бандман, Параллельная реализация клеточно-автоматных алгоритмов моделирования пространственной динамики, Сиб.
журн. вычисл. матем., 2007, том 10, номер 4, 335–348.
4. Complex Systems by Cellular Automata. Understanding complex Systems (A.G.Hoekstra et al., eds). Berlin: Springer, 2010. 450 p. 5. D. Stauffer and A. Aharony, Introduction to Percolation Theory. CRC Preess, 1994.
6. Ландау, Л. Д., Лифшиц, Е. М. Теория поля. — Издание 8-е, стереотипное. — М.: Физматлит, 2012. — 536 с.— («Теоретическая
физика», том II).— ISBN 5-9221-0056-4
УДК 519.7
ГАЛКІН О.А.
Київський національний університет імені Тараса Шевченка (Україна)
ДОСЛІДЖЕННЯ ЙМОВІРНІСНИХ МІР У ВИБОРІ ОПТИМАЛЬНОЇ ГІПОТЕЗИ
ДЛЯ ЗАДАЧ КЛАСИФІКАЦІЇ ДАНИХ
Робота присвячена дослідженню ймовірнісних мір у рамках проблеми вибору оптимальної
гіпотези в задачах класифікації. Запропоновано підхід, який базується на визначенні відносного
зваженого середнього значення для розподілу даних та використанні функцій глибини, що пра-
цюють у просторі функцій класифікації. У рамках запропонованого підходу проаналізовано поро-
гові властивості зваженого середнього значення, в результаті чого встановлено їх залежність
від глибини. Отримані результати для випадку бінарної класифікації порівняно з результатами
функціонування класифікатора максимальної апостеріорної ймовірності.
У рамках машинного навчання з учителем важливу роль відіграє проблема вибору гіпотези
на основі апостеріорної довіри у класі гіпотез. Як відомо, у якості статистики апостеріорної ймо-
вірності може виступати довільне рішення проблеми вибору гіпотези. Однією з ключових влас-
тивостей процедури вибору гіпотези є концепція порогової точки, що дозволяє визначити те, на-
скільки повинно змінитися для отримання довільного значення статистики. Тобто, дана конце-
пція відповідає за стабільність будь-якої статистики [1,2].
Для двох ймовірнісних мір та введемо поняття загальної відстані варіації, що визнача-
ється, як
143
( , ) sup ( ) ( )T T ,
де T є вимірною величиною, а - функцією, яка відображає ймовірнісні міри на [3].
Приймаючи, що ( ) h , визначимо відстань до найближчого , що обчислюється як
( , , ) inf{ ( , ) : ( ) }d h h
для кожної функції h .
В результаті, має місце рівність
( , ) sup ( , , )
h
d h
,
що є визначенням порогової точки в .
Отже, можна стверджувати, що чим більшою є порогова точка оцінки, тим більш стійкою
вона є відносно збурень в . Тобто, з точки зору загальної відстані варіації, якщо ( , )w , то
для h оцінка може використовувати h в якості своєї оцінки шляхом зміни не більше
ніж на значення w [4].
У випадку, якщо є фіксованою та незалежною від вхідних даних оцінкою, то її порогова
точка є тривіальною та рівною 1. Тобто, досить мати одну функцію h , що не може бути згенеро-
вана як вихід . Отже, для ефективного дослідження оцінок запропонований підхід необхідно
використовувати тільки тоді, коли є такою, що для h існує таке , для якого ( ) h .
Далі наведено теорему, що встановлює обмеження по нижній границі середньої оцінки, як
функції від її глибини.
Теорема 1. Нехай \ , { 1}inf { : ( ) }
z Z xh h z x
,
1 2 1 2{ . . , , ( ) ( )}Z z s t h h h z h z , а є
апостеріорною ймовірністю на . Якщо d є глибиною зваженого середнього значення для , то
( , )2
dm
.
Доведення. Нехай є таким, що h є зваженим середнім значенням , а саме:
( ) ( )E h E h
,
де h є зваженим середнім значенням , а величини h та z є такими, що
: ( ) ( )h h z h z для 0 .
Враховуючи той факт, що
( ) ( ) inf ( { : ( ) ( )}) inf ( { : ( ) ( )}) ( , )
z zE h E h h h z h z h h z h z
ми отримуємо, що
( ) ( ) ( , )E h E h
для h .
Крім того, можна стверджувати, що
( , ) ( ) ( ) ( , )d E h E h
,
оскільки ( )E h .
Отже,
( , )
2
d
, (1)
звідки слідує, що
( , )
2
dm
. (2)
В результаті, ми маємо, що
( , )
2
dm
,
оскільки нерівності (1) та (2) мають місце для 0 . Теорему доведено.
Підводячи підсумки викладеного матеріалу зазначимо, що використовуючи концепцію від-
носної глибини даних та відповідну функції глибини, було встановлено, що узагальнення класи-
фікатора безпосередньо залежить від його відносної глибини. В рамках дослідження було запро-
144
поновано підхід, що базується на визначенні відносного зваженого середнього значення для роз-
поділу даних та використанні функцій глибини, що працюють у просторі функцій класифікації.
Було досліджено глибинно-залежні порогові властивості зваженого середнього значення, а також
удосконалено процедуру використання опуклих оціночних функцій для формування апостеріор-
них ймовірностей.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Davies P.L. Breakdown and groups / P.L. Davies, U. Gather // The Annals of Statistics. – 2005. – 33(3). – P. 981-1027.
2. Zuo Y. General notions of statistical depth function / Y. Zuo, R. Serfling // The Annals of Statistics. – 2000. – 28(2). – P. 464–480.
3. Billor N. Classification based on depth transvariations / N. Billor, A. Abebe, A. Turkmen, S.V. Nudurupati // Journal of classification. – 2008. – 25(2). – P.253-259.
4. Fine S. Query by committee, linear separation and random walks / S. Fine, R. Gilad-Bachrach, and E. Shamir // Theoretical Computer
Science. – 2002. – 284(1). – P.27-49.
УДК: 621.382
БАРИЛО Г.І., ВІРТ В.В., ГОЛЯКА Р.Л., ГОТРА З.Ю., КРЕМЕР І.П.
Кафедра електронних приладів, Національний університет «Львівська політехніка»,
ЕНЕГРОЕФЕКТИВНИЙ СИГНАЛЬНИЙ ПЕРЕТВОРЮВАЧ НА ОСНОВІ СИНХРОННОГО
ДЕТЕКТОРА
Робота присвячена проблемі аналогового сигнального перетворення в енергоефективних се-
нсорних пристроях. Розглянуті задачі побудови завадостійких сигнальних перетворювачів на
основі синхронного детектора. Сигнальний перетворювач реалізовано на мікропотужних Rail-to-
Rail операційних підсилювачах AD8544. Струм споживання перетворювача не перевищує 0.3 мА
при напрузі живлення 3 В.
Ключові слова – сигнальний перетворювач, синхронний детектор, енергоефективність.
I. Вступ
Розроблення вимірювальної та сенсорної техніки нового покоління ставить задачу подаль-
шого підвищення параметрів електронних вузлів, зокрема, сигнальних перетворювачів [1]. Відпо-
відно до тенденції розвитку електронної апаратури важливими вимогами до сигнальних перетво-
рювачів інтелектуальних сенсорів є їх відповідність критеріям USB plug-and-play пристроїв та
стандарту IEEE 1451.2. За останній період значний прогрес досягнуто на основі нових структур-
но-схемних рішень вузлів аналогового перетворення сигналів з розширенням розмаху вхідних та
вихідних напруг до величин напруг живлення – мікропотужних низьковольтних Rail-toRail опе-
раційних підсилювачів та прецизійних комутаторів [2]. За останній період значний прогрес досяг-
нуто на основі нових структурно-схемних рішень вузлів аналогового перетворення сигналів з
розширенням розмаху вхідних та вихідних напруг до величин напруг живлення – мікропотужних
низьковольтних Rail-toRail операційних підсилювачів та прецизійних комутаторів [3].
У відповідності до вищезгаданих вимог до сигнальних перетворювачів мікроелектронних
сенсорів нового покоління в даній роботі вирішується актуальна проблема сигнального перетво-
рення з високою завадостійкістю та енергетичною ефективністю [4, 5]. Вирішення проблеми ба-
зується на методі синхронного детектування сигналу з використанням сучасної елементної ба-
зи - мікропотужних Rail-to-Rail операційних підсилювачів та аналогових комутаторів.
II. Основні результати
Універсальною елементною базою більшості аналогових схем сигнальних перетворювачів є
операційні підсилювачі. Інтегральні схеми сучасних мікропотужних операційних підсилювачів
реалізуються на КМДН (комплементарних метал-діелектрик-напівпровідник) структурах, викори-
стання які дозволяє не лише мінімізувати енергоспоживання, але і розширити розмах вхідних та
вихідних напруг до величин напруг живлення схеми сигнального перетворювача. Перетворювачі
на таких структурах отримали назву Rail-toRail, а характерним прикладом мікропотужного низь-
ковольтного Rail-toRail операційного підсилювача є – AD8541/2/4 (де номери /1, /2, /4 відповіда-
ють кількості операційних підсилювачів в корпусі інтегральної схеми) [6]. Струм споживання
кожного операційного підсилювач не перевищує 45 мкА.
Для реалізації синхронного детектора використано сучасний КМДН аналоговий комутатор
AG736. Основою такого комутатора є комплементарна пара n-канального та p-канального МДН
145
транзисторів та двотактна схема керування. Вказаний комутатор характеризує опір у відкритому
стані не більше 4 Ом у всьому діапазоні вхідних напруг, широка смуга робочих частот – 200 МГц
на рівні 3 dB, час перемикання – 16 нс.
Для забезпечення високої завадостійкості сигнального перетворення використано метод си-
нхронного детектування. В цьому методі вхідний сигнал UC(t) перемножують зі знакокореляцій-
ною функцією, а сигнальне перетворення в узагальнюючі формі записують виразом
)t(A)t(U)t(U CS , де US(t) – знакокореляційна функція; UC(t) – вхідний сигнал (суміш корисного
сигналу та завад); A(t) – знакова функція, яка приймає значення A(t) = +1 при додатному значенні
задаючого сигналу U0(t) > 0 та A(t) = -1 при від'ємному значенні задаючого сигналу U0(t) < 0.
Основою розробленого сигнального перетворювача є метод синхронного детектування, а йо-
го реалізація здійснена на вищезгаданих КМДН операційних підсилювачах AD8544 (чотири під-
силювачі в корпусі інтегральної схеми) та аналоговому комутаторі AG736.
Схема перетворювача (рис. 1) складається з чотирьох вузлів, кожному з яких відповідає опе-
раційний підсилювач (OA): на OA1 реалізовано вузол вхідного підсилювача; на OA2 – вузол синх-
ронного комутування полярності сигналу; на OA3 – вузол вихідного підсилення; на OA4 – вузол
фільтра низьких частот.
Крім того, пасивне коло R1, C1 формує вхідний фільтр, а пасивне коло R4, C2 – каскад змі-
щення сигналу відносно опорної напруги REF. Комутування полярності сигналу здійснюється
синхронним перемиканням ключа SH – в нижньому за схемою положенні ключа схема на OA2
функціонує в режимі інвертуючого каскаду KV= -1 (при умові R5 = R6), а в протилежному верх-
ньому положенні – в режимі повторювача напруги KV= +1.
Приклади результатів модельного дослідження вузлів сигнального перетворювача наведені
на рис. 2.
Рис. 1. Схема сигнального перетворювача
Рис. 2. Приклад модельних досліджень вузла синхронного комутування полярності сигналу
Зокрема, на рис. 2 демонструється схема (зліва) заміщення вузла синхронного комутування
полярності, а також форма його вхідного (зверху) та вихідного (знизу) сигналів. Вхідне коло
представлено джерелами змінної напруги Vin та Vz, які формують корисну та паразитну складові
сигналу
III. Висновки
Представлено результат розроблення та дослідження завадостійкого сигнального перетво-
рювача на основі синхронного детектора. Сигнальний перетворювач реалізовано на мікропотуж-
них Rail-to-Rail операційних підсилювачах AD8544 та аналоговому комутаторі AG736. Коефіці-
єнт підсилення сигналу – до 60 дБ, смуга частот детектування – до 25 кГц. Струм споживання
перетворювача не перевищує 0.3 мА при напрузі живлення 3 В.
ПЕРЕЛІК ЛІТЕРАТУРИ
146
1. John, Aravind Reghu. Introduction to Sensors. CRC Press. - 2010. - 208 P.
2. Jason A. Fuemmeler, Venugopal V. Veeravalli. Energy Efficient Multi-Object Tracking in Sensor Networks // IEEE Transactions on Signal
Processing, Vol. 58, No. 7. - 2010. PP. 3742-3750. 3. Bita Nezamfar, Elad Alon, Mark Horowitz. Energy–Performance Tunable Logic IEEE Journal of Solid-State Circuits, Vol. 44. - 2009. No. 9.-
PP.2554-2566.
4. Hotra Z., Holyaka R., Marusenkova T., Potencki J. Signal transducers of capacitive microelectronic sensors // Electronika. Poland. - 2010. – No. 8. - PP.129-132.
5. Hotra Z., Holyaka R., Hodynyuk I. Noise immunity investigation of Galvanomagnetic Field Sensors / MEMSTECH -2012. - P. 109–110.
6. General-Purpose CMOS Rail-to-Rail Amplifiers AD8541/42/44. Data sheet. [Електронний ресурс]: Режим доступу http://www.analog.com.
УДК 004.738.2
ДІКОВ А. В., СОПРОНЮК Є. Ф.
ЧЕРНІВЕЦЬКИЙ НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ ІМ. Ю. ФЕДЬКОВИЧА (УКРАЇНА)
СТВОРЕННЯ СИСТЕМИ ВІДСЛІДКУВАННЯ РУХУ МАРШРУТНИХ ТРАНСПОРТНИХ
ЗАСОБІВ З ВИКОРИСТАННЯМ GOOGLE MAPS API, .NET ТА МІТОК ГЕОКОДУВАННЯ НА
БАЗІ OS ANDROID
В даний час у всьому світі помічається значне зростання інтересу до систем, що забезпечу-
ють автоматизацію контролю за переміщенням автотранспорту. Останнім часом широкого поши-
рення у всьому світі набули системи визначення місцеположення рухомих об'єктів. Ці системи
використовуються для стеження за об'єктами, визначення їх місця розташування, коректування
маршруту, тощо.
З іншого боку, в даний час у великих містах існує проблема перевантаження громадського
транспорту в так званий «час пік». У ці години навантаження на громадський транспорт непропо-
рційно зростає, що зумовлює порушення графіку руху маршрутних транспортних засобів. Тому
стає актуальним питання створення програмних додатків, зокрема, для смартфонів, які б дозволя-
ли відслідковувати рух громадського транспорту та передавали ці дані мешканцям міста.
Такий додаток не можливо реалізувати без використання карт місцевості. Сьогодні одним із
найпопулярніших представників безкоштовних картографічних сервісів виступає набір додатків
Google Maps. В той же час Google Maps — щось більше ніж просто ще одна електронна карта.
Google Maps API — це технологія компанії Google, що дозволяє розміщувати географічні карти
на власних сайтах, програмних, в тому числі мобільних додатках[1].
Вибір мови програмування базується на вимогах, висунутих до розроблюваного програмного
продукту та особливостей його призначення. Наразі найпопулярнішими мовами програмування є
Java, C, C#, PHP, Delphi, Pascal. Корпорацією Microsoft запропоновано новаторський компонент-
но-орієнтований підхід до програмування, який є розвитком об'єктно-орієнтованого програму-
вання. .NET як технологічна платформа, забезпечує одночасну підтримку проектування та реалі-
зації програмного забезпечення з використанням різних мов програмування. Слід відзначити, що
нова технологія .NET офіційно визнана стандартами ECMA (European Computer Manufacturers
Association)[3-4]. Для створення програмних додатків під ОС Android з використанням Google
Maps API на мові програмування C# на платформі .Net була створена спеціальна бібліотека кла-
сів GMap.Net та фреймворк Xamarin.
GMap.Net. – це колекція класів, за допомогою яких власні дані можна накладати на Карту
Google. Ви можете створювати цікаві веб-програми та програми для мобільних пристроїв за до-
помогою потужної картографічної платформи Google, яка включає супутникові зображення, пере-
гляд вулиць, профілі рельєфу, маршрути проїзду, стилізовані карти, демографічні та аналітичні
дані, а також велику базу даних різних географічних об’єктів[1-2]. Xamarin - це фреймворк для
кроссплатформенної розробки мобільних додатків (iOS, Android, Windows Phone) з використан-
ням мови C# [5].
Метою роботи є розробка програмного забезпечення системи відслідковування маршрутних
транспортних засобів з використанням міток геокодування на базі ОС Android. Об’єктом дослі-
дження є процес стеження за автомобільним транспортом. Предметом дослідження є методи й
алгоритми забезпечення системи стеження за автомобільним транспортом.
Результат даної роботи буде використовуватись для створення системи відслідковування
руху маршрутних транспортних засобів під ОС Android
147
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Використання API маршрутів Google [Електронний ресурс]. Режим доступу : URL : https://developers.google.com/maps/ documentation/directions/?hl=ru#Waypoints. – Назва з екрана.
2. GMap.NET Tutorial – Routes [Електронний ресурс]. – Режим доступу : URL : http://www.websofia.com/2013/03/gmap-net-tutorial-
routes/ – Назва з екрана. 3. Ріхтер Дж. CLR via C#. Программирование на платформе Microsoft .NET Framework 4.5 на языке C#. — М.: «Мир», 2015. — 896 с.
4. Стиллмен Є. Изучаем C#. – М.: «ДИАЛОГ-МИФИ», 2014. –816с.
5. An MVC4, iOS And Android App With ServiceStack, Xamarin and C# [Електронний ресурс]. Режим доступу : URL :
http://app.pluralsight.com/courses/description/building-mvc4-ios-android-apps-servicestack-xamarin-csharp/ – Назва з
екрана.
УДК 004.942; 548.4
Д’ЯЧЕНКО Л.І., МІНОВ Є.В., ОСТАПОВ С.Е.
Чернівецький національний університет імені Юрія Федьковича (Україна)
ЗАСТОСУВАННЯ ІНФОРМАЦІЙНИХ ТЕХНОЛОГІЙ ДЛЯ РОЗПІЗНАВАННЯ ДЕФЕКТІВ
ВИРОЩУВАННЯ НАПІВПРОВІДНИКОВИХ КРИСТАЛІВ
В даній роботі розглядається можливість використання інформаційних технологій для за-
дач автоматизації обробки експериментальних даних отриманих при дослідженні дефектів ви-
рощування напівпровідникових кристалів. Проведено короткий огляд наявних засобів автомати-
зації обробки експериментальних даних та запропоновано використання нових, розроблених ав-
торами, інформаційних технологій для прогнозування властивостей напівпровідникових криста-
лів до їх фактичного вирощування та дослідження їх домішкової підсистеми після вирощування.
Інформаційні технології посідають чільне місце в нашому житті, тому це поняття є багатофу-
нкціональним та нечітким. Технологія в перекладі з грецької techne) - мистецтво, майстерність,
вміння, що є процесами. Під процесом будемо розуміти сукупність дій, які спрямовані на досяг-
нення певної мети [1].
Відповідно, застосовуючи різні технології до одного і того ж матеріалу, можна одержати різ-
ні продукти, оскільки технологія змінює первісний стан матеріалу з метою одержання нового
матеріального продукту. Інформаційна технологія - це процес або сукупність процесів обробки інформації. ІТ можна представити у вигляді схеми (рис.1)
Рис. 1. Інформаційна технологія
Оскільки на вході та виході ІТ є не матерія, і не енергія, а інформація, то: інформаційна тех-
нологія - це сукупність процесів, що використовує засоби та методи накопичення, обробки і пере-
дачі первинної інформації для отримання інформації нової якості про стан об'єкту, процесу або
явища. Ця інформація нової якості називається інформаційним продуктом.
Ми вважаємо, що такого типу технології можуть з успіхом застосовуватись для задач розпі-
знавання наборів пошарових фотографій напівпровідникових кристалів, отриманих в інфрачерво-
них (ІЧ) променях. Оскільки, одним з основних методів дослідження структури дефектів вирощу-
вання напівпровідникових кристалів є їх сканування в ІЧ променях, то своєрідні інформаційні
технології могли б з успіхом застосовуватись для обробки результатів такого сканування. В ре-
зультаті дослідження структури кристалів в ІЧ променях за допомогою мікроскопа, ми отримуємо
набір пошарових фотографій напівпровідникового кристалу, просканованого по глибині. Розпі-
знавання та класифікація дефектів, що зображені на цих фотографіях є дуже складною та трудо-
148
місткою задачею для дослідників. Інформаційні технології могли б прискорити, спростити та під-
вищити точність обробки результатів сканування [2].
Оскільки, дослідження напівпровідникових кристалів є вузькою прикладною задачею, то ши-
роко поширених інформаційних технологій, які могли б з успіхом використовуватись для обробки
експериментальних даних, на даний час немає [3]. Однак, для цілей автоматизації обробки таких
даних, можуть використовуватись системи загального призначення типу MathCad/Mathematica
або універсальні пакети програм для обробки зображень (в тому числі фотографій напівпровідни-
кових кристалів) одним з яких є програма аналізу медичних і біологічних зображень ImageJ
(Image Processing and Data Analisys in Java), а особливо плагін для неї TomoJ (tomography software
for three-dimensional reconstruction in transmission electron microscopy). Однак, даний програмний
комплекс орієнтований на роботу з медичними зображеннями і для дослідження, з його допомо-
гою, фотографій напівпровідникових кристалів, багато операцій потрібно виконувати вручну.
Також існують промислові системи, які досліджують напівпровідникові кристали в реальному
часі. Такі системи сканують напівпровідникові кристали використовуючи рентгенівське випромі-
нювання [4].
Загальний огляд основних можливостей існуючих систем та основні недоліки при викорис-
танні їх для обробки результатів дослідження напівпровідникових кристалів наведений в табл. 1.
Табл. 1. Існуючі системи обробки експериментальних даних
Назва системи Основні можливості Недоліки
Mathematica/
MathCad
Розрахунок концентрацій до-
мішок на основі рівняння електро-
нейтральності
Незручно змінювати параме-
три кристалів. Вимагають значної
підготовки для роботи.
Не призначені для обробки
фотографій напівпровідникових
кристалів, одержаних в інфрачер-
воних променях.
ImageJ/TomoJ Може проводити обробку фо-
тографій напівпровідникових крис-
талів, отриманих в інфрачервоних
променях.
Визначає розмір дефектів на
фотографії
Орієнтований на роботу з
медичними зображеннями, для
дослідження, з його допомогою,
фотографій напівпровідникових
кристалів, більшість операцій
потрібно виконувати вручну.
Промислові системи
обробки даних
Опис основних функцій немо-
жливо знайти у вільному доступі
Ціна.
Рентгенівське випроміню-
вання.
Як показали результати проведених досліджень, наявних систем автоматизації обробки ре-
зультатів досліджень недостатньо для зручної та ефективної роботи з результатами дослідження
напівпровідникових кристалів, а використання промислових систем, що мають високу точність
неможливе для науково-дослідних лабораторій матеріалознавства через їх високу ціну.
Тому, розробка спеціалізованих інформаційних технологій для цілей дослідження дефектної
підсистеми напівпровідникових кристалів є, на наш погляд, актуальною задачею.
Публікація підготовлена в ході виконання досліджень за проектом «Розробка програмно-
апаратної системи для дослідження параметрів нано- та мікрооб'єктів у колоїдних розчинах та
твердих тілах.» (ДР № 0115U003240) за фінансової підтримки МОН України.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Томашевський О.М., Цегелик Г.Г., Вітер М.Б., Дубук В.І. Інформаційні технології та моделювання бізнес-процесів Навчальний
посібник. - К.: Видавництво «Центр учбової літератури», 2012. - 296 с.
2. Л. И. Дьяченко. Информационная технология для анализа подсистемы дефектов выращивания полупроводниковых кристаллов [текст] / Л.И. Дьяченко, Е. В. Минов, С. Э. Остапов, П. М. Фочук, Ю. Б. Халавка. // Радіоелектронні і комп’ютерні системи № 4 (74). –
2015 – с. 88 – 95.
3. Л.І. Д’яченко. Системи комп’ютерного бачення та їх застосування [текст] /Л.І. Д’яченко, Є. В. Мінов, С.Е. Остапов. // Науковий вісник Чернівецького університету. Системи обробки інформації. Вип. 1. – 2015. – с. 90 – 94.
149
4. Путятин Е.П., Аверин С.И. Обработка изображений в робототехнике. М.: Машиностроение, 1990. – 320 с.
УДК 579.2:573.3:577
ГОТРА З.Ю., ІВАХ М.С., КОЖУХАР О.Т., КУЧМІЙ Г.Л., КРЕМЕР І.П.,ЧЕПАК І.М.
НУ "Львівська політехніка" (Україна)
ІНФОРМАЦІЙНЕ ЗАБЕЗПЕЧЕННЯ НЕПЕРЕРВНОГО НЕІНВАЗИВНОГО КОНТРОЛЮ
ЗМІН ХІМІЧНОГО СКЛАДУ КРОВІ
Показано проблему створення медичних фотоінформаційних технологій і засобів експрес –
аналізу для неперервного контролю змін хімічного складу крові або інших біологічних рідин на
ґрунті порівняльного аналізу змін оптичних показників активних ділянок кров’яного русла. Запро-
поновано одне з перспективних розв’язань проблеми, метод, структуру пристрою та результа-
ти його попередньої апробації.
Проблема розроблення інформаційних, зокрема, фотоінформаційних технологій експрес –
аналізу для неперервного контролю змін хімічного складу крові або інших біологічних рідин ор-
ганізму людини є важливим і актуальним завданням сьогодення. Одним із шляхів розв’язання
цього завдання є створення медичних фотоінформаційних технологій і засобів, що ґрунтуються
на принципах порівняльного аналізу змін оптичних показників активних ділянок кров’яного рус-
ла – т. зв. кровонаповнених ділянок упродовж зовнішнього впливу на організм. Такі зміни відбу-
ваються, зокрема, внаслідок дії на організм пацієнта лікувальних процедур і фармакологічних
засобів, а також перебігу захворювання та в процесі лікування. Зміни оптичних показників крово-
наповнених ділянок площею А, зокрема, потоку їх власного випромінювання Фе, визначаються
викликаними зазначеною дією на організм змінами температури крові Т відповідно до закону
Стефана-Больцмана Фе=εТσАТ4, де εТ – інтегральний коефіцієнт випромінювання а σ - стала Боль-
цмана, яка дорівнює 5,67 10-8Вт/м
2 ·К [1].
Для розроблення технологій і засобів, що ґрунтуються на принципах порівняльного аналізу
змін оптичних показників кровонаповнених ділянок і позбавлені дії завад і артефактів і, тим са-
мим, підвищення об’єктивності результатів вимірювань потрібно порівнювати фотоструми, одер-
жані парною кількістю, як мінімум двома фотоприймачами від парної кількості, як мінімум, двох
симетрично розташованих кровонаповнених ділянок організму неперервно впродовж лікувальної
процедури або впродовж змін у крові концентрації певних хімічних елементів з моменту прий-
няття пацієнтом лікарського препарату чи ін’єкції, зокрема, інсуліну при цукровому діабеті, у
типовому для власного випромінювання кровонаповнених ділянок діапазоні спектру [2].
У запропонованому пристрої неінвазивного неперервного контролю змін хімічного складу
крові на основі порівняння змін оптичних показників його симетрично розташованих на тілі
пацієнта кровонаповнених ділянок, входи блоку диференційного підсилення, реєстрації та
візуалізації з’єднані через підсилювачі з двома і більше фотоприймачами, з можливістю встанов-
лення на симетрично розташованих кровонаповнених ділянках тіла пацієнта та потрапляння по-
токів їх власного випромінювання на фотоприймачі.
Пристрій дозволяє здійснювати неперервний та неінвазивний контроль змін хімічного скла-
ду крові або інших біологічних рідин організму на основі неперервного кількісного оцінювання
змін оптичних показників та інтенсивності власного випромінювання кровонаповнених ділянок
порівнянням фотострумів симетрично розташованих на них двох і більше фотоприймачів, змен-
шити дію завад і артефактів, виключити спотворення спектрів випромінювання у спектральному
діапазоні, в якому проявляються зміни оптичних показників кровонаповнених ділянок до, впро-
довж і після лікувальної процедури чи перебігу захворювання, а також здешевити та спростити
виготовлення пристрою і зменшити його масогабарити.
Принцип роботи пристрою полягає у наступному: оптичне випромінювання кожної з двох і
більше симетрично розташованих на тілі пацієнта кровонаповнених ділянок потрапляє на вста-
новлені на них із допомогою тримача фотоприймачі, наприклад, у вигляді кремнієвих фотодіодів,
фотоструми яких підсилюються підсилювачами на основі ІМС ОП і надходять на входи блоку
диференційного підсилення, реєстрації та візуалізації на основі логічних компараторів, високо
стабільного та високоточного джерела опорної напруги і дисплеїв, а далі, після порівняння в
блоці диференційного підсилення, реєстрації та візуалізації підсилених фотострумів фотоприй-
150
мачів необхідна інформація візуалізується. Загальну структурну схему пристрою представлено на рис. 1.
Блок
індикаціїБлок
живлення
Вхідний
інтерфейсний
блок
Компаратор 1
Компаратор 2
Компаратор 3
Компаратор 4
Блок керування
Блок контролю
батареї
Звуковий
сигналізатор
Рис. 1. Структура пристрою.
Дослідження експериментального зразка пристрою проводились за участю десяти добро-
вольців, що не мали скарг щодо стану здоров’я та мали зацікавленість у результатах експеримен-
ту. Пацієнти приймали перорально препарати, внаслідок чого відбувалось дослідження їх впливу
на кров. У табл. 1 наведено усереднені після порівняльного аналізу дані про зміни узагальненого вихідного сигналу пристрою з моменту перорального введення пацієнту типових фармако-
логічних препаратів.
Табл. 1 Усереднені значення амплітуди вихідних сигналів (А) та відносні зміни узагальненого вихідного сиг-
налу пристрою (ΔА) від моменту перорального введення пацієнту фармакологічних препаратів
Препарати
А
поч
А
кінц Δ А % t хв
Глюкоза 50мл
0
,28
0,
47 67,8 45
Водa 200 мл.
0
,36
0,
28 22,2 27
Mg (кардіомаг-
ніл)
0
,76
0,
72 -5,2 32
СL (во-
допр.вода)
0
,6
0,
58 -3,3 29
Ca (кальцимін)
0
,75
0,
78 4 30
Йод
(спирт.розчин)
0
,56
0,
7 14 30,5
Mn (KMnO4)
0
,79
0,
77 -2,5 30
Ка (аспаркам)
0
,79
0,
49 -37,9 30
Na (NaCL)
0
,6
0,
56 -6,6 30
ВИСНОВКИ
На ґрунті експериментального порівняльного аналізу змін оптичних показників активних
ділянок кров’яного русла запропоновано метод та структуру пристрою неінвазивного неперерв-
ного контролю таких змін за порівнянням оптичних показників симетрично розташованих на тілі
пацієнта кровонаповнених ділянок.
ПЕРЕЛІК ЛІТЕРАТУРИ
1. Оптоелектронні медичні системи : навч. посібник / [Павлов С.В., Тимчик Г.С., Кожем’яко В.П. та ін.] – Вінниця : ВНТУ, 2011. -156 с.
2. Патент України на корисну модель № 104701 Україна, МПК G01N 21/85. Пристрій неінвазивного неперервного контролю змін хімічного складу крові / Готра З.Ю., Кожухар О.Т., Барило Г.І., Івах М.С., Вірт В.В., Чепак І.М.; - №201003763; заявл. 07.09.15; опубл. 10.02.16. Бюл. № 3.
УДК 004.421:51
КОЖУХІВСЬКИЙ А.Д., НАМОФІЛОВА О.О.
151
Черкаський державний технологічний університет (Україна)
ЗАСТОСУВАННЯ ГЕНЕТИЧНИХ АЛГОРИТМІВ ДО ІНТЕЛЕКТУАЛЬНОГО
АВТОМАТИЗОВАНОГО КОНТРОЛЮ ЗНАНЬ
Розглядається застосування генетичних алгоритмів у сфері освітнього тестування. Опи-
сано складові генетичного алгоритму для формування специфічного закону про кількість освіт-
ньої інформації та алгоритму спрямованого на пошук одиниці освітньої інформації. Сформульо-
вано алгоритм виявлення погано засвоєного матеріалу серед слухачів дисципліни.
Метою роботи є знаходження альтернативного шляху для формування теорії освітнього те-
стування.
Постановка проблеми. У сучасних умовах модернізації змісту освіти, зокрема системи ви-
щої освіти, широкого застосування набуває тестування, як метод вимірювання і оцінювання на-
вчальних досягнень студентів з різних дисциплін у процесі їх засвоєння. Воно засноване на діало-
зі обчислювальної системи з користувачем. Інтелектуальне тестування передбачає наявність мо-
делі знань, моделі самого процесу тестування та оцінювання. Стрімке зростання швидкодії
комп’ютерних систем, поява якісних і потужних систем програмування збільшило потребу в сис-
темах, що дозволяють об’єктивно, швидко і надійно оцінювати знання студентів, пропонуючи
цікаві форми взаємодії з ними.
Теорія освітнього тестування повинна формуватися на окремих законах і закономірностях
таких наукових напрямів, як інформаціологія, загальна статистика, статистичний приймальний
контроль, кваліметрія, педагогіка, психологія, дослідження операцій, теорії прийняття рішень та
ін. Застосування теоретичних розробок не дає помітних практичних результатів щодо оцінювання
знань по причині нематеріальності знань, як об’єкта досліджень. Задачу формування теорії освіт-
нього тестування можна сформулювати як задачу пошуку оптимальної структури специфічних
законів і закономірностей тестології, що дозволяє оцінити знання із заданою похибкою. Для рі-
шення задач такого класу застосуємо генетичні методи, засновані на реалізації генетичних алго-
ритмів. Вони дозволяють здійснити спрямований перебір окремих законів і закономірностей за
найбільш прийнятними напрямами для формування теорії освітнього тестування.
Основна частина. На відміну від традиційного випадкового пошуку прийнятних рішень, ге-
нетичні алгоритми використовують аналоги або близькість наявних рішень у багатьох областях
знань до пошуку оптимального набору специфічних законів, що забезпечують об’єктивність, дос-
товірність і точність оцінювання рівня знань, відтворених студентами у процедурах тестування.
Такий спрямований перебір окремих законів є еволюційним і має дуже багато подібного з опера-
торами, застосовуваними в генетичних алгоритмах і процедурах, що відбуваються з живими ор-
ганізмами в природі.
Розглянемо генетичний алгоритм для формування специфічного закону про кількість освіт-
ньої інформації.
Вихідні популяції: Державний освітній стандарт, навчальна програма, специфічна сукупність
навчальної інформації, банк тестових завдань.
Репродукція: освітня сукупність.
Схрещування: освітня сукупність, статистична сукупність.
Мутація: освітня сукупність інформації.
Розглянемо генетичний алгоритм, спрямований на пошук одиниці освітньої інформації.
Вихідні популяції: одиниця статистичної сукупності, одиниця допуску, інформаціон (квант
інформаційних відносин).
Репродукція: одиниця освітньої сукупності.
Схрещування: одиниця освітньої сукупності, одиниця допуску, інформаціон.
Мутація: умовна одиниця освітньої інформації конкретної дисципліни.
Для контролю якості підготовки студентів, з бази знань прочитаної дисципліни формуються
набори тестів, що пропонуються для складання. Для вирішення проблеми виявлення погано за-
своєного матеріалу, при генерації тестових послідовностей, найзручніше застосувати генетичний
адаптивний алгоритм [1], суть якого, стосовно проблеми генерації тестових послідовностей, поля-
гає в наступному:
152
1. У початковий момент часу випадковим чином генеруються тестові послідовності (осо-
бини) і ряд тестових послідовностей (популяція).
2. Після тестування студентів (декількох груп) на підставі певних критеріїв обчислюється
оціночна функція кожної особини, що характеризує відносну здатність вирішення поставленої
проблеми (виявлення тестів, на які дано неправильні відповіді). Чим більше неправильних відпо-
відей у тестовій послідовності, тим вище оцінка особини.
3. З поточного покоління особин будується наступне покоління з метою знайти рішення
або поліпшити оцінку кожної особини. Мета даної операції – отримання нових особин в популя-
ції, що володіють новими властивостями. Нове покоління будується наступним чином. З популя-
ції вибираються кілька особин (в залежності від розміру популяції). Ймовірність вибору особини
є пропорційною оціночній функції. Вибрані особини відразу переміщуються в нову популяцію.
Після цього до даних особин застосовуються модифікуючі операції: кросовер та мутація. Мутація
бітів відбувається в двох нових особинах з деякою ймовірністю: нуль змінюється на 1 і навпаки,
після чого модифіковані особини поміщаються в нову популяцію. Так відбувається до тих пір,
поки в новій популяції не набереться необхідна кількість особин.
4. Далі проводиться повторне тестування студентів, яке зазвичай супроводжується знижен-
ням отриманих оцінок. Після цього цикл повторюється.
5. Породження нових популяцій і тестування припиняється, коли тестові оцінки переста-
ють знижуватися. Популяція тестових послідовностей, яка дала найбільш низькі оцінки і визначає
найбільш слабо засвоєні змістовні модулі.
Фрагмент даного алгоритму наведено на рис. 1.
Рис. 1. Блок-схема алгоритму визначення популяцій з низьким рівнем знань
Висновок. Наведено складові генетичного алгоритму для формування специфічного закону
про кількість освітньої інформації та алгоритму, спрямованого на пошук одиниці освітньої ін-
формації. Сформульовано алгоритм виявлення популяцій серед слухачів дисципліни з найбільш
низькими оцінками, що дає змогу визначити найбільш слабо засвоєні змістовні модулі.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Экспертные системы. Принципы работы и примеры: Пер. с англ. / [А. Брукинг, П. Джонс, Ф. Кокс и др.]; под ред. Р. Форсайта. – М.: Радио и связь, 1987. – 224 с.
УДК 004.4:004.738.5(045)
КОЛІСНИЧЕНКО Р.А.
Національний авіаційний університет (Україна)
МЕТОД ПОБУДОВИ ІТ-ІНФРАСТРУКТУРНО-ОРІЄНТОВАНОЇ АРХІТЕКТУРИ
Обираємо початкову популяцію з
особин , де
Для кожної особини обчислюємо її корисність
і проводимо оцінку , де – час тестування
Для кожної особини обчислюємо ймовірність
її вибору:
Створюємо нову популяцію , обираючи її з на
основі вибору і застосовуючи генетичні оператори до вибраних
особин
153
АВІАЦІЙНОГО ТРЕНАЖЕРА
Проаналізовано поняття ІТ-інфраструктури як підходу до побудови авіаційного тренажеру
(АТ) як системи на основі інформаційно-телекомунікаційних структур. Викладено суть методу
побудови ІТ-інфраструктурно-орієнтованої програмно-апаратної архітектури АТ.
АТ належить до стаціонарного обладнання, на якому тренуються екіпажі літаків для
відпрацювання маневрів під час зльоту, посадки, польотів в різних погодних умовах, моделюванні
аварійних ситуацій. АТ дає пілотам відчуття максимально наближені до реального польоту (зву-
ковий супровід, навколишня обстановка, гравітаційний вплив). Основними процесами діяльності
АТ є: здійснення льотної підготовки; навчання техніці пілотуванню, навігації; забезпечення умов
для розпізнавання небезпечних ситуацій, критичних режимів польоту. Учасниками процесів
діяльності є екіпаж літака що перебуває в кабіні пілотажні – виконує польотні завдання, та ін-
структор, що знаходиться за пультом інструктора – встановлює початкові умови, видає завдання і
аналізує результати. Тобто, користувачами ІТ-сервісів АТ є пілоти та інструктор.
При створені АТ потрібно використовувати глобальне, високорівневе представлення про-
блеми за допомогою визначення ІТ-сервісів. Важливою проблемою, яку необхідно при цьому
вирішувати є підтримання зв’язку між функціональністю системи, програмним і апаратним забез-
печенням. Для подолання цієї проблеми необхідно починати проектування АТ з абстракції висо-
кого рівня, яка відображає функціональність системи. Особливості побудови АТ призводять до
появи задач які потребують вирішення. Основними із них є: інтеграція процесів проектування
апаратної і програмної складових АТ; удосконалення способів формалізації архітектурного про-
ектування; створення і впровадження технологій повторного використання для продуктів проек-
тування всіх рівнів ієрархії АТ; розвиток технології побудови сервісно-ресурсних моделей.
Перехід в область ІТ-інфраструктурного проектування АТ [1] можливий тільки при зміні
способу представлення системи і створені нових проектних методів. Це пояснюється внутрішнь-
ою складністю і сильним взаємозв’язком архітектурних компонентів системи. Важливим чинни-
ком, який забезпечує такий перехід є принципова необмеженість розробника при реалізації ар-
хітектури АТ. Але при цьому дотримується максимальний реалізм обставин імітованого польоту.
Початковим етапом розробки ІТ-інфраструктури АТ є визначення з наступною побудовою
ІТ-сервісів через процеси діяльності [2] які повинен забезпечувати функціональними можливо-
стями АТ. Після визначення процесів діяльності необхідно розділити їх на функціональні можли-
вості з подальшим відокремленням функціональних можливостей. Розділення процесу діяльності
на функціональні можливості є визначення переліку функцій, з яких він складається.
Наступним кроком є розробка структури ІТ-сервісів що включає в себе виділення вимог до
ІТ-сервісу, побудову структурної схеми АТ та сервісно-ресурсні моделі СРМ з подальшою ре-
алізацією СРМ за допомогою перенесення складових СРМ на програмно-апаратну платформу.
Завершальним етапом побудови ІТ-інфраструктури є процес інтеграції програмно-апаратної
платформи з функціональним обладнанням.
Такий підхід через побудову архітектури ІТ-інфраструктури та СРМ, інформаційно-
телекомунікаційної системи АТ, відповідних ІТ-сервісів, дає можливість однозначного опису
предметної області системи. Це дозволяє розділяти систему на функціонально закінчені модулі –
що описуються СРМ. При цьому з’являється можливість ефективної реалізації механізмів поета-
пного розгортання і функціонального нарощування системи. На завершальних етапах доступною
стає можливість впровадження інтегруючих рішень найвищого рівня, що об'єднують проектні
рішення в єдину систему.
Запропонований метод побудови програмно-апаратної архітектури АТ має наступні особли-
вості: націлений на комплексне і ефективне використання ІТ-ресурсів та обладнання; створює
універсальні проектні рішення; дає можливість розробляти прозору структуровану архітектуру
АТ; підтримує універсальність побудови АТ; має високу ступінь адаптованості до вимог ТЗ, мас-
штабованість, надійність та ефективність розробленої системи.
Умови при яких доцільно застосовувати метод ІТ-інфраструктурного підходу для створення
чи реінженерії АТ можна розділити за наступними ознаками:
1) Функціональні – представляє функціональні підсистеми, які реалізують процеси діяль-
ності, і позиціонуються як завершений комплекс обробки інформації, що забезпечує реалізацію
154
функціональних можливостей.
2) Організаційні – наявність виконавців, обслуговуючого персоналу і користувачів ІТ-
сервісів, що виконують свої функції з використанням засобів інформаційних технологій.
3) Апаратні – АТ повинен мати в своєму складі обладнання для відтворення реальної по-
ведінки літака, систему контролю за виконанням польотного завдання, компоненти апаратного,
технічного забезпечення.
4) Обчислювальні – наявність в системі АТ не менше двох обчислювачів для забезпечення
системи ОР, які зв’язані між собою інформаційною мережею.
5) Програмні – програмне забезпечення для АТ складається з багатьох прикладних програм,
які взаємодіючи між собою здійснюють обмін інформаційними пакетами та системою команд.
Виходячи з того, що АТ є розподіленою системою реального часу за участю якої відбува-
ються складні процеси діяльності, учасниками таких процесів є пілоти та інструктор, розробляти
АТ потрібно використовуючи цілісний підхід, що охоплює методологію проектування, викори-
стання інструментальних засобів, апаратних і програмних платформ [3]. Застосовуючи даний
підхід необхідно використовувати глобальне представлення проблеми, визначати ІТ-сервіси, що
відкриває можливості для повторного використання програмно-апаратних складових [4].
Викладено суть методу побудови ІТ-інфраструктурно-орієнтованої програмно-апаратної ар-
хітектури АТ. Завдяки використанню даного методу можливо розробляти складні ІТ-системи за-
стосовуючи при цьому передові технології та набутий всесвітній досвід [5]. Дієвим апаратом за-
пропонованого методу є перспективні прийоми розробки систем реального часу, що враховують
зв'язок предметної області та ІТ-сервісів в АТ з функціонуванням модельованого літака та відмо-
ву від фрагментарного підходу, орієнтованого на інтеграцію розрізнених систем управління і
прийняття системного методу, що розглядає АТ як цілісну систему.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Колісниченко Р.А. Апаратно-програмна архітектура успадкованого авіаційного тренажера / Р.А. Колісниченко // Інженерія програм-
ного забезпечення. – 2013. – № 3-4. – С. 7-16.
2. Колісниченко Р.А. Побудова сервісно-ресурсної моделі ІТ-сервісів авіаційного тренажера / Р.А. Колісниченко // Управляющие
системы и машины. – 2014. – № 5. – С. 29-41. 3. Ролик А.И. Тенденции и перспективы развития управления информационными технологиями / А.И. Ролик // Вісник НТУУ «КПІ»:
Інформатика, управління та обчислювальна техніка. – К.: «ВЕК+», 2012. – № 55. – С. 81–109.
4. Колісниченко Р.А. Побудова сервісно-ресурсної моделі кабіни пілотажної авіаційного тренажера / Р.А. Колісниченко // Проблеми програмування. – 2015. – № 4. – С. 72-83.
5. ITIL Service Strategy, – Norwich, UK: TSO, 2011. – 359, 453 p.
УДК:004.928
КРАК Ю.В., КУДІН Г.І., ШКІЛЬНЮК Д.В.
КНУ, ЧНУ (Україна)
МЕТОД ПОЛОСНОЇ РОЗДІЛЬНОСТІ ХАРАКТЕРИСТИЧНИХ ОЗНАК
ДЛЯ КЛАСИФІКАЦІЇ ДАКТИЛЕМ
В доповіді пропонуються методи виділення характеристичних ознак для задач розпізнаван-
ня знаків дактильної абетки української жестової мови. Для класифікації дактилем запропоно-
вано метод полосної роздільності.
Вступ і постановка задачі. Для передачі дактильної інформації використовуються рухи
кисті і пальців людини. Ці рухи строго знаходяться в області видимості для співбесідника, тому
при розпізнаванні дактилем потрібно аналізувати відеозображення кисті руки людини і відслідко-
вувати зміни їх стану або форми з плином часу [1]. В доповіді пропонуються і досліджуються
різні способи виділення і формування векторів характеристичних ознак для вирішення задач роз-
пізнавання, зокрема контурний аналіз та геометро-топологічні характеристики кисті людини. Ви-
ділено множину дактилем, які можливо розпізнати в силу їх специфіки показу, а для дактилем, які
важко розпізнати (це дактилеми А, В, Е, Є, И, І, Й, Л, М, Н, Р, С, Ф, Т, У, Ч, Х, Ю, Я української
дактильної абетки), в силу їх подібності формування чи демонстрації, запропоновано алгоритми
лінійної полосової класифікації[2] за кожним із способів виділення ознак.
Алгоритму полосної роздільності. Нехай відомо до якого із класів (дактилем) відносяться
вектори навчальної вибірки njjx ,1),( в просторі ознак. Запишемо умови лінійної віддільності
155
скінченної множини точок у багатомірному просторі із умов існування розв’язку системи ліній-
них алгебраїчних рівнянь ,)( j
T yajx njy j ,1, відносно вектора mRa для деяких
0 і значень jy . Для фіксованого , необхідна і достатня умови існування розв’язку цієї
системи буде мати вигляд: 0)()()()(min **)(
yXZyyXZy TT
Dy, де )()1( nxxX ,
XXIXZ n)( , njyyyyyD j
Tn ,1,,),,(:)( 1 . Шуканий вектор a приймає
наступне значення )()()( * yXa T, а товщина смуги , яка відділяє множину точок
njjx ,1),( від початку координат, буде дорівнювати величині
21
*** )()()(( yXRyy T , де )()( TXXXR .
Виділення характеристичних ознак дактилем. Для формування характеристичних ознак
будемо використовувати геометро-топологічні параметри долоні руки і пальців людини при по-
казі дактилем [3,4]. Отримані параметри об’єднані у наступні шість блоків: 1) кути між вектора-
ми, проведеними з геометричного центру долоні до крайніх точок – зліва, справа, зверху і знизу
області. Отримаємо вектор ознак розмірності 4; 2) нормована довжина векторів, проведених з
геометричного центра до крайніх точок – вектор ознак розмірності 4; 3) компактність, направле-
ність, витягнутість долоні – вектор ознак розмірності 3; 4) горизонтальне сканування (розбиття на
11 полос) – вектор ознак розмірності 11; 5) відношення кількості чорних пікселів до загальної
кількості (область показу розділена на 25 клітинок) – вектор ознак розмірності 25; 6) дескриптори
контурного аналізу – вектор ознак розмірності 4. Для дактилем, у рамках кожного блоку, було
отримано по 5 наборів. Для кожного блоку здійснено нормування векторів ознак на проміжок
[0,1].
Результати класифікації та висновки. Для аналізу ефективності запропонованих векторів
ознак була здійснена попарна класифікація (кожна дактилема з іншими) дактилем у рамках кож-
ного блоку ознак. Для кількісного порівняння пропонується для кожної пари дактилем визначати
відносну величину через відношення між шириною полоси і сумою відстаней до відповідних
сторін полоси. Експериментально встановлено, що для класифікації дане відношення має бути
більше за 0,3. Дослідження показали, що у рамках запропонованого методу класифікації і
виділення геометро-топологічних ознак дактилем, самими ефективними були ознаки, що
об’єднані у 1), 2), 3) і 6) блоки.
Ознаки 5) і 6) блоків виявилися менш ефективними.
Таким чином, для вирішення проблеми розпізнавання елементів української дактильно-
жетової мови, використання запропонованого методу полосної класифікації продемострувало
його надійність і ефективність.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Ю.В. Крак. Аналіз елементів дактильної жестової мови/ Крак Ю.В., Шкільнюк Д.В. // Штучний інтелект. – 2010. – №3. – С.322-328. 2. Н.Ф. Кириченко. Анализ и синтез систем классификации сигналов средствами возмущений псевдообратных и проекционных опера-
ций / Кириченко Н.Ф., Кудин Г.И. // Кибернетика и системный анализ. – 2009. – №3. – С.47-57.
3. Ю.Г. Кривонос. Конструирование и идентификация элементов жестовой коммуникации / Кривонос Ю.Г., Крак Ю.В., Бармак А.В., Шкильнюк Д.В. // Кибернетика и системный анализ. – 2013. – №2. – С.3-8.
4. Ю.В. Крак. Классификация и распознавание дактилем украинского жестового языка / Крак Ю.В., Голик А.О., Касьянюк В.С. //
Проблемы управления и информатики. – 2016. – №2. – С.135-142.
УДК 004.5: 621
КУЛАКОВСКИЙ В.Н., ЦЕГЕЛЬНЮК В.В., СКВОРЦОВ И.В.
ИСМ им. В.Н. Бакуля(Украина).
ПОИСК НАУЧНОЙ ДОКУМЕНТАЦИИ В ИНФОРМАЦИОННОЙ СИСТЕМЕ
УПРАВЛЕНИЯ НАУЧНЫМИ ДАННЫМИ В ПРЕДМЕТНОЙ ОБЛАСТИ
«СВЕРХТВЕРДЫЕ МАТЕРИАЛЫ»
Описана программная поисковая система, которая включает три основных направления
поиска научных документов в предметной области «Сверхтвердые материалы».
156
Большое число неявных, то есть слабоформализованных знаний, хранящихся в архивах Ин-
ститута Сверхтвёрдых Материалов (ИСМ) в виде электронных копий отчетов по темам, текстов
диссертаций, патентов и статей, обусловило создание программной знаниеориентированнной
информационной системы (ЗОИС). ЗОИС опирается на базу данных научной документации ИСМ
и 3-х уровневую базу-справочник научных направлений деятельности института. В системе ЗОИС
реализован механизм распределения научной документации по научным направлениям деятель-
ности института [1]. В связи с разнородностью информации и разнородностью типов документов,
подсистема поиска требуемого файла должна быть достаточно мощной. Программная система
поиска научной документации реализована в трех направлениях: поиск по справочнику научных
направлений, поиск по ключевым словам и поиск по условиям.
Поиск по справочнику научных направлений осуществляется в полуавтоматическом режи-
ме. Справочник научных направлений представляет собой 3-х уровневую базу данных. Верхний
уровень – это научный раздел, средний – подраздел и нижний - научные задачи (направления).
Для каждого отдела и лаборатории института был создан перечень основных научных направле-
ний, подразделов научных направлений и научных задач. Данный список был обсужден с сотруд-
никами отделов и лабораторий, обобщен и переформулирован с целью описания как можно более
полно и точно каждой научной задачи.
Таким образом, мы классифицировали все научные работы, проводимые в ИСМ на 3
направления:
1. Изучение влияния высоких давлений на материалы. Технологическое использование вы-соких давлений в производственных процессах.
2. Исследование физико-химических процессов получения СТМ, Создание новых техноло-
гий получения функционально ориентированных материалов и изделий из них.
3. Развитие научных основ создания новейших высоких технологий обработки металлов и неметаллов инструментом из сверхтвердых материалов, разработка методов и технологий приме-
нения функционально ориентированных материалов.
Научные направления делятся на подразделы (от 5 до 15, в зависимости от направления,
суммарно 30), каждый из них, в свою очередь, состоит из научных задач. Подраздел может состо-
ять из 1 или нескольких задач (до 10, суммарно перечислено 111 научных задач, каждая из кото-
рых описана характеризующими её ключевыми словами и словосочетаниями) [1].
Поиск по справочнику научных направлений деятельности ИСМ осуществляется в системе
путем выбора пользователем необходимого научного раздела и подраздела, а также нужной зада-
чи из предлагаемого системой списка научных задач, относящихся к соответствующему научно-
му подразделу и разделу.
При выборе любой научной задачи (направления) программная поисковая система открыва-
ет доступ к списку электронных научных документов, которые имеют к этой задаче непосред-
ственное отношение. Далее можно выбирать любой электронный документ из предлагаемого
списка. Выбрав нужный документ и щелкнув мышью по его названию, пользователь автомати-
чески получает программный доступ в режиме просмотра непосредственно к самому документу,
его описанию и краткому содержанию.
При этом программная система открывает доступ к полному тексту нужного документа и
предоставляет возможность печати сведений о нем. Для этого на экранной форме просмотра до-
кумента есть соответствующие кнопки управления.
Поиск по ключевым словам осуществляется в системе путем набора ключевых слов для за-
проса или путем обращения к справочнику ключевых слов. Любая научная задача в программной
системе ЗОИС характеризуется набором ключевых слов. С помощью программного сервиса все
ключевые слова автоматически записываются в справочник ключевых слов, где располагаются в
алфавитном порядке. Поиск любого ключевого слова осуществляется по алфавиту. Можно вы-
брать любой необходимый набор ключевых слов для сужения пространства поиска и соответ-
ственно уточнения поиска. С помощью набора ключевых слов в системе формируется поисковый
запрос.
В результате осуществления поиска по ключевым словам программная поисковая система
предлагает список научных электронных документов, удовлетворяющих запросу. Передвигаясь
по списку, пользователь получает доступ к любому документу из этого списка в режиме просмот-
157
ра. При этом подключаются сервисные программы печати.
Поиск по условиям осуществляется при переходе на соответствующую экранную форму.
Условиями для поиска служит год издания документа или период годов, вид документа, автор
или группа авторов документа. При заполнении электронной базы научных документов про-
граммная система автоматически формирует классификатор авторов документов для удобства
осуществления поисковых операций. При наборе условий для запроса можно воспользоваться
электронным классификатором фамилий авторов, хранимых в алфавитном порядке.
При успешном выполнении поиска по условиям поисковая система предлагает список доку-
ментов, удовлетворяющим условиям запроса, в нашем случае - список работ заданных авторов на
русском и украинском языках.
Доступ к найденным документам искомых авторов автоматически предоставляется про-
граммной системой.
Так как программная знаниеориентированная информационная система включает в себя до-
вольно объемные базы данных научных документов и научные справочники, поисковая система,
входящая в нее, предлагает легкий и удобный сервис для осуществления глубокого и содержа-
тельного поиска необходимых научных документов и достаточный программный интерфейс для
доступа и работы с ними.
СПИСОК ЛИТЕРАТУРЫ 1. Кулаковский В.Н., Цегельнюк В.В., Скворцов И.В. Информационная система управления научными данными в предметной
области «Сверхтвердые Материалы», матеріали міжнародній науково-технічній конференції «Штучний інтелект та інтелектуальні
системи» (AIIS’2015) (здано до друку).
УДК 004.891.3
ЛЕВЫКИН И.В.
ХНУРЭ (УКРАИНА)
МЕТОД ФОРМИРОВАНИЯ, ВЫБОРА, КОРРЕКТИРОВКИ И СОХРАНЕНИЯ
ПРЕЦЕДЕНТОВ
Рассмотрена последовательность применения прецедентного подхода к решению функцио-
нальных задач информационной системы, разработан метод формирования, выбора, корректи-
ровки, сохранения текущего и прецедента-аналога.
Процедура реализации различных по типу функциональных задач в зависимости от функци-
ональности структурных подразделений, а также от типа таких задач требует больших времен-
ных и материальных затрат по их постановке и реализации. Это связано с тем, что сам процесс
решения задачи предусматривает, прежде всего, изучение особенностей предметной области, для
которой необходимо получить решение, определить тип задачи, требуемые входные и выходные
данные, разработать математическую модель, алгоритм и прикладную программу реализации.
Для преодоления указанных трудностей используется прецедентный подход, основанный на ис-
пользовании и адаптации существующих решений функциональных задач. Ключевым элементом
прецедента является решение задачи, которая в рамках обозначенного множества функциональ-
ных задач представляется в форме последовательности взаимосвязанных действий.
Цель данной работы состоит в методе формирования, выбора, корректировки, сохранения
текущего и прецедента-аналога, основанный на процессном представлении решения и включаю-
щий этапы формирования исходных данных задач, выбора, сравнения и адаптации прецедента-
аналога. Это даст возможность адаптировать прецедент для новой задачи путем выбора одного из
возможных процессов решения или сочетания нескольких процессов, а также использовать тех-
нологию process mining (интеллектуального анализа процессов) при решения задачи.
Для того, чтобы использовать прецедент как аналог, необходимо для решаемой конкретной
задачи создать для нее модель нового прецедента, затем используя соответствующую процедуру,
выбрать модель того аналога прецедента, которая наиболее близка по описанию, результатам
модели нового прецедента.
Определим содержание каждого из элементов процесса в рамках прецедентного подхода.
Выполнение. Реализация задачи осуществляется в соответствии с поставленной целью и
158
требованиями конечных пользователей к выходным результатам, которые представляются в виде
согласованного и утвержденного выходного документа или управляющего воздействия.
Формирование. По полученным результатам формируется модель текущего прецедента с
описанием процедуры ее решения [1]. Основной проблемой решения задачи является получение
результата в виде выходных данных, по которым определяются все необходимые входные дан-
ные, что регламентируется стандартом.
Выбор прецедентов - аналогов. Данный процесс начинается с анализа модели текущего пре-
цедента, его назначения и определения тех прецедентов аналогов, которые обеспечивают решение
задачи в той предметной области, к которой относится текущий прецедент.
Выбор наиболее близкого прецедента. Для этого используются следующие метрики: евкли-
дова метрика, мера сходства Хемминга, вероятностная мера сходства, мера сходства Роджерса-
Танимото, манхэттенская метрика, расстояние Чебышева, метрики Брея-Кертинса, Жаккара и др.
Адаптация прецедента. Выбранный прецедент - аналог может не в полной мере соответство-
вать текущему прецеденту, поэтому необходима соответствующая его адаптация, которая заклю-
чается фактически в изменении компонентов модели.
Прогноз использования. Применение адаптированного прецедента для решения конкретной
задачи не в полной мере может удовлетворить конечного пользователя по соответствующим ре-
зультатам, поэтому осуществляется разработка вариантов модели, прогноза (оценки) соответствия
адаптированного прецедента [2].
Сохранение прецедента. Скорректированный прецедент должен быть сохранен, даже если
решение не полностью удовлетворит конечного пользователя, т.к. это позволит избежать получе-
ния некорректных результатов, например, при сравнении альтернативных решений.
Для практической реализации всех процессов получения скорректированного прецедента-
аналога, используемого для управления объектом, необходима формализация в виде соответ-
ствующего метода, который в последующем будет реализован с использованием программного и
технического комплексов.
Предлагаемый метод выбора, сравнения и корректировки прецедента-аналога представим в
виде следующих этапов.
Этап 1. Формирование выходных данных, являющихся результатом решения функциональ-
ной задачи, в соответствии с постановкой задачи, разработанной конечным пользователем с при-
менением стандарта «Описание постановки задачи», регламентирующего форму и содержание
выходного документа или управляющего воздействия. В качестве исходных данных могут быть
использованы логи процессов решения задачи.
Этап 2. Формирование модели текущего прецедента по постановке задачи и его сравнение в
БД прецедентов. При построении модели прецедента используется процессный подход. Набор
процессов решения задачи формируется методами process mining.
Этап 3. Выбор из БД нескольких прецедентов аналогов, которые потенциально могут быть
использованы для решения данной функциональной задачи. Такой выбор базируется на подобии
моделей текущего и прецедента-аналога с использованием соответствующих метрик, выбор кото-
рых определяется типом решаемых задач.
Этап 4. Сравнение текущего и прецедента-аналога с определением необходимой адаптации,
связанной с тем, что прецедент аналог не может быть использован без корректировки его модели
для решения конкретной функциональной задачи.
Этап 5. Прогнозирование повторного использования прецедента-аналога для получения тре-
буемых выходных результатов по аналогии с моделью текущего прецедента. При получении от-
рицательных результатов для корректировки модели прецедента-аналога применяется трансфор-
мационная адаптация, предусматривающая набор правил изменения параметров его модели или
порождающая адаптация, требующая наличия автомата решателя обеспечивающего формализо-
ванное получение результата [3].
Этап 6. Применение и сохранение скорректированного прецедента-аналога предусматривает
повторно использовать его для решения функциональной задачи с сохранением в БД прецеден-
тов.
Исходя из специфики функционирования полиграфического предприятия, для реализации
его адаптивного управления на основе прецедентов необходимо в рамках функциональности ин-
159
формационной системы применять прецеденты-аналоги в различных ее подсистемах с возможно-
стью корректировки моделей функциональных задач, входящих в математическое обеспечение
системы.
В данной работе предложен метод формирования, выбора, корректировки, сохранения те-
кущего и прецедента-аналога, основанный на процессном представлении решения задачи и вклю-
чающий этапы формирования исходных данных, выбора, сравнения и адаптации прецедента-
аналога. Метод позволяет сформировать решение задачи на основе использования технологии
process mining, а также реализовать адаптивное управление с использование атрибутов событий.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Николайчук О.А., Юрин А.Ю. Применение прецедентного подхода для автоматизированной идентификации технического состоя-
ния деталей механических систем // Автоматизация и современные технологии. – 2009. – №5. – С.3-12. 2. Берман А.Ф., Николайчук О.А., Павлов А.И., Грищенко М.А, Юрин А.Ю. Интеллектуальная система для анализа отказов сложных
технических систем // Труды Тринадцатой национальной конференции по искусственному интеллекту с международным участием
КИИ-2012: Труды конференции. – М.: Физматлит, 2012. – Т.3. – С. 146-154.
3. Скурихин В.И. Проектирование систем адаптивного управления производством / В.И. Скурихин, В.А. Забродский,Ю.В. Копейчен-
ко. – Харьков: Вища школа, 1984. – 206 с. - Библиогр.: с. 200-204.
УДК 004.4:81.33 (045)
МАЦЕНКО В.Г.
Чернівецький національний університет імені Юрія Федьковича (Україна)
ОГЛЯД СИСТЕМ МАШИННОГО ПЕРЕКЛАДУ
У роботі зроблено огляд технологій перекладу, електронних словників, комп’ютерних про-
грам машинного перекладу текстів та САТ-систем.
Протягом останніх десятиліть у зв’язку з розширенням міжнародних зв’язків постійно зрос-
тає обсяг перекладів науково-технічної та ділової документації, а також текстів, що пов’язані з ін-
формаційними технологіями. Крім цього, велика кількість інформації доступна в мережі Internet.
Робота перекладача пов’язана з великою трудомісткістю, тому єдиним способом справитись
з вимогами перекладу в наш час є використання сучасних комп’ютерних засобів. Застосування
новітніх технологій є важливим фактором конкурентноздатності перекладачів. Машинний перек-
лад (Machine Translation, MT) текстів – це складна задача, оскільки природні мови важко підда-
ються формалізації. Повністю автоматичний переклад текстів – це ще нерозв’язана задача.
Зараз на практиці широко використовуються різноманітні системи перекладу текстів, сфор-
мувався ринок перекладацьких систем. Метою цієї роботи є аналіз систем машинного перекладу.
Першим проявом інформаційних технологій у житті перекладача стали електронні словни-
ки. Таке програмне забезпечення призвело до збільшення продуктивності праці. Наступним кро-
ком у розвитку перекладацьких інформаційних технологій стали програми машинного перекладу,
які значно полегшили й пришвидшили переклад тексту.
Електронні словники. Словники – це найбільш традиційна форма подання лексичної інфо-
рмації. Словники оснащені необхідною граматичною інформацією для забезпечення еквіва-
лентних перекладів. Електронні словники – це словники в спеціальному машинному форматі, що
призначені для використання на комп’ютерах. В електронній формі можна одночасно користува-
тися багатьма словниками. Існують комп’ютерні технології створення словників (прикладна дис-
ципліна, що вивчає методи створення словників називається лексикографією). Лексикографія в
Інтернеті розвивається двома шляхами: 1) оцифровування традиційних словників, 2) створення
спеціальних онлайн словників.
Існують різні типи словників. Вони відрізняються своїми одиницями (зазвичай слова чи сло-
восполучення), структурою, обсягом лексики (словники термінів конкретної предметної галузі,
словники загальної лексики тощо). Найбільш розповсюджені морфологічні словники, які викори-
стовуються для морфологічного аналізу. Існують тлумачні словники, в яких подана більш широка
інформація про слова. Більш складними є словники тезауруси та онтології.
В системи перекладу включаються машинні політематичні та тематичні двомовні словники.
Для професійного перекладу слів та виразів використовують сім’ю електронних словників AB-
BYY Lingvo міжнародної компанії ABBYY (сайт http://www.abbyy.ua/).
ABBYY Lingvo – найповніший електронний словник, що постійно оновлюється і містить
сучасну загальновживану та спеціальну лексику з різних тематичних галузей. Існує можливість
160
групувати словники за тематикою, щоб користувач міг одразу використати багато словників. Ця
програма дозволяє одержати переклад будь-якого слова з варіантами значень і прикладами засто-
сувань цього слова. Вона забезпечує можливість професійного перекладу текстів і послідовного
перекладу речень, втілює розширені можливості (в тому числі й інтерактивні) для повноцінного
та динамічного вивчення мов. За статистикою біля 7 млн. користувачів регулярно звертаються до
Lingvo для різних платформ. Остання з розробок – це Lingvo х6 (224 словники для 19 мов) для
платформи Windows. Існує також мобільна версія ABBYY Lingvo для iOS і Android, що забезпе-
чує швидкий переклад без підключення до Інтернету (250 словників для 30 мов).
Для удосконалення знання англійської мови в склад Lingvo х6 входить граматичний курс і
спеціальна навчальна програма Lingvo Tutor, що базується на курсі Oxford University Press. На
сайті http://www.lingvo.ua розміщено безкоштовний онлайн словник (14 мов, 130 словників), в
якому в режимі реального часу можна здійснювати різноманітні переклади, знаходити приклади,
словосполучення та тлумачення слів.
Крім Lingvo існує ще багато інших словників. Наприклад, серія словників Мультилекс
(http://online.multilex.ru), що містить більше 40 словників, словник Мультитран
(http://www.multitran.ru/), Mega Dictionary (http://www.computerra.ru/dig), оксфордський словник
англійської мови (http://www.oed.com), кембріджський словник англійської мови
(http://dictionary.cambridge.org). Сайти http://www.longman.com містять англійські словники вида-
вництва Longman. Інтернет ресурс http://e2u/org.ua містить цілу низку англо-українських і украї-
но-англійських словників. Велика колекція німецьких словників розміщена на сайті
http://www.duden.de, французьких – на сайті http://www.larousse.fr. В Інтернеті є веб-сторінки з
інтерактивними словниками та автоматичними онлайн перекладачами, що розміщені на пошуко-
вих машинах Яндекс, Рамблер, Мейл, Гугл, Мета та ін.
“Словники України” – комп’ютерна програма надання користувачу лексикографічної ін-
формації про слова української мови, вона включає в себе більше 40 тлумачних словників україн-
ської мови. Інтернет-версія цих словників дозволяє знайти тлумачення українських слів та діалек-
тів, а також включає інформацію щодо словозміни, синонімії, антонімії та фразеології українсь-
ких слів. Онлайн версія програми “Словники України” знаходиться на сайті
http://lcorp.ulif.org.ua/dictua (український лінгвістичний портал).
Системи машинного перекладу. Існують різні види систем машинного перекладу:
системи на основі граматичних правил (Rule-Based Machine Translation, RBMT),
статистичні системи (Statistical Machine Translation, SMT),
гібридні системи (Hybrid Machine Translation, HMT), що використовують переваги обох ме-
тодів RBMT і SMT.
Усі технології мають свої недоліки та переваги. Традиційні системи RBMT аналізують текст
і будують його переклад на основі вбудованих двомовних словників. Представником програм, що
базуються на технології RBMT є програма Promt. А взагалі цей метод перекладу використовують
більшість розробників систем машинного перекладу (Promt, Systran, Linguatec та ін.).
В системах SMT застосовується принцип статистичного аналізу. У програму заванта-
жуються великі обсяги текстів (мільйони слів) на вихідній мові та їх переклади. Програма аналі-
зує статистику міжмовних відповідностей і здійснює пошук найбільш імовірного перекладу ре-
чення на основі сукупності двомовних текстів (корпусів паралельних текстів). Ця технологія ак-
тивно розробляється, оскільки легко переноситься на будь-які пари мов. Прикладом статистично-
го перекладача є безкоштовний сервіс онлайн-перекладу на Гуглі – translate.google.com.ua. Зага-
льна кількість мов для перекладу – 34, причому переклад можна здійснювати в будь якому на-
прямку, що дає 1122 напрямів перекладу. Системи статистичного перекладу випускають компанії
PROMT, Google, SDL Language Weaver, Microsoft та ін.
Обидві технології не розв’язали задачу створення якісного перекладу, тому нині розробля-
ється гібридна технологія НМТ, що базується на суміщенні методів RBMT та SMT. Ця технологія
дозволить взяти сильні сторони цих двох методів. Системи машинного перекладу на основі гібри-
дних технологій випускають компанії Promt, Systran.
Крім систем машинного перекладу існують програми, принцип роботи яких базується на
технології пам’яті перекладів (Translation Memory, ТМ), тобто ТМ системи. Ця технологія працює
за принципом накопичення: в процесі перекладу відповідних пар перекладу, в ТМ зберігаються
161
еквівалентні сегменти тексту на мові оригіналу та їх переклади. Прикладами ТМ систем є SDL
Trados, SDLX, Dеjа Vu, OmegaT, Star Transit, WordFast, WordFisher, Aсross та ін.
Наступним кроком у галузі перекладу є поява комбінованих систем, в яких технології МТ і
ТМ об’єднуються. Так компанія Promt створила комбіновану систему Promt for Trados, яка
об’єднує систему МП Promt XT Professional і систему ТМ Trados. Застосування інтегрованих
систем дозволяє перекладати тексти великих масивів і підвищує ефективність перекладу.
Системи машинного перекладу. Перший експеримент з машинного перекладу був прове-
дений в США 7 січня 1954 р. ЕОМ перевела з російської мови на англійську декілька простих
фраз з фізики. Ця програма використала словник із 150 слів та 6 правил граматики. Згодом поча-
лися дослідження в цій галузі і в інших країнах.
Нині в практиці перекладу використовується два види систем перекладу:
повністю автоматичний переклад, коли програма здійснює повний переклад тексту. Такі системи називаються МТ системами (Масhine Translation, MT) ;
автоматизований переклад, коли здійснюється переклад окремих слів, фраз, тобто частко-
во. Такі системи називаються ТM системами (Translation Memory, Memory, TМ).
Системи МТ готові до використання одразу ж після їх встановлення. При використанні та-
ких систем перекладу маємо автоматичний переклад текстів з однієї мови на іншу, що вико-
нується на комп’ютері на основі великих (гігантських) двомовних словників та граматичного ана-
лізу вихідного тексту за формалізованими правилами, що реалізовані у вигляді однієї програми.
Автоматичні перекладачі мають свої обмеження: цей інструмент може допомогти читачу
зрозуміти загальний зміст тексту іноземною мовою і не надає точних перекладів, хоча б через те,
що словники пропонують немалу кількість значень перекладу для одного й того ж слова, які пот-
рібно вибирати в залежності від контексту. Фактично всіма системами МТ здійснюється переклад
на рівні синтаксису, оскільки ще не розроблені ефективні моделі формального аналізу змісту. Тут
ми маємо справу з “грубим” перекладом, тому потрібно ще постредагування тексту. Якість перек-
ладу залежить від тематики й стилю тексту.
Розглянемо приклади конкретних МТ систем. Pragma – розробка української компанії Tri-
dent Software (сайт компанії http://pragma.uaprom.net). Комп’ютерний перекладач Pragma 6.x (пе-
рекладач нового покоління) підтримує 8 мов (англійська, латинська, німецька, російська, польсь-
ка, українська, французька, казахська), 56 напрямків перекладу та близько 50 тематик. Pragma 6.x
має декілька лінійок продуктів: Business, Home, Net, Server. У всіх продуктах використовуються
власна багатомовна технологія перекладу.
На сайті http://www.translate.ua/ru/pragma-6x/ розміщений безкоштовний онлайн перекладач
Pragma. Тут можна здійснити переклади з/на: англійську, латиську, німецьку, російську, польсь-
ку, українську, французьку, казахську, а також ще 51 мову.
Система Promt – лідер автоматичного перекладу, вона підтримує 64 напрями перекладу.
Список мовних пар постійно розширюється. До основних можливостей програми Promt належить
переклад окремих слів, словосполучень, текстів; переклад виділеної частини екрану з графікою;
переклад документів різних форматів (doc, xls, ppt, rtf, html, xml, txt, ttx, pdf, jpeg, png, tiff); реда-
гування і створення спеціалізованих словників підключення баз translation memory; інтеграція в
офісні додатки, веб-браузери, сайти. Компанія Promt випускає продукти для окремих користува-
чів (Promt for Office, Promt Professional 11), для малого й середнього бізнесу (Promt Professional
11), для професійного перекладу (Promt Express 11, Promt Freelance 11), для освітньої діяльності,
галузеві перекладачі, лінійку мобільних перекладачів для iPhone/iPad, Android та ін. Компанія
підтримує онлайн перекладач і словник (http://www.translate.ru).
Нині провідними європейськими розробниками лінгвістичного програмного забезпечення
розробляється онлайн перекладач для усіх європейських мов iTranslate4.eu. Для кожної мовної
пари розробники вибрали кращі програми-перекладачі.
Для повного автоматичного перекладу тексту з однієї мови на іншу створена ціла серія про-
грам. Найбільш відомі з них – це Babylon (підтримує 75 мов), Stulus, Socrat, Retrans,
Іmtranslator, Pars, Multis, Promt, Маgіс Translator, Systran, Аспера та ін.
На практиці для професійного перекладу великих текстів найчастіше використовуються
програми автоматизованого перекладу (ТМ системи). Вони значно полегшили переклад текстів,
особливо текстів, що містять велику кількість фрагментів з повторюваними складними термінами
162
(це властиво, наприклад, для технічних текстів). За короткий час виник цілий ряд ТМ систем. Такі
системи перекладу прийнято називати CAT-cистемами, від англ. Cоmputer Aided Translation. САТ
– це програми, які автоматизують виконання рутинних операцій перекладача. Від машинного
перекладу він відрізняється тим, що весь процес перекладу здійснюється людиною, комп’ютер
лише допомагає отримати готовий текст за менший час і з кращою якістю.
Поняття автоматизованого перекладу розуміється як робота з системами автоматизації пере-
кладу, такими як програми SDL Trados, Dejavu, OmegaT StarTransit, Wordfast та ін., які стали
невід’ємною частиною сучасного процесу професійного перекладу. Ці системи представляють
собою цілий комплекс технологій та інструментів для перекладу документації, ведення терміно-
логічних глосаріїв, перевірки якості перекладу, створення перекладацьких проектів тощо.
В сучасній галузі перекладу такі програми використовуються все ширше і ширше, тому
обов’язкове володіння ними уже стало стандартом. Більше того багато замовників все частіше
вимагають використання САТ-систем.
Висновки. Існує велика кількість систем машинного перекладу, які базуються на різних те-
хнологіях перекладу. При виборі систем машинного перекладу потрібно враховувати рівень лінг-
вістичного забезпечення та зручність інтерфейсу. Знання можливостей і обмежень обраної сис-
теми дозволить одержати перекладачу відповідний результат.
УДК 004.896
МЕЙТУС В.Ю.
МННЦ ІТС НАНУ та МОНУ (Україна)
ПОДАННЯ ЗНАНЬ ПРИ ПОБУДОВІ ІНТЕЛЕКТУАЛЬНИХ СИСТЕМ
Доповідь присвячена дослідженню принципів побудови інтелектуальних систем на основі
методів моделювання предметних областей, в яких працює система, з використанням когнитив-
ного досвіду системи про предметну область у вигляді сукупності знань, отриманих з цієї обла-
сті. Запропонований новий метод подання знань у вигляді чотирьохкомпонентної структури.
Для опису кожної компоненти використовується відповідна логічна мова. Така форма подання
знань є основою для побудови поведінки інтелектуальної системи.
Однією з важливих проблем, які визначають сучасний розвиток інформатики та її застосу-
вань, є проблема розробки теорії та безпосередньої побудови систем, поведінка яких може бути
охарактеризована як інтелектуальна. Це пов’язано з тим, що створення таких машин і систем
визначає один з головних шляхів вдосконалення існуючих технологій вирішення завдань, органі-
зації складної поведінки, розширення можливостей людини по її взаємодії з оточуючим світом.
Один з шляхів побудови інтелектуальних систем (ІС), який визначено в роботі [1],
пов’язаний з підходом, при якому суттєву роль грає визначення предметної області (ПО), на ос-
нові якої будується модель. При цьому відповідна поведінка визначається взаємодією системи з
цією моделлю. Тоді сам процес побудови поведінки визначається тими об’єктами та можливими
перетвореннями, які існують в ПО. Такий підхід дозволяє формалізувати необхідний процес, уз-
годжуючи його з відповідним визначенням інтелектуальності.
Численні роботи, присвячені проблемам побудови ІС, показують, що не існує єдиного визна-
чення поняття «інтелект», хоча можна сказати, що інтелект - це властивість високо організова-
ного суб'єкта, що дозволяє йому моделювати ПО і ефективно вирішувати завдання, які стосують-
ся цієї області, на рівні створюваної моделі [2]. В залежності від того, як вирішуються ці пробле-
ми, існують різні рівні інтелекту, що визначаються тим, які ПО і наскільки адекватно суб’єкт мо-
же моделювати, і тим, які завдання в цих областях він вирішує. Багато в чому рівень інтелекту
залежить і від складності самої ПО. Чим складніша ПО, чим більше елементів та залежностей в
ній існує, тим більшими та суттєвішими повинні бути можливості інтелекту, який спирається на
знання цієї області для визначення своєї поведінки.
Але процес побудови ІС суттєво залежить від того, яким рівенем інтелекту повинна користу-
ватися система. Зрозуміло, що чим складніші задачі повинна вирішувати система, тим вищий рі-
вень інтелекту вона повинна мати. Навіть людина, яка безумовно має інтелект, не всі задачі може
вирішити. І навіть не всі вже вирішені задачи може зрозуміти. Не кожна людина може зрозуміти
математичну чи фізичну статтю чи книжку, навіть у тому випадку, коли для неї подані всі необ-
163
хідні визначення.
Розглянемо два рівні інтелекту. Інтелект нульового рівня (0-Інтелект) - це здатність системи
вирішувати завдання в готовій моделі ПО. Сама модель передбачається заданою і незмінною.
Такий інтелект визначається використання готових методів вирішення завдань в ПО та способами
їх комбінування. Цей вид інтелекту досить продуктивний, і використовується людиною в процесі
її навчання і подальшого існування. Більше того, він максимально поширений у суспільстві, вра-
ховуючи його можливі варіанти та модифікації, оскільки людина може отримувати навіть нові
результати за допомогою різних комбінацій вже відомих їй методів.
Але зрозуміло, що 0-інтелект не може ефективно працювати в умовах зміни ПО, виникнення
нових умов використання раніш відомих методів, пояснення нових результатів, отриманих експе-
риментально, тобто у всіх випадках, коли потрібні принципово нові рішення.
Більш складним є інтелект першого рівня (1-Інтелект). Наведемо його визначення з роботи
[1]. 1-Інтелект - це невід'ємна якість суб'єкта, орієнтованого на взаємодію з різними ПО,
складовими зовнішнє середовище. Ця якість дозволяє суб'єкту адекватно моделювати ПО і
ефективно вирішувати завдання, поставлені в цій області. Для цього суб'єкт використовує
свій когнітивний досвід, збережений у вигляді системи знань про складові елементи та влас-
тивості ПО, способи вирішення завдань в ній, про можливі процеси перетворення інформа-
ції, пов’язаної з ПО. Цей досвід розширюється за рахунок застосування алгоритмів аналізу
зовнішньої та внутрішньої інформації з подальшим синтезом нових знань про ПО на основі
цієї інформації.
1-Інтелект на відміну від 0-Інтелекту передбачає можливість внесення змін в модель ПО, ко-
ригування моделі, модифікацію її складових, встановлення нових зв'язків між елементами моделі.
Подальші вищі рівні інтелекту не будемо розглядати, оскільки вони не стосуються проблеми по-
дання знань, яку розглядаємо в цій роботі.
ІС – це система, дія якої направлена на досягнення певної мети в ПО (виконання заданої про-
грами дій, вирішення послідовності задач, збереження деяких параметрів ПО). ІС виконує свої дії,
спираючись на властивий їй інтелект. Для 1-інтелекту можемо говорити про 1-інтелектуальні
системи.
Для опису ПО використовуються знання. На рівні знань подається опис окремих елементів
того простору, в якому подана ПО, починаючи з окремих об’єктів та закінчуючи відношеннями,
які пов’язують всі елементи області в єдину систему. Оскільки цей простір є багатовимірним, то і
знання включають велику кількість висловлювань, предикатів, формул.
В ІС знання зберігаються в базі знань (БЗ), що складається з банку знань і системи управлін-
ня базою знань. Ці знання є основою побудови моделі ПО. Зміни в модель вносяться на рівні БЗ.
При вирішенні завдання спочатку зі знань відтворюється та частина ПО, в якій вирішується за-
вдання, а потім вже відшукуються складові самого процесу рішення задачі. В [1] було запропоно-
вано задавати окремі знання у вигляді базової конструкції, що складається з чотирьох компонен-
тів: типу, екстенсіоналу, інтенсіоналу та конотації. Такий підхід дозволяє операції над знан-
нями перетворити в процесс вирішення послідовності задач, який відтворює поведінку ІС.
Для подання кожної окремої компоненти знань використовується відповідна логічна мова та
її інтерпретація в структурній моделі, яка відповідає тій області, до якої відноситься відповідна
задача [3]. В залежності від того, яку частину загального простору подано в знаннях про ПО, для
їх опису можуть використовуватися мови, починаючи з логіки висловлювань предикатними мо-
вами різних рівнів. На цих мовах описуються вирази для кожної компонентв всіх складових еле-
ментів ПО – об’єкта, образа, ситуації, сценарія, перетворення або відношення між складовими
частинами ПО. Всі ці знання, пов’язані між собою, складають, з одного боку, наше уявлення про
той простір, в якому існує ПО, а, з іншого боку, вони суть основи для рішення кожної задачі, пос-
тавленої перед ІС.
Логічні мови будуються на основі загальної схеми, яка включає такі елементи. [3]
По-перше, позалогічні константи та змінні, а також функціональні змінні (операції) різної ар-
ності, з яких формуються відповідні терми. По-друге, логічні символи та функції, включаючи
квантори, з яких будуються формули числення різного ступеня, в залежності від того, що вважа-
ється змінним при застосуванні кванторів. За допомогою інтерпретації формул визначається се-
мантика, яка пов’язує логічні формули з безпосереднім змістом ПО.
164
Таким чином, знання використовуються як базові елементи вирішення завдань в ПО, а їх
комбінація описує шлях вирішення задачі. При цьому композиція знань дає не тільки формальну
схему – як композиція екстенсіоналів, але й смислову – на рівні використання послідовності інте-
нціоналів. В свою чергу, коннотація дозволяє додатково використати коннотаційні зв’язки для
того, щоб при необхідності – існування невизначеності –для вирішення окремого завдання вико-
ристати понятя та знання, які відносяться до пов’язаних об’єктів ПО.
ПЕРЕЛІК ЛІТЕРАТУРИ
1. Мейтус В.Ю. Введение в теорию интеллектуальных систем. Основные представления. Palmarium academic publishing, 2015. -189 с.
ISBN 978-3-659-60297-9
2. Мейтус В.Ю. Проблемы разработки интеллектуальных систем // 21-я Международная Крымская конференция “СВЧ-техника и теле-
коммуникационные технологии”, 12-16 сентября 2011 г. Том 1. - 2011. - С.43-46. ISBN 978-966-335-351-7
3. Логический подход к искусственному интеллекту: от модальной логики к логике баз данных. Пер.с франц. / Тейз А., Грибомон П.,
Юлен Г. и др. - М.: Мир, 1998. - 494 с. ISBN 5-03-002519-7
УДК 004.896
МЕЙТУС В.Ю., ЦЕПКОВА Д.П.
МННЦ ІТС НАНУ та МОНУ (Україна)
НУ «Києво-Могилянська академія» (Україна)
БАЗИ ЗНАНЬ З НЕПОВНОЮ ІНФОРМАЦІЄЮ ДЛЯ ІНТЕЛЕКТУАЛЬНИХ СИСТЕМ
Доповідь присвячена визначенню та обговоренню проблем, які пов’язані з неповнотою інфо-
рмації, що зберігається в базі знань інтелектуальної системи. Знання розглядаються як засіб, за
допогою которого інтелектуальна система записує, зберігає та відтворює опис оточуючего
середовища (предметної області). Для визначення знань використовується чотирьохкомпонент-
на модель подання знання, яка для кожного описаного елемента предметної області зберігає
його характеристки та смисл. Але інформація про елемент може бути неповною. Можуть бути
відсутні окремі компоненти чи не подані функціональні залежності, або використовуватися
різні структурні моделі в предметній області прі побудові знань. Тому в базу знань включаються
додаткові функції узгодження, поповнення та приведення знань.
Загальна схема побудови інтелектуальної системи (ІС), що подана в роботі [1], ґрунтується на
припущенні, що діяльність ІС завжди визначається предметною областю (ПО), в якій система
повинна вирішувати послідовність завдань, які визначають поведінку системи в цій області. Інте-
лект тоді розглядається як суттєва властивість, що забезпечує ефективну можливість пошуку і
побудови рішень для цих завдань.
Кожна ПО в навколишньому світі нескінченно різноманітна за своїми властивостями і якос-
тями. Взаємодія з нею заснована на можливості поданні цієї області у вигляді деякої моделі. При-
родньо, що самі моделі можуть відрізнятися між собою, і кожна відображати тільки деякі риси
ПО, проте достатні для вирішення окремих класів задач. Для ІС модель замінює ПО, а зв'язок між
моделлю і ПО задається інтерпретацією моделі в ПО. В основі моделі лежить інформація, що
сприймається з області інтелектуальною системою і використовується нею при побудові моделі.
Ця інформація надавається у вигляді знань, які розглядаються як складові елементи при створенні
моделі ПО.
Будь-яке завдання в ПО подається як пара точок (або областей) в просторі, пов'язаному з мо-
деллю і інтерпретованому в ПО. Одна з цих точок являє собою умову задачі, а друга - результат її
вирішення, хоча іноді ці області співпадають одна з одною. Саме ж рішення розглядається як
шлях в ПО, що зв'язує ці області – умову задачі з її рішенням. Зазвичай це рішення шукається
спочатку в моделі ПО, а потім переноситься (розглядається) як рішення задачі в ПО. Якщо модель
була адекватна ПО, то і рішення, отримане за моделлю, відповідає цій області і виявляється рі-
шенням завдання, що відноситься до ПО.
Як знання будемо розглядати сукупність фактів, форм,тверджень (одне або одночасно
декілька), уявлень, схем, моделей, які задають об'єкти ПО, образи, структури і комбінації
елементів в ПО, структурні зв'язки (залежності, відносини) між об'єктами і структурами,
геометрію ПО. Ще раз підкреслимо, що знання - це описи окремих складових ПО, а сукупність
165
знань про ПО - це уявлення цій області, на підставі якого будується її модель і формується пове-
дінка ІС.
В роботі [1] пропонується розглядати знання у вигляді іменованої чотирьохкомпонентної
структури, що включає для кожного знання, що зберігається в БЗ, основні компоненти подання
знань: тип, інтенсіонал, екстенсіонал і конотацію знання. Для завдання типів застосовується
алгебра типів, а для кожної з решти компонент використовується своя логічна мова. В основу цих
мов покладений мову висловлювань L0, в якій висловлювання записуються у вигляді логічних
формул [2].
Оскільки знання відіграють основну роль при побудові моделі ПО і знаходженні вирішення
завдань, тобто при виконанні основних функцій ІС, то знання необхідно отримувати, зберігати,
коригувати та видавати при формуванні поведінки системи. Для цього в ІС існує база знань (БЗ),
яка складається з двох компонент - банку знань (БкЗ) і системи управління базою знань (СУБЗ). У
банку знань зберігаються самі знання, а в СУБЗ виконуються всі операції, пов'язані з управлінням
всією сукупністю знань. Залежно від того, як представлені знання, визначаються і операції над
ними, як і сам процес використання та композиції знань при вирішенні задач інтелектуальною
системою.
У той же час при використанні знань виникає ряд проблем, що спостерігаються, наприклад,
при аналізі когнітивної діяльності людини. Однією з таких проблем є неповнота знань. Дослі-
дження показують, що ця неповнота знань є характерною властивістю всієї сукупності знань, що
використовуються людиною при формуванні своєї поведінки. Найчастіше вона пов'язана з тим,
що інтерпретація, яка визначає семантику знань, може задаватися різними структурними моделя-
ми, які люди використовують як для спілкування, так і для розуміння інформації, поданої в знан-
нях. А відмінності в моделях, використаних при інтерпретації, призводять до різниці смислових
характеристик однакових по імені (найменуванню) понять. Цим можна пояснити, наприклад, іс-
нуючі відмінності у визначеннях поняття «інтелекту», які зустрічаються в літературі [1].
Крім того, неповнота знань пов'язана з тим, що окремі зв'язки між подібними поняттями мо-
жуть бути відсутніми, або частково не збігатися при вживанні тих чи інших знань в певному кон-
тексті. Тоді при використанні знань в різних процесах або при вирішенні різних завдань виника-
ють формальні відмінності таких процесів, які, в свою, чергу, можуть призводити до різних варіа-
нті рішення задачі, до різних наслідків, що випливають з такого рішення. І якщо в математиці в
ході формального докази такі відхилення зазвичай мінімальні, хоча і зустрічаються, то в інших
науках, особливо соціальних, дослідники часто приходять до зовсім відмінних висновків.
Нарешті, неповнота знань в базах знань при четирьохкомпонентномуо поданні знання може
виражатися у відсутності окремих компонент для деяких знань. Наприклад, заданий екстенсіонал
для окремого знання, тоді як інтенсіонал - смисл знання - відсутній. Або смислова складова знан-
ня в повному обсязі не визначена. Або існуюче в ПО відношення не показано в поданні знання, і
цей розрив не дозволяє здійснити необхідний перехід при побудові рішення задачі. Подібні про-
блеми часто зустрічаються і в людських знаннях, що деякий час не дозволяє вирішувати окремі
завдання, які потім успішно вирішуються дослідниками, які звернуть увагу на відсутність відпо-
відних елементів.
В загальному випадку СУБЗ на відмінність від СУБД крім операцій, пов’язаних з пошуком,
поповненням, модифікацією знань, тобто операціями з множиною знань, поповнюються операці-
ями, які аналізують знання відносно всієї ПО, та корегують (модифікують) окремі знання при
змінах інших знань. Виникають багатолистові знання, при яких окремі множини знань поєдну-
ються з областями істинності, в яких істинними стають визначені екстенціонали.
У кожному можливому випадку неповноти знань СУБЗ поповнюється додатковими операці-
ями, які дозволяють корегувати існуючі знання відповідно тих умов, які визначають неповноту
бази знань. При цьому в СУБЗ може також використовуватися своя логіка виводу, наприклад,
немонотонна логіка, а також додаватися різні аксіоми поповнення БЗ. Тому можна зробити ви-
сновок, що бази знань не тільки відрізняються від баз данних, але й включають спеціальні механі-
зми прив’язки знань не тільки до ПО, але й до суб’єкта, з яким асоційована ІС, якого моделює ця
система. В цих умовах неповнота інформації визначає необхідність використання додаткових
механізмів побудови бази знань, які пов’язані не тільки предметною областю, але й принципами
створення ІС.
166
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Мейтус В.Ю. Введение в теорию интеллектуальных систем. Основные представления. -Palmarium academic publishing, Саарбрюкен
2015. - 189 с. ISBN 978-3-659-60297-9
2. Логический подход к искусственному интеллекту: от модальной логики к логике баз данных. Пер.с франц. / Тейз А., Грибомон П., Юлен Г. и др. - М.: Мир, 1998. - 494 с. ISBN 5-03-002519-7
УДК 004.056.55
МИРОНІВ І.В., ЖИХАРЕВИЧ В.В., ОСТАПОВ С.Е.
Чернівецький національний університет імені Юрія Федьковича (Україна)
АНАЛІЗ МЕТОДІВ РОЗПІЗНАВАННЯ СИМВОЛІВ ТЕКСТУ
Розпізнавання символів різних зображень забезпечує рішення ряду наукових і прикладних
задач при ідентифікації об'єктів різної природи. Сучасні методи розпізнавання символів викори-
стовуються для вирішення як типових завдань, наприклад розпізнавання тексту, так і спеціалізо-
ваних завдань, орієнтованих на розпізнавання символьної інформації, нанесеної на поверхню різ-
них об'єктів. В даний час існує достатньо велика кількість програм, призначених для розпізнаван-
ня тексту (наприклад, FineReader, Readiris, ScanSoft OmniPaeg, CuneiForm та ін.). Кожна з цих
програм пропонує свою реалізацію рішення задачі обробки та розпізнавання зображень. В основ-
ному ці програми є комерційними, тому методи вирішення завдань, закладені в них, відомі тільки
їх розробникам, і практично неможливо визначити для яких завдань вони підходять і які завдання
їм не під силу. Крім того, всі ці програми поставляються у вигляді виконуваних модулів, що ро-
бить неможливими аналіз працездатності програм, якості їх роботи і модифікацію використаних
математичних моделей і алгоритмів.
У цій статті розглянемо найбільш відомі і поширені методи розв'язання задачі розпізнавання
символів. На даний момент виділяють три основні підходи для вирішення сформульованого зав-
дання: структурний, ознаковий і шаблонний. Кожному методу притаманні свої достоїнства і
недоліки. Розглянемо докладно кожний метод окремо.
Розпізнавання по шаблонах
Програмне забезпечення OCR (Optical Character Recognition - оптичне розпізнавання сим-
волів) зазвичай працює з великим растровим зображенням сторінки з сканера. При цьому біль-
шість систем має шаблони, створені для різних накреслень. Після декількох розпізнаних слів,
програмне забезпечення визначає використовуваний шрифт і шукає відповідні пари тільки для
цього шрифту. В деяких випадках програмне забезпечення використовує чисельні значення ча-
стин символу (пропорцій), щоб визначити новий шрифт. Це може поліпшити ефективність
розпізнавання.
Структурний підхід
Система розпізнавання OCR - Care Omni Page Professional використовує алгоритм, заснова-
ний на знаходженні загальних специфічних особливостей символів.
Ця система містить 100 різних алгоритмів для ідентифікації 100 різних символів: верхнього і
нижнього регістра від «A» до «Z», записи чисел і символів пунктуації. Кожен з цих алгоритмів
шукає «Особливості» накреслень типу «островів», «півостровів», точок, прямих відбитків і дуг.
Експертні системи також розглядають горизонтальні і вертикальні проекції відбитки букви і звер-
тають увагу на основні особливості у створених кривих, підсумовуючи в них число темних пік-
селів.
Ознакові методи
Ознакові методи базуються на тому, що зображенню ставиться у відповідність N –мірний
вектор ознак. Розпізнавання полягає в порівнянні його з набором еталонних векторів тієї ж роз-
мірності. Завдання розпізнавання, прийняття рішення про приналежність образу того чи іншого
класу, на підставі аналізу обчислених ознак, має цілий ряд строгих математичних рішень в рамках
детерміністичного і імовірнісного підходів [3].
У системах розпізнавання символів найчастіше використовується класифікація, заснована на
підрахунку евклідової відстані між вектором ознак розпізнаваного символу і векторами ознак
еталонного опису. Тип і кількість ознак в більшій мірі визначають якість розпізнавання. Фор-
мування вектора виробляється під час аналізу попередньо підготовленого зображення. Даний
167
процес називають вийманням ознак. Еталон для кожного класу отримують шляхом аналогічної
обробки символів.
Нейронні мережі в системі розпізнавання
Нейронні мережі - це структура пов'язаних елементів, на яких задані функції перетворення
сигналу, а також коефіцієнти, які можуть бути налаштовані на певний характер роботи. Частина
елементів структури виділені як вхідні: на них надходять сигнали ззовні, частина - вихідні: вони
формують результуючі сигнали. Сигнал, який проходить через нейронну мережу, перетворюється
відповідно до формул на елементах мережі, і на виході формується відповідь [1, 2].
Нейронна мережа може служити в системі розпізнавання тексту в якості класифікатора. Цей
класифікатор можна навчати, налаштовуючи коефіцієнти на елементах мережі, і таким чином,
прагнути до ідеального результату розпізнавання.
Інші варіанти вирішення задачі розпізнавання тексту
Розпізнавання тексту - це комплекс завдань, які необхідно виконати для отримання кінцевого
результату (тексту). Діючі комерційні системи розпізнавання тексту користуються набором алго-
ритмів, які в сукупності дають вельми точний результат.
Одна частина системи розпізнавання може функціонувати на основі нейронної мережі, інша
частина може використовувати переваги клітинних автоматів, і, нарешті, третя частина системи -
накопичувати статистику і на її основі видавати результат.
Комплекс заходів і алгоритмів, безперечно, дозволить добитися більшого результату, ніж
окремо взятий принцип або алгоритм.
Клітинні автомати можуть бути частиною подібного комплексу. Вони мають безперечні пе-
реваги, такі як можливість паралельного обчислення, легкість і простота правил, на основі яких
вони побудовані, можливість реалізації багатьох складних алгоритмів обробки зображень.
Запропонований нами метод розпізнавання символів за допомогою конкуруючих клітинних
автоматів полягає в тому, що символи будь-якої мови відрізняються один від одного характерни-
ми положеннями ліній одна відносно одної. Такий підхід дає цілу низку переваг при деформуван-
ні або накладанні символів. Якщо деформація не змінює взаємо розташування ліній, ознака сим-
волу не змінюється, також ми використовуємо систему з таких типів клітинних автоматів, які
описують відповідні символи, тобто траєкторія руху такого автомата співпадає з певним симво-
лом. Крім того, задаються такі правила функціонування та взаємодії клітинних автоматів, які пе-
реводять систему до стаціонарного стану, коли на кожному символі накопичуються автомати
певного типу. Отже, задачу розпізнавання зводиться до аналізу типів множин автоматів в тій чи
іншій області клітинно-автоматного поля. Досить зручно це виконувати співставленням певного
кольору тому чи іншому типу клітинного автомату. Тоді окремі символи в процесі розпізнавання
набуватимуть характерного кольору.
Проведені дослідження дозволяють стверджувати, що запропонований метод конкуруючих
клітинних автоматів є досить перспективним для використання у задачах розпізнавання символів
тексту порівняно з існуючими методами, особливо у випадках накладання або спотворення сим-
волів. Завдяки таким властивостям він може бути ефективним для розпізнавання рукописних
символів, що є предметом подальших досліджень.
Ще однією задачею є реалізація програмно-апаратної системи розпізнавання, зокрема сег-
ментації текстів, взаємодії з апаратними ресурсами, дослідження швидкодії та якісних характери-
стик системи.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Хайкин С. Нейронные сети: полный курс. М. : Вильямс, 2006.
2. Терехов С. А. Лекции по теории и приложениям искусственных нейронных сетей. Лаборатотория Искусственных Нейронных Сетей НТО-2. Снежинск. ВНИИТФ.
3. Дуда Р., Харт П. Распознавание образов и анализ сцен: / Пер. с англ.; под ред. Р.Л. Стефанюка. – М.: Мир, 1976.
УДК 004.942
НОВОТАРСЬКИЙ М. А., НЕСТЕРЕНКО Б. Б.
Інститут математики НАН України
ТРИВИМІРНА МАТЕМАТИЧНА МОДЕЛЬ ІЛЕОЦЕКАЛЬНОГО ПЕРЕХОДУ
168
В роботі розглянуто проблеми побудови тривимірної математичної моделі гідродинамічних
процесів, які протікають у фрагменті травного каналу людини, що включає ілеоцекальний пере-
хід.
За останні роки істотно зріс інтерес до дослідження гідродинамічних процесів, які протіка-
ють в біологічних об’єктах, зокрема в травному тракті людини. Актуальність таких досліджень
пов’язана зі зростанням кількості реконструктивних операцій, тобто таких операцій, які включа-
ють зміну геометричних розмірів та фізичних параметрів травного тракту в зв’язку з захворюван-
ням або втратою його певної частини при вогнепальному пораненні. Оскільки реконструктивна
операція змінює розподіл тиску та поле швидкостей в певній частині шлунково-кишкового трак-
ту, то така зміна може мати негативні наслідки для життєдіяльності організму людини. Матема-
тичні моделі дозволяють досліджувати гідродинамічні процеси, що протікають у травному тракті
людини, з метою формування рекомендацій при індивідуальному підході до оперативного втру-
чання.
Разом з тим, математичне моделювання гідродинамічних процесів у біологічних об’єктах іс-
тотно утруднене через значну мінливість фізичних параметрів цих об’єктів та складність їх гео-
метричних форм. Рух рідин в згаданих об’єктах, у більшості випадків, відбувається внаслідок
руху обмежувальних стінок, що також підвищує складність математичної моделі.
В результаті застосування двовимірних математичних моделей зроблено висновок, що їх то-
чність є недостатньою для практичного використання. Значною мірою причиною цього є асимет-
ричність геометричних форм, що істотно впливає на розподіл тиску та поля швидкостей в області
дослідження.
В даній роботі запропоновано тривимірну математичну модель фрагменту травного тракту
для дослідження особливостей реконструкції ілеоцекального переходу (рис.1).
Рис.1. Загальний вигляд досліджуваної області ілеоцекального переходу
Математична модель, побудована на основі решітчастого методу Больцмана з
BGK-оператором колізій [1], представлена рівнянням руху для вузла x в момент часу t :
, 1, , ,
eqii i i ii
f x tv f x t f x t f x t F
t, 0,1,2,...,18i (1)
де ,if x t – функція розподілу густини, що пов’язана з вектором швидкості iv ; ,eq
if x t –
рівноважна функція розподілу густини, до якої наближається функція ,if x t у стані локальної
рівноваги, що досягається за один період релаксації ; i
F – сукупність зовнішніх сил, які впли-
вають на параметри моделі на мезоскопічному рівні.
Просторовий розподіл вузлів у тривимірній області обчислень задано регулярною решіткою,
яка показана на рис.2.
169
Рис.2. Тривимірна решітка типу D3Q19
Множина локальних векторів 0,1, 2, ...,18x i
V v i вузла x на решітці 3 19D Q з одини-
чним кроком містить вектори швидкості з координатами:
00, 0, 0v , 1,2 3,4 5,6
1, 0, 0 , 0, 1, 0 , 0, 0, 1 ,v v v
7,...,10 11,...,14 15,...,181, 1, 0 , 1, 0, 1 , 0, 1, 1 .v v v
Динаміка математичної моделі полягає в паралельному розв’язуванні рівняння (1) для кож-
ного вузла обчислювальної області. Процес розв’язування складається з двох послідовних етапів.
Перший етап дозволяє визначити значення функції розподілу на наступному кроці дискретизації
за даними попереднього кроку, а на другому етапі відбувається переміщення даних між вузлами
решітки.
Перехід від мезоскопічного рівня обчислень у вузлі з координатами x до макроскопічних
параметрів гідродинамічного процесу в цьому вузлі відбувається у відповідності з виразами: 18
0
i
i
f , 8
0
1
i i
k
u v f ,
де – густина рідини, u – швидкість потоку.
Дослідження даної моделі дозволили визначити вплив різних типів реконструктивних опе-
рацій на гідродинамічні параметри руху рідини в зоні ілеоцекального переходу. Зокрема, розроб-
лена методика визначення продуктивності перистальтичного процесу в залежності від вибраного
типу реконструктивної операції. Приклади графіків такої залежності показано на рис.3.
Рис.3. Продуктивність перистальтичного процесу в ілеоцекальному переході
Отже, запропонована математична модель дозволила в реальному масштабі часу визначати
основні гідродинамічні параметри рідини в зоні ілеоцекального переходу, що дозволяє прогнозу-
вати віддалені наслідки оперативного втручання.
ПЕРЕЛІК ЛІТЕРАТУРИ
170
1. Banco G.G. Multi-scale fluid mechanics of nutrient absorption in the small intestine analyzed with 2D and 3D lattice Boltzmann models //
PhD dissertation.– 2010.– 279P.
УДК 004.9:681.518
ПАВЛОВА С.В., МЕЛЬНИКОВ С.В., БОГАЧУК Ю.П., ГОСПОДАРЧУК А.Ю.
Международный научно-учебный центр информационных технологий и систем (Украина)
МОДЕЛИ ПРИНЯТИЯ РЕШЕНИЙ И РАЗРЕШЕНИЯ КОНФЛИКТНЫХ СИТУАЦИЙ В
РАСПРЕДЕЛЕНЫХ СИСТЕМАХ УПРАВЛЕНИЯ ДИНАМИЧЕСКИМИ ОБЪЕКТАМИ
Рассматривается задача управления взаимодействующими транспортными средствами,
управление частью которых может быть автономным или автоматизированным или же вы-
полняться удаленным диспетчерским центром. Предлагается последовательность принятия
решений и модели разрешения конфликтных ситаций в подобных средах управления. Описанная
стратегия управления позволит осуществить постепенный переход от стандартных средств
управления и контроля движения к более безопасным и эффективным.
Введение
В настоящее время для автоматизации управления подвижными объектами (например,
наземным, морским, авиационным транспортом) широко внедряются новые информационные
технологии (глобальные и локальные информационные сети, спутниковая навигация и связь, пе-
редача данных с использованием сетей сотовой связи). Что приводит к необходимости управлять
разнородными динамическими объектами. В частности, при управлении наземными транспорт-
ными средствами могут взаимодействовать участники движения с различной степенью автомати-
зации и автономности, возможностями коммуникации между собой и с удаленными центрами
управления. Цель данной работы – предложить последовательность принятия решений и модели
разрешения конфликтных ситаций в подобных средах управления.
Постановка задачи
Рассматривается задача управления взаимодействующими транспортными средствами,
управление частью которых может быть автономным или автоматизированным или же выпол-
няться удаленным диспетчерским центром. Требуется определить последовательность принятия
решений по управлению транспортными средствами.
Основная часть
Среди участников движения имеются участники без средств автоматизации и коммуникаци-
онных систем; участники, обладающие возможностями получения информации о среде и других
участниках движения; участники, которые имеют средства автоматизации отдельных этапов дви-
жения; участники, обладающие высокой степенью автономности и возможностями автоматизации
всех основных этапов движения; участники, которые могут обмениваться информацией с други-
ми участниками движения, находящимися в непосредственной близости; участники, которые мо-
гут обмениваться информацией с удалеными диспетчерскими центрами.
Таким образом, в процессе движения между собой взаимодействуют транспортные средства,
как управляемые оператором, так и полностью или частично автоматизированные, при этом опе-
ратор может осуществлять управление транспортным средством удаленно. Для управления про-
цессом движения в этих условиях необходима информационная среда, которая бы позволила
участникам движения и транспортным средствам обмениваться данными.
При этом первоочередной задачей процесса управления является идентификация участников
движения, которая может осуществляться как визуально (человеком-оператором или системами
распознования образов) так и посредством обмена идентификационной информацией. Обмен по-
добной информацией может происходить как в автоматическом режиме так и по запросу других
участников движения или диспетчерских центров.
На следующем уровне, автоматические системы для отдельных этапов движения (например,
системы предупреждения столкновения) включаются в работу в ситуациях, когда оператор, в си-
лу физиологических огранияений, не может эффективно проводить процесс управления [1].
171
Следующий уровень процесса управления может допускать смешанное управление в раз-
личных каналах человека-оператора и автомических подсистем. При этом оператор имеет прио-
ритет в принятии решений по управлению.
На следующем уровне в процессе управления участвует диспетчерский центр, который агре-
гирует информацию об участниках движения и вырабатывает наиболее эффективные решения по
управлению для каждого участника движения учетом критериев оптимального управления систе-
мой в целом.
Для реализации описанной стратегии управления транспортная инфраструктура должна
обеспечить каналы данных, достаточные для передачи в реальном времени значительных объемов
информации. Это может достигаться за счет развертывания широкополосной информационной
сети (технологии Wi-Fi, мобильные сети 4го и 5го поколений, спутниковые каналы) вдоль основ-
ных маршрутов движения.
Должны быть обеспечены как возможность непосредственного обмена данными между ло-
кальными группами участников движения так и возможность обмена данными с удаленными
диспетчерскими центрами для принятия решений по управлению транспортными потоками и
передачи информации удаленным участникам движения.
Необходимой частью создаваемой инфраструктуры должны стать системы (автономные и
расположенные в диспетчерских центрах), которые обеспечивают прокладку безопасных опти-
мальных маршрутов участников движения и генерируют интегрированную информацию для при-
нятия решений по управлению.
Выводы
Реализация предложенной стратегии управления позволит осуществить постепенный пере-
ход от стандартных средств управления и контроля движения к более безопасным и эффектив-
ным. В перспективе все большое значение будут приобретать средства удаленного управления
подвижными объектами, которые учитывают оптимальное распределение функций между уда-
ленным центром и локальной системой управления [2], а также величины задержек прохождения
информации в распределенной системе управления, которые не могут быть компенсированы [3,
4].
СПИСОК ЛИТЕРАТУРЫ
1. Зараковский Г. М. Закономерности функционирования эргатических систем / Г.М. Зараковский, В.В. Павлов – М.: Радио и связь,
1987. – 232 с.
2. Мельников С.В. Закономерности организации сложных эргатических систем и построение структуры комплексов удаленного управления динамическими объектами // Кибернетика и вычислительная техника. – 2012. – № 168. – С.70-79.
3. Павлова С.В. Возможности организации эффективного обмена данными в сетевых системах управления динамическими объекта-ми / С.В. Павлова, Ю.П. Богачук, С.В. Мельников, А.Ю. Господарчук // Кибернетика и вычислительная техника. – 2014. – № 177. – С.43-53.
4. Пат. 83118 Украина, МПК (2006), H04L 12/66, G05B 15/02, G05B 17/00. Способ и устройство для компьютерных сетей управления
скоростными циклами прикладных процессов / В.В. Павлов, С.В. Павлова, Ю.П. Богачук; Заявлено 08.09.2006; Опубл. 10.06.2008 //
Промислова власність. – 2008. - №11.
УДК 519.6
ПАШКО А.О. , ТЕРЕНЧУК С.А., ЄРЕМЕНКО Б.М., РЯБЧУН Ю.В.
КНУ імені Тараса Шевченка (Україна), КНУБА (Україна)
ОБЧИСЛЮВАЛЬНИЙ ЕКСПЕРИМЕНТ ДЛЯ РОЗВЯЗАННЯ КРАЙОВИХ ЗАДАЧ
МЕТОДАМИ СТАТИСТИЧНОГО МОДЕЛЮВАННЯ
Анотація. В роботі запропоновано метод проведення обчислювального експерименту при
розв’язуванні крайових задач з випадковими початковими та крайовими умовами. Випадкові по-
чаткові та крайові умови описуються гауссовими випадковими процесами та полями із типовими
кореляційними функціями. Для побудови реалізацій випадкових процесів та полів використову-
ється їх спектральне представлення у вигляді випадкових рядів або стохастичних інтегралів. Для
моделювання використовувались випадкові процеси та поля із типовими спектральними щільно-
стями.
Постановка проблеми та аналіз досліджень і публікацій. Велика кількість прикладних
172
задач описуються крайовими задачами з випадковими початковими та крайовими умовами. В
роботі [1] досліджувались крайові задачі будівельної механіки. Моделювання динаміки аероіон-
ного складу повітря виробничих приміщень досліджувалось в роботі [2]. Розв’язування задач, в
яких крайові умови задаються випадковими функціями, опирається на оцінювання статистичних
характеристик розв’язків. Для розв’язку крайових задач з випадковими крайовими умовами акти-
вно використовуються методи статистичного моделювання або методи Монте – Карло. Викорис-
тання таких методів для розв’язання задач теорії пружності, теорії дифузії та інших прикладних
задач розглядалось в роботах [3-4]. В цих роботах методи розв’язку базувалися на алгоритмі
«блукання на сферах», а формулювання крайової задачі зводилось до розв’язування відповідного
інтегрального рівняння. Тобто, кожну крайову задачу необхідно було звести до інтегрального
рівняння. Це викликає деякі складнощі.
Формулювання цілей та вирішуваних завдань. Мета статті – розв’язування крайових за-
дач з використанням методів статистичного моделювання випадкових процесів та полів, що вико-
ристовують їх спектральне представлення у вигляді випадкових рядів чи стохастичних інтегралів,
та розробка і реалізація на цій основі обчислювального експерименту для розв’язання задач теп-
лопровідності і дифузії аерофонів.
Основна частина. Математична модель теплопередачі в середовищі, що заповнене речови-
ною з густиною , питомою теплоємністю C та коефіцієнтом теплопровідності k має вигляд
[3]:
)t,x(f)t,x(uC
k
t
)t,x(u
,
де )t,x(u - температура середовища в точці x в момент t , )t,x(f - зовнішні впливи.
В процесі спостереження за розподілом тепла в межах довільної області A , що обмежена
достатньо гладкою границею A розглядаються випадки відсутності або наявності джерел тепла:
t
)t,x(uC
x
)t,x(uk
x
, або
t
)t,x(uC)t,x(
x
)t,x(uk
x
,
де )t,x( - вплив теплових джерел в точці x в момент t .
Для моделювання процесів дифузії і рекомбінації аероіонів доцільним є рівняння, яке най-
більш наближене до реальних умов і враховує їх сферичне розповсюдження від джерела [2].
)t,x(2
ux
)t,x(u
x
2
2x
)t,x(u2
D)t,x(t
)t,x(u
,
де )t,x(u - концентрація аероіонів в момент часу t на відстані x від джерела, – коефіці-
єнт їх рекомбінації, )t,x( - вплив джерел іонізації, D – коефіцієнт дифузії.
Початкові та крайові умови задають значення )x()t,x(u 0 , Ax та )t()t,x(u 0 ,
Ax 0 , T,0tt відповідно.
Для обчислення значення )t,x(u , коли )t,x( , )x( та )t( випадові процеси чи поля, в
даній роботі застосовується метод статистичного моделювання випадкових процесів та полів. Як
правило, в якості випадкових початкових та крайових умов розглядаються гауссові випадкові
процеси та поля. Однак, за рахунок точності обчислень, при реальному моделюванні отримуємо
строго субгауссові випадкові процеси та поля. Методи статистичного моделювання субгауссових
випадкових процесів та полів досліджувались в роботах [5-7].
Використання методів статистичного моделювання дозволяє будувати реалізації розв’язків
на заданих інтервалах, а при багатократному моделюванні оцінювати середнє значення та інші
характеристики розв’язків, тобто проводити повноцінний обчислювальний експеримент.
Обчислювальний експеримент для розв’язання задачі теплопровідності та моделювання па-
раметрів якості повітря складається з наступних етапів.
1. Задаємо надійність 0 і точність 0 моделювання випадкових процесів та полів.
173
2. Для заданих надійності 0 і точності 0 будуємо моделі випадкових процесів та
полів, а саме, )t,x( , )x( та )t( .
3. Розв’язуємо необхідну задачу чисельними методами. Отримуємо реалізацію розв’язку.
4. Будуємо наступні реалізації випадкових полів )t,x( , )x( та )t( .
5. Отримуємо необхідну кількість реалізацій для знаходження статистичних характеристик розв’язку (на практиці кількість реалізацій перевищує тисячу).
Чисельні методи розв’язування крайових задач розглядались в роботі [8].
ВИСНОВКИ
1. Запропоновано метод та реалізовано обчислювальний експеримент для розв’язання здачі теплопровідності та моделювання параметрів якості повітря.
2. Простота методу реалізації дозволяє оперативно розв’язувати задачі моделювання параме-трів якості повітря в заданих точках приміщень різної форми та різного призначення.
3. Дослідження розв’язків крайових задач з випадковими початковими та крайовими умова-ми за допомогою обчислювального експерименту може бути основою для розробки автоматич-
них систем прогнозування та контролю параметрів мікроклімату внутрішнього середовища буді-
вель і споруд.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Болотин В.В. Случайные колебания упругих систем / В.В. Болотин. - М.: Наука, 1979. -336с. 2. Глива В.А. Моделювання динаміки аероіонного складу повітря виробничих приміщень / В.А. Глива, В.І. Клапченко, С.А. Теренчук,
С.М. Пономаренко // Техніка будівництва – 23, 2009. с.114-117
3. Сабельфельд К.К. Методы Монте-Карло в краевых задачах / К.К. Сабельфельд. - Новосибирск: Наука, 1989. - 280 с. 4. Елепов Б.С. Решение краевых задач методом Монте-Карло / Б.С. Елепов, А.А. Кронберг, Г.А. Михайлов, К.К. Сабельфельд. - Ново-
сибирск: Наука, 1980. -175 с. 5. Пашко А.О. Чисельне моделювання гауссових однорідних випадкових полів. / А.О. Пашко // Науковий вісник Ужгородського університету. Серія:математика і інформатика.- 2013. - Вип. 24, №1. - С.116-120.
6. Пашко А.О. Моделювання гауссових однорідних та ізотропних випадкових полів / А.О. Пашко // Науковий вісник Ужгородського університету. Серія:математика і інформатика. - 2013. - Вип. 24, № 2. - С. 138-144.
7. Yeremenko B. Statistical Simulation of Accidental Loads in the Problems of Constructional Mechanics / B. Yeremenko, A. Pashko, S. Teren-
chuk // Advanced Materials Research.- Vol. 1122. – P. 249-252. 8. Киреев В.И. Численные методи в примерах и задачах/ В.И. Киреев, А.В. Пантелеев. - М.: Высш. шк., 2004. – 480 с.
УДК 004.932.2
ТЕСЛЕНКО М.Г., ПЕРМЯКОВ В.И.
ХНУСА (Украина)
ОПРЕДЕЛЕНИЕ ОПТИМАЛЬНОГО РАСПОЛОЖЕНИЯ ТОЧЕК ПРИ ВЫЧИСЛЕНИИ
УГЛА СМАЧИВАНИЯ ПО ИЗОБРАЖЕНИЮ
В работе описано исследование, целью которого является усовершенствование программы
для измерения угла смачивания по изображению. Целью данного исследования является нахожде-
ния оптимального расположения точек на контуре капли. Задача решается при помощи средств
многопараметрической оптимизации. Используется метод Хука-Дживса. В ходе исследования
проводится имитационное моделирование процесса измерений.
Для повышения качества исследований, связанных с измерением угла смачивания был раз-
работан прибор, позволяющий вычислить угол смачивания по изображению капли [7]. Работа
оператора при его использовании сводится к размещению нескольких точек на контуре капли.
При этом неизвестно, каким образом расположение точек может повлиять на погрешность ре-
зультатов измерений.
Так как точность измерений является важнейшим показателем работы программы, необхо-
димо определить положение точек, обеспечивающее наименьшую погрешность измерения. Это
приводит к необходимости решения задачи оптимизации. Прежде всего, следует определиться с
критерием, позволяющим численно оценить точность работы алгоритма.
Алгоритм, реализованный в программе, использует метод наименьших квадратов для ап-
проксимации контура капли. При этом находится «решение» перегруженной системы уравнений:
x = A+
B, (1)
174
где A+ - псевдообратная матрица.
В результате находятся коэффициенты уравнений прямой и кривой второго порядка, что
обеспечивает последующий аналитический расчет угла смачивания. Погрешность алгоритма яв-
ляется следствием ошибки в расположении точек (что в большей или меньшей мере присутствует
всегда). Чем дальше построенные точки лежат от контура капли, тем меньше полученная модель
соответствует действительности и тем больше измеренный угол отличается от реального. В дан-
ном случае точки являются исходными данными работы алгоритма, и уменьшить погрешность в
расположении самих точек нельзя. Однако алгоритм может по-разному реагировать на погреш-
ность в зависимости от расположения точек относительно ширины контура. При этом можно
оценить зависимость результатов от погрешности исходных данных, иными словами, алгоритм
может произвести вычисления с большей точностью, даже при одинаковой погрешности исход-
ных данных.
Для оценки такой зависимости можно найти число обусловленности матрицы [1], [2], [5]. В
работе использовалось второе число Тодда. Наименьшее значение числа характеризует наилуч-
шую ситуацию с точки зрения влияния погрешности исходных данных на результат работы алго-
ритма.
Сложность задачи заключается в том, что зависимость между числом обусловленности и
положение координат нельзя найти аналитически. Возможно лишь произвести вычисления при
конкретных значениях. Это, а также большое количество параметров (точек), приводит к выбору
метода Хука-Дживса [3]. Это численный метод многопараметрической оптимизации. Он работает
со значением функции в точке, и его удобно реализовать при помощи средств программирования.
Принцип работы заключается в следующем: 1) вычисляется значение функции при базовых зна-
чениях параметров; 2) один из параметров сдвигается на шаг; 3) вычисляется значение функции и
сравнивается с базовым; 5) в случае успеха выполняется поиск по образцу, в котором охватыва-
ются все параметры; 6) а в случае неудачи уменьшается значение шага.
Реализация алгоритма выполнялась в пакете MathCAD. При этом был смоделирован и алго-
ритм аппроксимации, используемый в исследуемой программе. Изображение контура капли было
выполнено на базе эллипса и прямой, причем угол смачивания мог задаваться изначально. Для
упрощения вычислений контур представлял собой массив из ста точек, причем индекс определял
положение относительно ширины капли в процентах. Была реализована также и погрешность
точек в (виде аддитивного шума), для приближения модели к реальным условиям измерений.
В итоге был написан алгоритм на базе метода Хука-Дживса, который позволяет минимизи-
ровать значение числа обусловленности при различных углах смачивания и с различным количе-
ством точек. По результатам были построены диаграммы (рис 1.).
175
Рис. 1. Диаграммы оптимального расположения точек
Исследование было проведено для различного количества точек. В результате все точки
расположились в пяти небольших диапазонах: 1%-2%, 18%-22%, 47%-52%, 76%-81%, 98-100%.
Подобное расположение сохранялось при любых значениях угла смачивания, а также при любом
количестве точек. Таким образом, если разместить точки в указанных диапазонах, можно полу-
чить наименьшую погрешность результатов измерений при одинаковом значении погрешности
исходных данных. Полученные результаты позволят усовершенствовать программу для измере-
ния угла смачивания и повысь точность измерений.
СПИСОК ЛИТЕРАТУРЫ 1. Вержибицкий В. М., Численные методы (линейная алгебра и нелинейные уравнения), М.: Высшая школа, 2000. – 266с.
2. Годунов С. К., Решение систем линейных уравнений, Новосибирск: Наука, 1980. – 177с.
3. Кононюк А. Е., Основы теории оптимизации. безусловная оптимизация, Киев: «Освіта України», 2011. – 544с.
4. Линник Ю. В., Метод наименьших квадратов и основы математико-статистической теории обработки наблюдений, М: ФИЗМА-
ТГИЗ, 1958. – 336с.
5. Самарский А. А., Гулин А. В., Численные методы,М.: Наука, 1989. - 432с.
6. Стренг Г., Линейная алгебра и ее применения, М.: Мир, 1980. – 454с.
7. Тесленко М. Г., Пермяков В. И., Приборы для измерения угла смачивания, Міжнародна науково-практична конференція «Пробле-
ми інформатики та комп’ютерної техніки». Праці конференціі. – Чернівці: Видавничий дім «Родовід», 2015. – 206с.
УДК 004.942
ТОКАР О.Є.
НУ „Львівська політехніка”(Україна)
ВИЗНАЧЕННЯ ЗАПАСІВ ВУГЛЕЦЮ У МЕРТВІЙ ОРГАНІЧНІЙ РЕЧОВИНІ ЛІСОВИХ
ЕКОСИСТЕМ ІЗ ВИКОРИСТАННЯМ ГЕОІНФОРМАЦІЙНИХ ТЕХНОЛОГІЙ
Розроблено геоінформаційну технологію для обчислення запасів вуглецю у мертвій ор-
ганічній речовині лісових екосистем. Для оцінки запасів вуглецю в мертвій деревині і підстилці
лісових насаджень використано інформацію з баз даних вимірів на 54 пробних площах Спаського
лісництва ДП «Брошнівське ЛГ» Івано-Франківської області. Встановлено, що в середньому у
підстилці насаджень Спаського лісництва акумулюється 4,2 т С/га. Запаси вуглецю в підстилках
хвойних порід лісництва є найвищі – 6 т С/га, а найнижчі запаси вуглецю – в підстилках листяних
лісів і становлять 1,17 т C/га.
0 20 40 60 80 100
Координаты точек
Угл
ы
6 точек
10
20
40
60
80
100
120
140
160
0 20 40 60 80 100
Координаты точек
Угл
ы
8 точек
10
20
40
60
80
100
120
140
160
176
Збільшення концентрації парникових газів (ПГ) в атмосфері призводить до глобальної зміни
клімату на планеті – однієї з найгостріших екологічних проблем, які стоять перед людством. Особлива
роль у стабілізації концентрації вуглекислого газу, одного з найбільш поширених ПГ, в атмосфері
належить лісовим екосистемам, оскільки вони є основними наземними поглиначами вуглекислого
газу, що здатні природним шляхом регулювати його концентрацію в атмосфері і відіграють ключову
роль у глобальному циклі вуглецю. Тому, розроблення геоінформаційних технологій для оцінювання
запасів вуглецю у резервуарах лісових екосистем на сьогодні є актуальними.
У дослідженні представлено підходи для визначення запасів вуглецю в мертвій органічній
речовині (МОР) лісових екосистем, що включає в себе лежачу деревину і підстилку насаджень.
Система обліку лісів України не забезпечує достовірної інформації про запаси та динаміку кіль-
кості мертвої деревини в лісах країни. Тому у дослідженні для оцінки запасів вуглецю в МОР
використано інформацію з баз даних вимірів на пробних площах. Така оцінка динаміки вуглецю в
резервуарах МОР дозволяє підвищити точність розрахунків викидів і поглинань вуглецю лісови-
ми екосистемами.
Для здійснення розрахунків запасів вуглецю в мертвій органічній речовині лісових екоси-
стем використано національні методики [1, 2] та методики Міжнародної групи експертів зі зміни
клімату (МГЕЗК) [3]. Через свою універсальність методики МГЕЗК не пристосовані до повноцін-
ного врахування регіональних особливостей країни, а це в свою чергу веде до неточностей в
оцінці запасів вуглецю в резервуарах, зокрема в резервуарі мертвої органічної речовини і до
збільшення похибки в обчисленнях запасів вуглецю у лісових екосистемах загалом. Тому для
визначення запасів вуглецю у МОР лісових екосистем доцільно використовувати національний
підхід на основі МГЕЗК із врахуванням особливостей лісів України.
На підставі розроблених багаторівневих математичних моделей та програмних засобів, які їх
реалізують, здійснено обчислювальні експерименти запасів вуглецю у підстилці насаджень
Спаського лісництва і побудовано відповідні цифрові карти.
Таким чином, розроблена геоінформаційна технологія оцінювання запасів вуглецю у
мертвій органічній речовині лісових екосистем із використанням математичних моделей, що вра-
ховують територіальну специфіку, дає можливість підвищити точність розрахунків запасів ву-
глецю у лісових екосистемах.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Букша І. Ф. Інвентаризація та моніторинг парникових газів у лісовому господарстві / І.Ф. Букша, В.П. Пастернак. – Харків:вид-во
ХНАУ, 2005. – 125 с.
2. Шпаковская И.М. Динамика древесного опада в лесных экосистемах Стрийско-Санской Верховины (Украинские Карпаты) / И.М. Шпаковская , В.П. Рожак // Журнал научных публикаций аспирантов и докторантов. Серия биологические науки. – 2014. – №1.–
С.175–179.
3. Руководящие принципы национальных инвентаризаций парникових газов МГЭИК, 2006 г. [ в 5 т.] / [Х. С. Игглестон, Л. Буэндиа, К. Мива, Т. Нгара, К. Танабе (редакторы)].– ИГЕС, Япония, 2006.– Т.4: Сельское хозяйство, лесное хозяйство и другие виды землеполь-
зования. – 309 c.
УДК 621.31
ЧАЙКОВСЬКА Є.Є.
ОНПУ
ПРИЙНЯТТЯ РІШЕНЬ НА ПІДТРИМКУ ФУНКЦІОНУВАННЯ СУШИЛЬНОЇ
УСТАНОВКИ У СКЛАДІ КОГЕНЕРАЦІЙНОЇ СИСТЕМИ
Запропоновано метод здобуття інформаційної оцінки зміни вологовмісту повітря в
сушильній камері при вимірюванні температури повітря на вході в теплообмінник підігріву
повітря для підтримки функціонування сушильної установки щодо виробництва пелетного
палива. Здобута інформаційна оцінка зміни вологовмісту повітря в сушильній камері дозволяє
приймати рішення на зміну витрати повітря, що нагрівається, на основі зміни частоти
обертання електродвигуна повітряного вентилятора для узгодження температурного та
аеродинимічного режимів сушки деревини.
Вступ. Використання біопалива завдяки можливості реалізації виробленої енергії за “зеле-
ним тарифом” є достатньо стимулюючим фактором [1, 2]. Однак, витрати на сушку деревини при
177
виробництві пелетного палива, наприклад, складають до 25% від загальних витрат. Вміст вологи
не повинен перевищувати 10% 12 %, а сира деревина може містити близько 50% води. З метою
енергозбереження підтримка температурного та аеродинамічного режимів сушки деревини по-
винна відбуватись в узгодженій взаємодії, що можливо здобути з використанням когенераційних
технологій, які мають у своєму складі первинний двигун, електрогенератор, систему утилізації
теплоти, систему контролю й управління. Більш того. вимірювання температури та вологості
повітря як сушильного агенту, вологості деревини, що висушується, мають не завжди достовірне
використання у зв’язку із складністю вимірів, що унеможливлює упереджений вплив на зміну
параметрів сушки для забезпечення безперервного виробництва пелетного палива[3, 4].
Мета роботи. Здобути інформаційну оцінку зміни вологовмісту повітря в сушиль-
ній камері при вимірюванні температури повітря на виході із сушильної камери для прийняття рішень на зміну витрати повітря на вході в теплообмінник підігріву повітря на основі зміни ча-
стоти обертання електродвигуна повітряного вентилятора.
Основна частина роботи. На основі методологічного та математичного обґрунтування
архітектури експертних систем запропонована архітектура експертної когенераційної системи,
основою якої є інтегрована динамічна підсистема – (когенераційна установка, сушильна установ-
ка) та блоки розряду, заряду, оцінки функціональної ефективності, які знаходяться в узгодженій
взаємодії з динамічною підсистемою. Сушильна установка включає сушильну камеру, теплооб-
мінник підігріву повітря, повітряний вентилятор [3, 4].
Рис. 1. Архітектура експертної когенераційної системи: 1 – динамічна підсистема
(когенераційна установка, сушильна установка); 2 – блок розряду; 3– блок заряду; 4 – блок оцінки функціональної ефектив-
ності
З використанням отриманої в результаті комплексного математичного моделювання динамі-
ки сушильної установки передатної функції за каналом: «вологовміст повітря – витрата повітря» здо-
бута еталонна оцінка зміни вологовмісту повітря в сушильній камері в залежності від рівноважної
вологості сировини [3, 4]. З використанням передатної функції за каналом: «вологовміст повітря –
витрата повітря» отримана функціональна інформаційна оцінка зміни параметрів в сушильній камері
(рис. 2) на основі розробленої структурної схеми логічного моделювання, що базується на вико-
ристанні метода графа причинно-наслідкових зв’язків [3]. Здобута підсумкова інформація (1, 2)
(рис. 2) дозволяє приймати рішення на зміну витрати повітря, що поступає на підігрів, на основі
зміни частоти обертання електродвигуна повітряного вентилятора[3, 4].
178
Рис. 2.
Структурна схема логічного моделювання для підтримки функціонування сушильної установки: CT – контроль події; Z – ло-
гічні відносини; d – динамічні параметри; w – вологовміст повітря; t – температура повітря, К; x – впливи; f – параметри, що діагнос-
туються; y – вихідні параметри; K– коефіцієнти математичного опису; t
i
w
iKw
/ –коефіцієнт математичної моделі динаміки
сушильної установки. де i – ентальпія робочого тіла, кДж/кг; w – вологовміст повітря; G – витрата теплоносіїв, кг/с; Індекси: с –
контроль працездатності; вих. – вихід повітря із сушильної камери; верх. – перший рівень функціонування; в – повітря; з – теплоно-сій, що гріє; ст. розр. – стале розрахункове значення параметра; 0, 1, 2 – початковий стаціонарний режим, зовнішні, внутрішні пара-
метри; 3 – коефіцієнти рівнянь динаміки; 4 – суттєві параметри, що діагностуються; 5 – динамічні параметри
Висновки. Прийняття рішень на зміну витрати повітря, що подається на підігрів, на основі
зміни частоти обертання електродвигуна повітряного вентилятора надає можливість узгоджувати
температурний та аеродинамічний режими сушки деревини в сушильній камері. Так, наприклад,
при виробництві 5,8 тис. т пелет з деревини в рік можливо здобути грошову економію при вико-
ристанні пелетного палива до 40% та знизити собівартість виробництва енергії у складі когене-
раційної системи в межах 20–30 % [3, 4].
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Гелетуха, Г. Г. Биоэнергетика в Украине: современное состояние и перспективы развития. Часть 2 [Текст] / Г. Г. Гелетуха, Т. А.
Железная, П. П. Кучерук, Е. Н. Олейник, А. В. Трибой // Промышленная теплотехника. – 2015. – Т. 37, № 3. – С. 65–73.
2. Perre, P. Drying of Wood: Principles and Practices/ Patrick Perre, Roger Keey // Handbook of Industrial Drying. – 2014. – p. 797 – 846. doi: 10.1201/b17208-44.
3. Чайковська, Є. Є. Розробка методу підтримки функціонування сушильної установки у складі когенераційної системи [Текст] / Є.
Є. Чайковська // Технологический аудит и резервы производства. –2015. – № 5/7 (25). – С.62 – 67. doi: 10.15587/2312-8372.2015.51520 4. Чайковська, Є. Є. Контроль працездатності сушильної установки у складі когенераційної системи / Є. Є. Чайковська // Вісник НТУ
«ХПІ». Серія: Нові рішення в сучасних технологіях. – Харків: НТУ «ХПІ». – 2016. – № 12 (1184).– С. 89-94. – doi:10.20998/2413-
4295.2016.12.12.
179
УДК 681. 513
ПАВЛОВ В.В., ШЕПЕТУХА Ю.М.
МННЦІТтаС НАН і МОН (Україна)
ІНТЕГРАЦІЯ РОЗПОДІЛЕНИХ НЕЛІНІЙНИХ ПРИКЛАДНИХ ПРОЦЕСІВ У МЕРЕЖАХ
ВЕЛИКОЇ РОЗМІРНОСТІ
Запропонований підхід до аналізу нелінійних прикладних процесів в розподілених мережевих
структурах складної конфігурації, що базується на систематизації та структуризації усієї
сукупності типових моделей хаотичної поведінки системи
Вступ та постановка проблеми Одним із важливих напрямків у розробці інтелектуальних
систем є дослідження складних розподілених процесів передачі та перетворення інформаційних
потоків. Ці процеси можуть описуватися за допомогою різних математичних моделей, таких,
наприклад, як диференціальні рівняння, різницеві рівняння, дискретні відображення. Кожна з
фазових координат відповідної математичної моделі описує динаміку одного із локальних прик-
ладних процесів перетворення інформації, які можуть інтегруватися в інформаційну мережу до-
сить складної конфігурації. Найбільший інтерес для дослідження являють високошвидкісні мере-
жі великої розмірності, що включають до свого складу нелінійні елементи. Процеси в таких ме-
режах, характеризуються складною конфігурацією фазових траєкторій. Такі специфічні фазові
траєкторії є відображенням хаотичних явищ, що виникають в нелінійних динамічних системах
при виконанні певної сукупності вимог. Характерною рисою цього ефекту є те, що елементи хао-
су з’являються в системі, динамічні властивості якої визначаються детермінованими співвідно-
шеннями, наприклад, нелінійними диференціальними рівняннями, що не містять стохастичних
компонентів. До теперішнього часу не досліджено багато проблем в області моделювання і ви-
вчення хаотичних процесів, теорії управління поведінкою хаотичних систем. Більше того, для
складних динамічних систем часто не існує навіть коректних математичних постановок завдань
управління.
Підхід до вирішення проблеми Одним із підходів до дослідження хаосу є генерація і аналіз
фазових траєкторій системи. При цьому можуть існувати такі види фазових траєкторій систем
різної розмірності, як стаціонарні, періодичні та хаотичні. Незважаючи на відсутність імовірніс-
них моделей у рівняннях хаотичного процесу, довготривала його течія істотним чином залежить
від початкових умов і її неможливо передбачити з якою-небудь прийнятною точністю. При цьому
дві ідентичні динамічні системи з майже однаковими початковими умовами через деякий інтервал
часу починають проявляти істотно відмінні один від одного типи хаотичної поведінки.
Математичні моделі, що використовуються для аналізу хаотичних процесів, є, як правило,
нелінійними і детермінованими. При цьому нелінійні динамічні системи, що задаються навіть
порівняно простими рівняннями, характеризуються дуже великою різноманітністю видів функці-
ональної поведінки. Так, рівняння моделі Лоренца, якими описується поведінка багатьох процесів
у різних предметних галузях, містять всього одну нелінійність другого порядку в одному членові
одного з рівнянь:
,,)2(),( czxyzyzbxyxyax
де zyx ,, - фазові координати; cba ,, - числові параметри.
Основною проблемою при дослідженні хаотичних процесів зазвичай є неможливість знахо-
дження аналітичних рішень для відповідних цим процесам нелінійних диференціальних рівнянь.
Тому в більшості випадків застосовується методологія чисельної інтеграції, що полягає в заміні
початкової системи нелінійних диференціальних рівнянь з безперервним часом на відповідну
систему рівнянь з дискретним часом.
Загальний вигляд системи нелінійних диференціальних рівнянь (система з безперервним
часом) :
),( UXFX ,
де UX , - відповідно вектори фазових координат та управління.
Тоді загальний вигляд відповідної системи нелінійних різницевих рівнянь (система з дис-
кретним часом) буде наступним:
180
),()1( UXFX t
Основною складністю при використанні цієї методології є те, що отримані чисельні рішен-
ня еквівалентні рішенням початкових нелінійних диференціальних рівнянь тільки при досить
малих кроках інтеграції. Тому дослідники прагнуть розробляти різні нестандартні підходи, що
дозволяють в деяких випадках отримувати системи різницевих рівнянь зі значно більшими кро-
ками інтеграції [1].
Лише останнім часом почали робитися спроби використання аналітичних методів для аналі-
зу окремих сторін хаотичних процесів, що описуються не занадто громіздкими рівняннями. Так, в
роботі [2] на основі отриманої аналітичної формули для першого показника Ляпунова був прове-
дений аналіз можливих типів біфуркацій, що виникають в процесі переходу до хаотичного режи-
му системи Росслера:
,)(;; zfxezdyxyzyx
де zyx ,, - фазові координати; fed ,, - числові параметри.
Слід зазначити, що характерною рисою хаотичних процесів є те, що їх динаміка описується
порівняно невеликим числом типових для нелінійних систем сценаріїв, явищ, процедур і механіз-
мів. Тому доцільним є підхід до дослідження розподілених прикладних процесів, що базується на
аналізі, систематизації і структуризації усієї сукупності типових моделей хаотичних явищ. На
основі таких типових моделей може формуватися база знань інтегрованої системи. Важливим
напрямком досліджень при побудові бази знань є розробка методів перетворення початкових рів-
нянь - з метою отримання більш простих співвідношень, що зберігають істотні особливості поча-
ткової моделі. Часто таке перетворення дає можливість значно спростити аналіз, отримавши, про-
те, цінні результати. При точно невідомих рівняннях динамічної системи, що має хаотичні влас-
тивості, застосовуються різні модифікації методу лінеаризації. При цьому, як правило, спочатку
вибирається відповідна нестійка періодична орбіта хаотичного аттрактора, а потім в малій області
біля бажаної періодичної орбіти розраховується лінеаризована модель. Такий підхід до лінеариза-
ції дає можливість спростити аналіз, принципово не виключаючи з розгляду хаотичні траєкторії
руху системи. Це є дуже важливим тому, що нелінійні системи зазвичай перетворюються на лі-
нійні перед застосуванням методів лінійного управління. Тому ефекти виникнення хаотичних
траєкторій руху системи, що виникають виключно в нелінійних системах, часто просто не розгля-
даються.
У зв'язку із великою різноманітністю проявів хаотичних процесів у нелінійних динамічних
системах, розроблено досить багато алгоритмів управління конкретними системами. Однак,
слід зазначити наявність різних підходів навіть до самої постановки проблеми управління хаоти-
чною поведінкою динамічної системи. Так, різні дослідники розуміють завдання управління хао-
сом суттєво по різному. Для одних це завдання полягає в стабілізації існуючих точок рівноваги
або періодичних фазових траєкторій. Для інших - у стабілізації нестійких орбіт і визначенні мож-
ливих траєкторій переходу системи у стаціонарний стан або в малий окіл хаотичного аттрактора
бажаної конфігурації. У будь-якому випадку методи управління хаосом мають дуже широкі пер-
спективи для практичного застосування - у зв'язку з великою різноманітністю типів функціональ-
ної поведінки таких систем.
Висновки. Аналіз нелінійних прикладних процесів в розподілених мережевих структурах до-
зволяє досліджувати та інтегрувати різні моделі, що описують породження і розвиток хаотичної
поведінки системи. Важливим питанням є перехід від чисто теоретичних досліджень до практич-
ного застосування розроблених підходів, методів та алгоритмів для управління мережами великої
розмірності та складної конфігурації.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Nikolov S. New results about route to chaos in Rossler system / S. Nikolov, V. Petrov // International Journal of Bifurcation and Chaos. – 2004. – Vol.14. – №1. – P.293–308.
2. Letellier C. Difference equations versus differential equations, a possible equivalence for the Rössler system? / C. Letellier // Physica D. – 2004. – № 195.
– P.29–49.
181
СЕКЦІЯ 7
УДК 004.032
АКСАК Н.Г., СОКОЛЕЦ Е.В.
ХНУРЭ (Украина)
ПРОЕКТИРОВАНИЕ МУЛЬТИАГЕНТНОЙ СИСТЕМЫ УДАЛЕННОГО МОНИТОРИНГА
НА ОСНОВЕ ОРГАНИЗАЦИЙ
Разработанная система, включающая программное обеспечение для наблюдателя и паци-
ента с мобильным устройством, на которое через Bluetooth передается информация с датчиков,
регистрирующих состояние здоровья, позволяет улучшить качество медицинской помощи.
Задача удаленного мониторинга показателей здоровья человека, технического состояния
промышленных объектов, а также диагностика в медицине и биологических исследованиях явля-
ется достаточно актуальной. Наиболее популярными методами решения данной задачи является
использование нейронных сетей, генетических алгоритмов, экспертных систем и т.п. Перспек-
тивным может быть объединение указанных технологий и мультиагентных систем в виде агент-
но-ориентированной метадологии.
В настоящее время большинство мультиагентных команд предназначены для работы в рам-
ках ограниченного набора конфигураций. Даже когда команда обладает способностью для дости-
жения своей цели, она может быть ограничена собственными знаниями о возможностях члена
команды. В большинстве мультиагентных методологий, разработчик системы анализирует воз-
можные организационные структуры, а затем разрабатывает одну организацию, которой будет
достаточно для большинства ожидаемых сценариев. К сожалению, в динамических приложениях,
где среды, а также агенты могут меняться, проектировщик редко может составить, или даже рас-
смотреть все возможные ситуации. Для преодоления этих проблем целесообразно разработать
методологию, позволяющую мультиагентным командам разрабатывать свои собственные органи-
зации на время выполнения [1].
В работе представлена организационная мультиагентная система (ОМАС) дистанционного
мониторинга состояния пациента [2], основными чертами которой являются:
1) организация состоит из агентов (лиц), которые проявляют поведение;
2) общая организация разделена на разделы, которые перекрываются или частично совпадают;
3) поведение агентов функционально связано с общей деятельностью организации (концепции
роли);
4) агенты вовлечены в динамические взаимосвязи, которые могут быть "напечатаны", используя
систематику ролей, задач или протоколов;
5) виды поведения связаны через отношения между ролями, задачами и протоколами.
Основными действующими лицами ОМАС являются пациенты и специальные службы (сиделки,
медицинский персонал и люди, занимающиеся мониторингом, наблюдатели).
Разработанная платформа поддерживает процесс, осуществляющий механизмы "градации"
состояния здоровья пациента: определяются диапазоны измеряемых значений, таких как темпера-
тура тела, кровяное давление, уровень сахара и т.д., которые классифицируются следующими
уровнями тяжести: критический, высокий, средний, низкий.
Функциональные элементы системы состоят из специализированных датчиков,
мобильных устройств, сетевой инфраструктуры и центрального сервера.
СПИСОК ЛИТЕРАТУРЫ 1. DeLoach, S.A., & Matson, E. An Organizational Model for Designing Adaptive Multiagent Systems. The AAAI-04 Workshop on Agent
Organizations: Theory and Practice (AOTP 2004). 2004.
2. Аксак Н.Г. Система дистанционного наблюдения за пациентом /Н.Г. Аксак, Р.Г. Мищенко // Информатика, математическое модели-рование, экономика: Cборник научных статей по итогам Пятой Международной научно-практической конференции, Том 1 – Смо-
ленск: Смоленский филиал Российского университета кооперации, 2015. – С.247-251.
182
УДК 004.85, 004.89
АФАНАСЬЕВА И.В., ИБАДОВ Д. Т.
ХНУРЭ (Украина)
ИМПЛЕМЕНТАЦИЯ МНОГОСЛОЙНОГО ПЕРЦЕПТРОНА ДЛЯ ПРОГНОЗИРОВАНИЯ
НЕПРЕРЫВНЫХ ДАННЫХ
В данной работе описаны детали имплемантации, топология и конфигурация многослойно-
го перцептрона для прогнозирования непрерывных данных, проанализированы результаты его
обучения на наборах данных различного характера.
Необходимость в прогнозировании данных для непрерывной области значений встречается
в исследованиях различных направлений и целом ряде прикладных областей [1]. Обычно в таких
целях применяется, например, построение линейной [2] или нелинейной регрессионной модели
[3]. Альтернативным вариантом является разработка искусственной нейронной сети прямой свя-
зи, которая, согласно теореме Цыбенко [4], является универсальным аппроксиматором непрерыв-
ной функции.
Таким образом, набор данных или его некоторый интервал можно рассматривать как функ-
цию, вид которой зависит от необходимой точности предсказания; в некоторых случаях требова-
ниям удовлетворяет даже предсказание линейной функции при более сложной структуре входных
данных.
Цель работы - разработка программной библиотеки, предоставляющей классы для построе-
ния нейронной сети, способной к обучению на наборах непрерывных данных. В качестве тополо-
гии сети был выбран многослойный перцептрон с одним скрытым и одним исходящим слоем, оба
слоя имеют нейрон смещения. Сеть обучается алгоритмом обратного распространения ошибки,
для разработки был использован язык программирования C++ как наиболее удовлетворяющий по
скорости вычислений и выразительным средствам, которые включают в себя и ООП-средства, и
лямбда-функции.
Для активации нейронов на первом слое была выбрана сигмоидальная функция:
(1)
где t - сумма поступивших к нейрону сигналов от предыдущего слоя. Нейроны исходящего
слоя линейно активируются суммой входящих сигналов.
Стартовые значения весов иницилизируются случайными числами в переменных интерва-
лах. Для тестов был использован интервал (-0.25; 0.25). Размер шага был использован примерно
0.1, но корректировался в отдельных испытаниях. Также корректировалось количество нейронов
на скрытом слое в отдельных случаях. В одной эпохе сеть последовательно получала каждый об-
разец и распространяла его ошибку. Критерием остановки обучения была выбрана средняя квад-
ратичная ошибка (J) каждой эпохи, которая высчитывалась по формуле:
J = (1/n) •Σni=1(t-z)
2 (2)
где n - количество образцов в эпохе, t - ожидаемый выход сети, z - наблюдаемый выход сети.
Обучение останавливалось, когда средняя квадратичная ошибка равнялась или была мень-
ше 0.001:
J ≤ 0.001 (3)
Это означало, что общая ошибки сети на отдельных образцах данных достаточно незначи-
тельны, чтобы сеть можно было считать обученной.
С такой конфигурацией сеть была обучена на наборе линейных данных за ~160 эпох (пол-
ных проходов по набору данных). Более сложные наборы данных потребовали большего времени
183
на обучение сети: ~200 эпох для рациональной функции и ~3000 эпох на экспоненциальном набо-
ре данных. Точная продолжительность обучния может существенно отличаться в зависимости от
изначальных весов. Такое большое расхождение в количестве эпох наглядно показывает, что эф-
фективность обучения и работы такой сети сильно зависит от характера входящих данных.
Результаты выполненной работы демонстрируют возможность использования многослой-
ных перцептронов для аппроксимации линейных и нелинейных функций, а следовательно, про-
гнозирования постоянных данных различного характера. Перед работой сети на реальных набо-
рах данных из практических предметных областей следует отсекать шумовые образцы, а также
нормализовывать входящие данные.
СПИСОК ЛИТЕРАТУРЫ 1. Rob J Hyndman. Forecasting: principles and practice [Text]/ R. J. Hyndman. - Melbourne; Australia: OTexts, 2013. - P. 9-12.
2. Machine Learning documentation [Электронный ресурс]. - Режим доступа: https://azure.microsoft.com/en-
us/documentation/services/machine-learning/ – 10.09.2015 г.
3. Douglas M. Bates, Donald G. Watts. Nonlinear Regression Analysis and Its Applications [Text]/ Bates D. M., Watts D. G. - N.Y.: Wiley-Interscience - 392 P.
4.Simon O. Haykin. Neural Networks and Learning Machines [Text] / Haykin S. O. - London; UK: Pearson, 2009. - P. 797 - 798.
УДК: 004.93
ГАВУЧАК В. Д., РУСНАК М.А.
Чернівецький національний університет імені Юрія Федьковича (Україна)
ПОШУК ПОДІБНИХ ЗОБРАЖЕНЬ ЗА ДОПОМОГОЮ ХЕШ-ФУНКЦІЙ
В статті описуються підходи до вирішення проблеми пошуку подібних зображень за допо-
могою перцептивних хеш-функцій. Розглянуто алгоритми генерації хеш-значень зображення, а
саме: simple hash, discrete cosine transform based hash, radial variance based hash, marr-hildreth
operator based hash та алгоритми порівняння хеш-значень: відстань хемінга, пік взаємокореля-
ційної функції.
На сьогоднішній день надзвичайно актуальні задачі розпізнавання образів. Провідні наукові
установи працюють над питанням якості розпізнавання образів. За останній час, велике застосу-
вання отримали алгоритми порівняння зображень на основі значень хеш-функцій.
Перцептивні хеш-алгоритми описують клас функцій для генерації хеш-значень зображення,
які можна порівнювати.
Якщо значення хеш-функції відрізняються, то зображення різні. Якщо значення хеш-функції
співпадають, то зображення, скоріше за все, одинакові (враховуємо ймовірність колізій – однакові
значення хеш-функції не гарантують співпадіння зображень).
Загальна схема отримання перцептивного значення хеш-функції зображення така:
- Попередня обробка. На цьому етапі зображення приводиться до вигляду в якому його ле-гше обробляти для побудови значення хеш-функції. Це може бути застосування різних фільтрів
(наприклад, Гауса), знебарвлення, зменшення розмірів і т.д.
- Основні обчислення. З отриманого на першій стадії зображення будується матриця (або вектор). Матриця (вектор) може представляти собою матрицю частот (наприклад після перетво-
рення Фур’є), гістограму яскравостей або ще більш спрощене зображення.
- Побудова значення хеш-функції. Із матриці (вектора), отриманого на другому етапі, бе-
руться декякі (можливо всі) коефіцієнти і перетворюється в значення хеш-функції. Зазвичай
отримуємо значення розміром від 8 до 100 байт. Отримані значення порівнюються за допомогою
функцій, які обчислюють «відстань» між ними.
Опишемо декілька алгоритмів побудови значення хеш-функції.
Алгоритм Simple hash
Ідея полягає у відображенні середнього значення низьких частот. У зображенні високі час-
тоти забезпечують деталізацію, а низькі частоти відображають структуру. Тому для побудови
значення хеш-функції зображення потрібно позбавитись від високих частот зображень. Принцип
роботи:
184
- Зменшити розмір. Самий простий спосіб позбавитись від високих частот зображення –
зменшити зображення. Зображення зменшуємо до розмірів 32х32.
- Бінаризація. Зображення малого розміру переводимо в градацію сірого, це меншує розмір значення хеш-функції у три рази.
- Обчислюємо середнє значення кольору для всіх пікселів. - Будуємо значення хеш-функції. Переводимо усі 1024 бітів у одне значення. Порядок руху
значення немає, але зазвичай, біти переглядаємо зліва направо та зверху вниз.
Отримане значення стійке до масштабування, стиснення або розтягування зображення, змі-
ни яскравості, контрасту, маніпуляцій з кольором. Для порівняння значень хеш-функції, побудо-
ваних за цим алгоритмом, використовується функція нормованої відстані Хемінга.
Алгоритм Discrete Cosine Transform Based Hash
Дискретне косинусне перетворення (ДКП) – одне із ортогональних перетворень, тісно
пов’язане з дискретним перетворенням Фур’є (ДПФ) і є гомоморфізмом його векторного просто-
ру. ДКП, як і інші Фур’є-орієнтовані перетворення виражає функцію або сигнал (послідовність із
скінченної послідовності точок) у вигляді суми синусоїд з різними частотами і амплітудами. ДКП
використовує тільки косинусні функції. Кроки цього алгоритму:
- Бінаризація. Для подавлення непотрібних високих частот. - Застосувуємо медіанний фільтр. Зменшуємо рівні шуму. При цьому зображення розбива-
ється на так звані «вікна», потім кожне «вікно» замінюється значенням медіани для сусідніх «ві-
кон».
- Зменшити зображення до розміру 32х32. - Застосувати ДКП для зображення. - Побудувати значення хеш-функції.
Переваги алгоритму: стійкість до малих поворотів, розмиття і стиснення зображення, а та-
кож висока швидкість порівняння.
Для порівняння хешів даного типу використовується функція відстані Хемінга.
Алгоритм Radial Variance Based Hash
Ідея алгоритму Radial Variance Based Hash полягає в побудові променевого вектора диспер-
сії (ПВД) на основі перетворення Радона . Потім до ПВД застосовується ДКП та обчислюється
значення хеш-функції. Перетворення Радона — це інтегральне перетворення функції багатьох
змінних вздовж прямої. Воно стійке до обробки зображень за допомогою різних маніпуляцій (на-
приклад, стиснення) і геометричних перетворень (наприклад, поворотів).
Отже, перерахуємо кроки побудови значення хеш-функції за цим алгоритмом:
- Усуваємо колір зображення; - Розмиваємо зображення (blurring) за допомогою Гаусового розмивання. Зображення пере-
творюється з допомогою функції Гауса для усунення шумів;
- Застосуємо гамма-корекцію для усунення недоліків зображення; - Будуємо вектор променевої дисперсії; - Застосовуємо ДКП до вектора дисперсії; - Будуємо значення хеш-функції.
Для порівняння значеннь хеш-функції цього типу використовується пошук піку взаємноко-
реляційної функції.
Алгоритм Marr-Hildreth Operator Based Hash
Оператор Марра-Хілдрета дозволяє визначати межі на зображенні. Взагалі кажучи, межу на
зображенні можна визначити як край або контур, що відокремлює сусідні частини зображення,
які мають порівняно відмінні характеристики у відповідності з деякими особливостями. Цими
особливостями можуть бути колір або текстуру, але найчастіше використовується сіра градація
кольору зображення (яскравість). Результатом визначення меж є їх карта. Карта меж описує їх
класифікацію для кожного пікселя зображення. Якщо межі визначати як різку зміна яскравості, то
для їх пошуку можна використовувати похідні або градієнт.
Тепер перерахуємо кроки алгоритму, що використовує оператор Марра-Хілдрета:
- Усуваємо колір зображення; - Переводимо зображення у розмір 128x128; - Розмиваємо зображення(blurring).
185
- Будувємо оператор Марра-Хілдрета;
- Застосовуємо дискретну згортку до LoG і зображення. Отримаємо зображення, на якому чітко видно зміни яскравості;
- Перетворюємо зображення у гістограму. Зображення розбивається на маленькі бло-ки(5x5), в яких підсумовуються значення яскравостей.
- Будуємо хеш із гістограм. Отримаємо бінарний код розміром 64 байти. Розмір отриманого коду не маленький, однак, порівняння двох кодів займає досить мало ча-
су, у порівнянні з Radial-алгоритмом.
Цей алгоритм чутливий до поворотів зображення, але стійкий до масштабування, затемнен-
ню, стисненню.
Відстань Хеммінга
Відстань Хеммінга визначає кількість різних позицій у двох бінарних послідовностях.
Визначення: Нехай x = x1,…,xn, y = y1,…,yn — двійкові послідовності (вектори). Відстань
Хеммінга Δ між x і y визначимо як:
( ∑
Цей спосіб порівняння хеш-значень використовується в методі DCT Based Hash. Хеш займає
розмір 8 байт, тому відстань Хеммінга лежить на відрізку [0, 64]. Чим менше значення Δ, тим
більше схожі зображення.
Для полегшення порівняння відстань Хеммінга можна нормувати за допомогою довжини
векторів:
(
∑
Нормована відстань Хемінга використовується в алгоритмах Simple Hash і Marr-Hildreth
Operator Based Hash. Відстань Хемінга лежить в проміжку [0,1] і чим ближче Δ до 0, тим більш
схожі зображення.
Пік взаємокореляційної функції
Кореляцію між двома сигналами визначимо як:
( ∫ ( (
де x(t) і y(t) — дві неперервні функції дійсних чисел. Функція rxy(t) описує зміщення цих двох
сигналів щодо часу T. Змінна T визначає наскільки сигнал зміщений ліворуч. Якщо сигнали x(t) і
y(t) різні, функція rxy T називається взаємокореляційною.
Визначимо нормовану взаємокореляційну функцію(НВФ):
Нехай xi та yi, де i = 0,… N — 1 — дві послідовності дійсних чисел, а N — довжина обох по-
слідовностей. НВФ із затримкою d визначимо як:
∑ ( (
√∑ ( √∑ (
де mx і my позначають середнє значення для відповідної послідовності.
Пік взаємокореляційної функції (ПВФ) — максимальне значення функції rd, яке може бути
досягнуто на проміжку d = 0, N.
ПВФ використовується для порівняння хеш-значень в алгоритмі Radial Variance Based Hash.
PCC [0,1], чим більше його значення, тим більше схожі зображення.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Egmont-Petersen, M., de Ridder, D., Handels, H. «Image processing with neural networks — a review». Pattern Recognition 35 (10), pp.
2279-2301(2002) 2. Christoph Zauner. Implementation and Benchmarking of Perceptual Image Hash Functions (2010)
3. Locality-sensitive hashing. http://en.wikipedia.org/wiki/Locality-sensitive_hashing
4. Standaert, F.X., Lefebvre, F., Rouvroy, G., Macq, B.M., Quisquater, JJ, and Legat, J.D.: Practical evaluation of a radial soft hash algorithm.
In Proceedings of the International Symposium on Information Technology: Coding and Computing (ITCC), vol. 2, pp. 89-94. IEEE, Apr. 2005
5. https://en.wikipedia.org/wiki/Discrete_cosine_transform
186
УДК 004.25, 004.383
МЕЛЬНИК В.А., КІТ А.Ю.
Національний університет “Львівська політехніка” (Україна)
РОЗШИРЕНИЙ ФОРМАТ ВИКОНАВЧОГО ФАЙЛУ ДЛЯ САМОКОНФІГУРОВНИХ
КОМП’ЮТЕРНИХ СИСТЕМ
В доповіді запропоновано новий формат виконавчого файлу, який має на меті об’єднати
об’єктний код програми універсального процесора та бінарний код конфігурації реконфігуровно-
го середовища для їх паралельного та автоматичного завантаження до виконання в само-
конфігуровній комп'ютерній системі.
1. Вступ На сьогодні одним із найперспективніших напрямів діяльності в сфері високопро-
дуктивних обчислень є створення реконфігуровних комп’ютерних систем (РККС). РККС позбав-
лені таких недоліків, притаманних універсальним комп’ютерам, як низька реальна продук-
тивність, висока споживана потужність та низька ефективність використання обладнання. Разом з
тим, задачі проектування та синтезу спеціалізованих процесорів в реконфігуровному середовищі,
зміни конфігурації реконфігуровного середовища потребують залучення значних людських ре-
сурсів. Ці недоліки покликаний вирішити новий клас комп’ютерних систем – самоконфігуровні
комп’ютерні системи (СККС), в яких виконання зазначених вище трудо- та часомістких процесів
перекладено з користувача на комп’ютерні засоби [1]. Це забезпечує їм одне з чільних місць серед
найперспективніших засобів високопродуктивних обчислень.
2. Постановка проблеми Для реалізації механізму самоконфігурування в СККС необхідно
здійснювати автоматичний розподіл обчислювального навантаження між універсальним процесо-
ром і реконфігуровним середовищем, а також автоматичне завантаження на виконання об’єктного
коду програми в універсальний процесор та конфігурації в реконфігуровне середовище, яке бу-
дують на базі програмовних логічних інтегральних схем (ПЛІС) [1]. Виникає необхідність
зв’язати між собою об’єктний модуль та відповідний йому файл конфігурації таким чином, щоб їх
паралельне завантаження в універсальний процесор та ПЛІС було прозорим для користувача. Для
вирішення поставленого завдання запропоновано новий формат виконавчого файлу на базі фор-
мату ELF, що підтримується більшістю сучасних UNIX-подібних операційних систем.
3. Формат ELF виконавчих файлів ELF (Executable and Linkable Format) – це формат
двійкових виконавчих файлів, роботу з яким підтримують більшість сучасних UNIX-подібних
операційних систем. Для забезпечення такої підтримки в ядрі є структура “struct linux_binfmt”,
яка містить вказівники на завантажувачі кожного з підтримуваних форматів. Таким чином,
обробник у ядрі – search_binary_handler() просто шукає потрібний завантажувач і викликає його.
У нашому випадку це load_elf_binary(), який і запускає програму на виконання. Виконавчий файл
у форматі ELF має наступну структуру: ELF-заголовок, в якому вказані загальні характеристики
файлу, таблиця програмних заголовків, яка служить для опису сегментів файлу, та таблиця заго-
ловків секцій, яка характеризує секції файлу (рис. 1а).
4. Розширення формату виконавчого файлу для самоконфігуровних комп’ютерних си-
стем Для об’єднання виконавчого файлу, призначеного для виконання в універсальному проце-
сорі, із файлом конфігурації авторами було розроблено розширений формат виконавчого файлу.
Такий файл, окрім стандартних для формату ELF розділів та таблиць заголовків, містить додатко-
вий розділ .conf та обгорнутий новим заголовком СККС (рис. 1б). Розділ .conf містить файл
конфігурації у закодованому вигляді. Для отримання файлу конфігурації у закодованому вигляді
було використано UNIX-утиліту base64. Вона дозволяє перетворити довільну послідовність байт
в друковані символи. Нижче продемонстровано використання утиліти base64, яка побайтово зчи-
тує інформацію з двійкового файлу конфігурації conf.sof (SRAM Object File), перекодовує її в
послідовність символів ASCII та записує їх у новий файл conf.ascii, одночасно виводячи їх на
екран. $ base64 < conf.sof | tee conf.ascii
U09GAAAAAAAJAAAAAQBPAAAAUXVhcnR1cyBJSSA2NC1CaXQgQ29tcGlsZXIgVmVyc2lvbiAxM
y4xLjAgQnVpbGQgMTYyIDEwLzIzLzIwMTMgU0ogRnVsbCBWZXJzaW9uAAIADQAAADV
………………………………………………………………………………………………………………,
Після отримання послідовності друкованих ASCII символів їх необхідно записати в ново-
187
створений розділ виконавчого файлу - .conf. Створити новий розділ та записати в нього файл із
послідовністю можна за допомогою утиліти objcopy: $ objcopy --add-section .conf=conf.ascii --set-section-flags .conf=readonly a.o a2.o
Заголовок ELF
Таблиця заголовків програми
.init
.text
.fini
Таблиця заголовків розділів
...
Заголовок ELF
Таблиця заголовків програми
.init
.text
.fini
Таблиця заголовків розділів
...
Заголовок SCCS
.conf
б а
Рис. 1. Структури виконавчого файлу ELF (а) і розширеного виконавчого файлу СККС (б)
В результаті отримуємо новий виконавчий файл. Перевірити наявність в ньому нової секції
та її вміст можна за допомогою утиліти objdump. Застосувавши objdump із ключем –h до файлу
a2.o, одержуємо перелік заголовків всіх секцій виконавчого файлу, в тому числі доданий нами
.conf. Командою objdump -sj .conf a2.o | tee confsection перевіряємо вміст секції .conf і можемо
переконатись, що вона містить символи, отримані при ASCII-кодуванні файлу conf.sof. $ objdump -h a2.o
a2.o: file format elf64-x86-64
Sections:
Idx Name Size VMA LMA File off Algn
0 .interp 0000001c 0000000000400238 0000000000400238 00000238 2**0 CONTENTS, ALLOC,
LOAD, READONLY, DATA
……………………………………………………………………………………….........................................
26 .conf 00012000 0000000000000000 0000000000000000 0000108f 2**0 CONTENTS, READONLY
$ objdump -sj .conf a2.o | tee confsection
a2.o: file format elf64-x86-64
Contents of section .conf:
00000 55303947 41414141 4141414a 41414141 U09GAAAAAAAJAAAA
00010 41514250 41414141 55585668 636e5231 AQBPAAAAUXVhcnR1
…………………………………………………………………………………………
Заголовок SCCS містить інформацію про використовуваний формат: його тип та формат
файлу конфігурації (SRAM Object File, Programmer Object File), який необхідно згенерувати з да-
них, що знаходяться в розділі .conf. Для роботи з таким форматом в СККС необхідно реалізувати
спеціалізоване системне програмне забезпечення, функцією якого є генерування файлу конфігу-
рації із даних, що знаходяться в розділі .conf, та паралельне завантаження файлу конфігурації в
ПЛІС і об’єктного коду на виконання в універсальний процесор.
5. Висновки У роботі запропоновано підхід до здійснення паралельного завантаження
об’єктного коду в універсальний процесор та файлу конфігурації в ПЛІС. Даний підхід передба-
чає використання розширеного формату виконавчого файлу. Показано структуру розширеного
формату виконавчого вайлу, використання якого дозволить зв’язати об’єктний модуль з конфігу-
рацією ПЛІС та здійснити автоматичне та прозоре для користувача завантаження програми на
виконання в СККС.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Melnyk, A., Melnyk, V., "Self-Configurable FPGA-Based Computer Systems," Advances in Electrical and Computer Engineering, vol. 13,
no. 2, pp. 33-38, 2013.
188
УДК: 004.93
КОВАЛЬ Л.О., РУСНАК М.А.
Чернівецький національний університет імені Юрія Федьковича (Україна)
РОЗРОБКА БІБЛІОТЕКИ ОПТИЧНОГО РОЗПІЗНАВАННЯ ДРУКОВАНОГО ТЕКСТУ
Описується алгоритм створення бібліотеки для розпізнавання друкованого тексту.
Послідовно розглянуто всі основні блоки системи: блок попередньої обробки зображення, блок
сегментації (локалізації та виділення) елементів тексту, блок виділення ознак, блок розпізнаван-
ня символів, блок кінцевої обробки результатів розпізнавання. Для розпізнавання використову-
ються механізми адаптивного розпізнавання і кластеризації. Система містить процедури само-
навчання.
Завдання розпізнавання текстової інформації при переведенні друкованого і рукописного
тексту в електронну форму є однією з найважливіших складових будь-якого проекту, що має на
меті автоматизацію документообігу або впровадження безпаперових технологій. Разом з тим ця
задача є однією з найбільш складних і наукомістких завдань автоматичного аналізу зображень.
У роботі розглянуто засади створення надійної бібліотеки OCR(optical character recognition),
яка має забезпечити високу надійність розпізнавання навіть при поганій якості оцифровування
вихідного тексту.
З метою покращення якості текстового зображення і усунення зайвих шумів на ньому, до-
цільно виконати попередню його обробку. Це важливий етап у процесі розпізнавання символів,
він дає змогу суттєво підвищити надійність розпізнавання тексту. Спочатку застосовується адап-
тивна бінаризація, яка є досить ефективною при нерівномірній яскравості фону зображення. Для
кожного пікселя зображення I (x, y):
1. В окрузі пікселя радіуса r вираховується індивідуальний для даного пікселя поріг T;
2. Якщо I (x, y)> T + C, результат 1, інакше 0;
Варіанти вибору T:
T = mean;
T = median;
T = (min + max) / 2.
Для усунення шумів використовується медіанна фільтрація і операції математичної морфо-
логії: розкриття і закриття.
Далі проводиться сегментація зображення тексту. Вона проходить у три етапи:
• виділення рядків - вихідне зображення тексту необхідно поділити на смуги-рядки потріб-
ної ширини;
• сегментація слів - у зображенні текстового рядка виділяємо слова;
• сегментація символів - у зображенні слова проводимо границі символів.
Механізм адаптивного розпізнавання відсканованих образів текстових документів [1,2]
складається з чотирьох основних етапів.
На першому етапі відбувається розпізнавання тексту одним із шрифтонезалежних методів.
У результаті для кожного образу, який розпізнається, вказується клас, до якого він належить і
дається деяка оцінка якості розпізнавання, тобто оцінюється надійність належності до обраного
класу.
На другому етапі (етапі кластеризації) відбувається аналіз результатів першого проходу
розпізнавання. Серед надійно розпізнаних образів кожного класу проводиться кластеризація.
Розпізнавання здійснюється на основі розрахунку відстані опису об'єкта до кожного з наявних
кластерів у евклідовому просторі. Якщо кластери досить рознесені у просторі, то при розпізна-
ванні використовується метод оцінки відстаней від розглянутого об'єкта до кожного із кластерів.
Складність розпізнавання зростає, якщо кластери перекриваються. Зазвичай, це наслідок недо-
статності вхідної інформації. Вирішується шляхом збільшення кількості вимірювань та за рахунок
використання процедури навчання.
На третьому етапі (етапі самонавчання) отримані кластери аналізуються. Проводиться по-
шук використаних шрифтів, відбір кластерів, що володіють найбільш сприятливими характери-
стиками - більшою потужністю, кращою надійністю розпізнавання складових об'єктів. Для кож-
189
ного відібраного кластера будується еталон, який найменше відрізняється від елементів кластера.
На четвертому етапі (другому проході розпізнавання) проводиться перерозпізнавання. Об-
рази символів, ненадійно розпізнані на першому етапі, проходять додаткову перевірку за допомо-
гою побудованих на третьому етапі еталонів. В результаті такої перевірки деякі образи символів
можуть бути віднесені до інших класів, у об'єктів можуть бути змінені оцінки надійності
розпізнавання, може бути змінена сегментація деяких слів.
Для успішної роботи адаптивного розпізнавання виявляється вдалою ідея класифікація сим-
волів з точки зору приналежності до шрифтів, використаних при друку документа. Символи од-
ного шрифту мають загальні характеристики, серед яких можна виділяємо наступні:
- алфавіт, тобто перелік кодів, відповідних графічним образам символів;
- кегль, який відповідає відстані між базовими лініями (алгоритми побудови базових ліній
наведені в роботі [3]), визначає розміри образів символів між другою і третьою базовими лініями.
Рис. 1. Схема базових ліній b1- пряма, на якій починаються великі літери;
b2- пряма, на якій починаються маленькі літери (крім «б» і «ф»);
b3- основна база, на яку опираються більшість літер, крім опущених («у», «р», «ф») і напівопущених («Д», «Ц», «Щ»); b4- база, на яку опираються опущені літери.
Розміри інших типів образів символів визначаються пропорційно;
- ознака monospace font, який визначає близькість ширини образів деяких символів;
- ознаки графем (накреслень образів символів):
ознака курсиву;
ознака жирності;
ознака наявності серифів;
ознака підкреслення;
ознака закреслення;
ознака особливого накреслення образу символу (графема);
код гарнітури (поліграфічного шрифту), якій може належати дана графема; - ознаки однорідності:
приналежність слова;
належність до комірки таблиці;
приналежність до рядка;
приналежність до абзацу. Значення кегля і ознаки графем можуть бути визначені не для всіх образів символів деякого
алфавіту.
Для підвищення якості розпізнавання OCR необхідно використовувати контекстну інфор-
мацію. Це дозволяє не тільки знаходити помилки, але і виправляти їх.
Існує багато програм OCR, що використовують глобальні та локальні позиційні діаграми,
триграми, n-грами, словники і різні поєднання всіх цих методів. В розробленій бібліотеці викори-
стані словникові методи, через те що вони найбільш ефективні при визначенні та виправленні
помилок класифікації окремих символів.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Котович Н.В., Славин О.А. Алгоритмы распознавания шрифтов в печатных документах // В сб. трудов ИСА РАН "Обработка изоб-ражений и анализ данных Т.38.М.: Издательство ЛКИ, ", 2008, С. 252-271.
2. Арлазаров В.Л., Котович Н.В., Славин О.А. Адаптивное распознавание // Информационные технологии и вычислительные системы
№ 4, 2002, С. 11-22.
3. Арлазаров В.Л., Корольков Г.В., Славин О.А. Линейный критерий в задачах OCR // В сб. трудов ИСА РАН "Развитие безбумажных
технологий в организациях", М.: Эдиториал УРСС, 1999, С. 28-46.
190
УДК 004.852; 004.94
КРАВЕЦЬ П.О.
НУ „Львівська політехніка” (Україна)
ІГРОВИЙ МЕТОД НАВЧАННЯ ЛІТАЮЧОГО АНІМАТА
Досліджується проблема стохастичного ігрового навчання координації змахів крил для за-
безпечення польоту робота-анімата. Виконано формулювання ігрової задачі та розроблено ада-
птивний рекурентний метод для її розв’язування. Досліджено вплив параметрів ігрової моделі на
ефективність керування рухом анімата.
1. Вступ
У потенційно небезпечних галузях діяльності людини, пов’язаних із загрозою здоров’ю та
життю, використовують різноманітні машини з елементами штучного інтелекту. Якщо такі ма-
шини побудовані за принципами функціонування живих істот, то вони називаються аніматами.
Сучасні дослідження аніматів базуються на композиційній концепції [1], відповідно до якої
анімат складається з деякої кількості автономних модулів, які функціонують в умовах невизначе-
ності. Результуюча поведінка анімата визначається спільною дією цих модулів.
Між різними модулями анімата можуть виникати ситуації кооперації та конкуренції. Напри-
клад, щоб вийти з пасткових станів одні дії повинні підсилюватися, а інші – гальмуватися. Як
відомо, проблеми кооперації та конкуренції стратегій колективних систем в умовах невизначе-
ності вивчає теорія стохастичних ігор [2].
Дотримуючись композиційної концепції, у цій роботі розроблено ігровий метод навчання
анімата, який відтворює політ чотирьохкрилої комахи. Кожен із гравців керує фазами руху окре-
мого крила анімата. У ході гри формується скоординована комплексна поведінка анімата.
2. Постановка ігрової задачі
Політ чотирьохкрилої комахи (наприклад, Dragonfly з підкласу Anisoptera) відбувається
ритмічними змахами пари передніх {1, 2}, а потім – пари задніх {3, 4} крил. Відповідно до цього
крило анімата може бути у піднятому 1iu або опущеному 0iu станах, де 1..4i . Припусти-
мо, що кожне крило має незалежне керування за допомогою реалізації чистих стратегій відповід-
ного гравця. Тоді множина чистих стратегій i -го гравця складається з двох елементів
{ (1), (2)}i i iU u u , де ( ) {0,1}iu k , 1..2k .
Хід гри полягає у незалежному виборі чистих стратегій (варіантів позицій крил) анімата у
дискретні моменти часу 1,2,...n . За вибір варіанту i i
nu U гравець отримує поточний програш:
1| | / (1 ) | |i
i i s i i
n n n i n n n
s S
u u L u u
, (1)
де 1i
n R ; [0,1] – ваговий коефіцієнт; iS – множина сусідніх гравців; | |i iL S – кіль-
кість сусідніх гравців; i
nu – інверсія бінарної чистої стратегії; ~ (0, )n Normal d – адитивний
білий гаусівський шум.
Перша складова виразу (1) визначає штраф за відхилення від інверсних станів множин грав-
ців {1, 2} та {3, 4}. Друга складова – штраф за збій ритму дій гравців у послідовні моменти часу.
Третя складова моделює вплив завад на процес вибору варіантів рішень.
Середній програш гравця на момент часу n визначається так:
1
1 ({ })
ni i
n n n
t
un
, (2)
де 4
1
i
ni
u U U
– комбінована стратегія гравців.
Метою кожного гравця є мінімізація функції середніх програшів:
{ }lim min
in
i
nn u
. (3)
3. Метод та результати розв’язування стохастичної гри
Для розв’язування задачі (3) необхідно визначити спосіб формування послідовностей { }i
nu ,
1..4i варіантів дій у часі. Генерування послідовностей варіантів { }i
nu виконаємо на основі мат-
191
риць 2 2[ ]i
np , 1..4i умовних імовірностей зміни положень крил робота-анімата. Рядки матриці
[ ]i
np є змішаними стратегіями i -го гравця при перебуванні ним у стані i i
nu U . Змішані стратегії
приймають значення на одиничному двовимірному симплексі. Гра розпочинається з ненавчених
стратегій 0 ( , ) 0.5ip j k , де , 1..2j k .
Для розв’язування гри застосуємо марківський рекурентний метод формування векторів
змішаних стратегій, отриманий на основі стохастичної апроксимації умови доповняльної
нежорсткості, справедливої для змішаних стратегій у точці рівноваги за Нешем [3]:
11 1( ) ( ) ( ) ( )
n
i i i i i
n n n n n n n n np u p u e u p u
, (4)
де ( )i
n np u – змішана стратегія i -го гравця у стані i
nu U ; 1n
– проектор на двовимірний
одиничний -симплекс; 0n та 0n – монотонно спадні послідовності додатних величин;
1( )i
ne u – визначений у момент часу n одиничний вектор-індикатор переходу у стан
1
i i
nu U .
Перебуваючи в момент часу n у стані i
nu , гравець з номером 1..4i на основі змішаної
стратегії ( )i
n np u вибирає дію 1
i
nu і до моменту часу 1n отримує поточний програш i
n , після
чого обчислює змішану стратегію 1( )i
n np u згідно (4) та переходить у новий стан
1
i
nu . Завдяки
динамічній перебудові змішаних стратегій на основі опрацювання поточних програшів, метод (4)
забезпечує адаптивний вибір варіантів дій робота-анімата у часі.
Результати комп’ютерного моделювання стохастичної гри зображено на рис. 1.
Рис. 1. Динаміка координації руху анімата
На початковому відрізку часу спостерігаються хаотичні змахи крил ненавченого анімата.
Після навчання ( 100n кроків) відбувається скоординована, ритмічна зміна змахів крил за схе-
мою {1, 2} – {3, 4}. У результаті навчена стохастична гра генерує правильну послідовність сиг-
налів для керування польотом анімата.
Висновки
Запропонований рекурентний метод забезпечує розв’язування стохастичної гри для навчан-
ня координації змахів крил літаючого анімата у реальному масштабі часу на основі збору поточ-
ної інформації та її адаптивного опрацювання. Розглянутий метод належить до класу реактивних
методів і моделює рефлексивну поведінку живих організмів. Збіжність методу забезпечується
дотриманням фундаментальних умов стохастичної апроксимації.
Для розвитку запропонованого ігрового методу можна поєднати реактивну та когнітивну
форми вироблення рішень, що дозволить розширити інтелектуальні здібності анімата у просторо-
вому орієнтуванні.
ПЕРЕЛІК ЛІТЕРАТУРИ
1. Brooks R.A. New approaches to robotics / R.A. Brooks. – Science, 1991. – V.253. – P. 1227 – 1232.
2. Fudenberg D. The Theory of Learning in Games / D. Fudenberg, D.K. Levine. – Cambridge, MA: MIT Press, 1998. – 292 pp. 3. Назин А.В. Адаптивный выбор вариантов: Рекуррентные алгоритмы / А.В. Назин, А.С. Позняк. – М.: Наука, 1986. – 288 с.
192
СЕКЦІЯ 8
УДК 004.9
БАЛОВСЯК С.В., ПШЕНИЧНИЙ О.О.
Чернівецький національний університет імені Юрія Федьковича (Україна)
СЕГМЕНТАЦІЯ ЗОБРАЖЕНЬ З ВИКОРИСТАННЯМ ІНФОРМАЦІЇ ПРО ВІДСТАНІ ДО
ОБ’ЄКТІВ
Розроблено алгоритми і програмне забезпечення, які враховують при сегментації зобра-
жень одночасно яскравість сцени та відстані від сенсора до об’єктів. Значення відстаней
отримуються або на основі системи стереозору, або за допомогою далекомірів. Сегментація
зображень проведена методом водорозділу. Програмна обробка зображень виконана засобами
Matlab і OpenCV.
Сегментація є важливою частиною цифрової обробки зображень і полягає у розділенні зо-
браження на області за певними ознаками. Сегментацію можна розглядати як початковий етап
побудови формального опису сцени або як складову задачі розпізнавання зображень [1-2]. Така
обробка зображень особливо важлива в системах технічного зору для автономних робототехніч-
них комплексів, наприклад, при виділенні на зображенні об’єктів переднього плану і фону, ви-
значенні відстані до перешкод та ін. На сьогоднішній день розроблено велику кількість методів
сегментації, зокрема, методи нарощування областей, методи з використанням гістограм і водо-
розділів [1]. Проте в випадку сегментації зображення на основі тільки його яскравості виникають
суттєві похибки у двох випадках. В першому випадку, коли яскравість різних областей одного
об’єкта відрізняється, наприклад, за рахунок затінення, то зображення одного об’єкта може поді-
лятися на кілька сегментів. В другому випадку, коли яскравість суміжних об’єктів на зображенні
подібна, то вони сприймаються як один сегмент, хоча і можуть знаходитися на значних відстанях
між собою (наприклад, об’єкт переднього плану і фрагмент фону виділяються в один сегмент).
Виходом з такої ситуації є доповнення інформації про яскравість зображення інформацією про
відстані до об’єктів. Тому метою даної роботи є розробка алгоритмів і програмного забезпечення,
які б враховували при сегментації зображень не тільки яскравість сцени, а також відомості про
відстані до об’єктів.
Інформацію про об’єкти навколишнього світу система сегментації отримує з двох матриць:
матриця fb = (fb (i, k)), де i = 1,…, M, k = 1,… N, описує яскравість досліджуваної сцени, а матриця
fD = (fD (i, k)) розміром M × N – відстані від сенсора до об’єктів (якщо розміри матриць fb та fD не
співпадають, то матриця fD масштабується методами біквадратної або бікубічної інтерполяції).
Обидві матриці відображаються у вигляді зображень (рис. 1). Матриці яскравостей fb (рис.1а)
отримуються за допомогою відеокамери, яка може встановлюватися як стаціонарно, так і на мобі-
льних платформах. Матриці відстаней fD отримується або на основі системи стереозору, або за
допомогою далекомірів (наприклад, оптичних або ультразвукових). В випадку системи стереозо-
ру використовуються зображення однієї сцени, отримані з двох відеокамер; шляхом суміщення
такої пари зображень обчислюються відстані до об’єктів. Програмна обробка зображень виконана
засобами Matlab і OpenCV: в Matlab проведено візуалізацію і сегментацію зображень, а засобами
OpenCV (Open Source Computer Vision Library, бібліотека комп’ютерного зору з відкритим кодом)
визначено матрицю відстаней (рис. 1б) на основі стереопари зображень за допомогою функції
«cvCreateStereoGCState» [2]. Кожному значенню яскравості зображення fD відповідає певна відс-
тань від сенсора до об’єкта, але така залежність є нелінійною (рис. 2).
З метою отримання максимальної інформації про об’єкти досліджуваної сцени враховується
одночасно інформація матриць яскравостей fb та відстаней fD, в результаті чого отримується допо-
внене зображення fDb (рис. 3). Яскравість зображення fDb обчислюється за формулою
)1(),(),(),( DbDDbbDb kkifkkifkif , (1)
де i = 1,…, M, k = 1,… N, kDb – коефіцієнт, що враховує внесок зображення fb, 10 Dbk .
Сегментація зображення виконується методом водорозділу (watershed). Згідно з цим мето-
дом на зображенні спочатку виділяються контури, а потім знаходяться межі сегментів (рис. 4).
193
Згорткою зображення fDb з розподілом Гауса можливо видаляти високочастотний шум та дефекти
з малими просторовими періодами. Зміною коефіцієнта kDb регулюється деталізація сегментова-
ного зображення fS (рис. 4).
а) б)
Рис. 1. Вхідні зображення: а) зображення яскравості сцени fb (ліве зображення стереопари);
б) зображення відстаней fD від сенсора до об’єктів [2]
Рис. 2. Матриця відстаней fD в 3D вигляді Рис. 3. Доповнене зображення fDb
а) б)
Рис. 4. Результати сегментації доповненого зображення (рис. 3): а) kDb = 0.250; б) kDb = 0.150
Таким чином, одночасне використання матриць яскравостей fb та відстаней fD дозволяє під-
вищити інформативність сегментації зображень і точно регулювати рівень деталізації сегменто-
ваного зображення, що дуже важливо для систем технічного зору.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Гонсалес Р. Цифровая обработка изображений в среде MATLAB / Р. Гонсалес, Р. Вудс, С. Эддинс. – М. : Техносфера, 2006. –
616 с.
2. Кручинин А. Распознавание образов с использованием OpenCV. [Електронний ресурс] / А. Кручинин. – Режим доступу: http://recog.ru.
194
УДК 004.58
БУРАЧЕК В.Р., КУЗЬ Д.В.,
ЧЕРНІВЕЦЬКИЙ ТОРГОВЕЛЬНО-ЕКОНОМІЧНИЙ ІНСТИТУТ
КНТЕУ (УКРАЇНА)
ПРОЕКТУВАННЯ ТА РОЗРОБКА ІНФОРМАЦІЙНОЇ СИСТЕМИ АВТОМАТИЗАЦІЇ
КОНТРОЛЮ ПАРАМЕТРІВ ВИРОБІВ ПІДПРИЄМСТВА
За допомогою мови програмування С# створено програму для розрахунку фотоелектричних
параметрів фотодіодів в залежності від конструкції, що дозволяє значно покращити точність
та збільшити швидкість розрахунків, які потрібні для робочого процесу підприємства.
В сучасних умовах більшість підприємств не можуть працювати без комп’ютерного, а деякі
– без спеціалізованого програмного забезпечення. Створити конкурентоспроможне підприємство,
підвищити ефективність роботи персоналу, організувати оптимальну структуру управління – це
основні завдання, що постають перед керівником підприємства. І саме впровадження інформацій-
них систем є одним з факторів, які допомагають підприємству зробити крок до успіху та збіль-
шення прибутку.
Однією із невід’ємних частин сучасних ЕОМ є системи програмного забезпечення. Вони є
логічним продовженням логічних засобів ЕОМ, які допомагають розширити можливості
комп’ютерної техніки. Будучи посередником між віртуальною машиною та людиною, система
програмного забезпечення автоматизує виконання певних функцій залежно від профілів фахівців
та режимів їх взаємодії з ЕОМ. Саме підвищення ефективності праці користувача є основним
призначенням програмного забезпечення, а також збільшення пропускної здатності ЕОМ за до-
помогою витрат та скорочення часу на підготовку і виконання програм [1].
Ряд підприємств України спеціалізуються на розробці одно- і багатоелементних охолод-
жуваних та неохолоджуваних фотоприймачів та фотоприймальних пристроїв на основі кремнію,
германію, селенідів та халькогенідів свинцю, сполук А4В6, що охоплюють діапазон довжин хвиль
від ультрафіолетової до середньої інфрачервоної області спектру (0,2-5,0 мкм). Ці вироби засто-
совуються в медицині, кіно- та фотоапаратурі, метрології, аудіо- і відеотехніці, авіаційному при-
ладобудуванні, волоконно-оптичних мережах зв’язку та військовій техніці [2].
Впродовж усієї історії розвитку обчислювальної техніки еволюція мов програмування озна-
чає зміну обчислювального середовища, способів мислення програмістів та самих підходів до
програмування. Мова програмування С# не є винятком. Мова С# стала черговою ланкою нескін-
ченної еволюції мов програмування. Вона є дуже зручною та ефективною в написанні програм
для сучасного комп’ютерного середовища, яке охоплює операційну систему Windows, Internet чи
проектування взаємодії між людиною та машиною.
Основним в мові C# є реалізація принципів об’єктно-орієнтованого програмування. Всі C#-
програми, певною мірою, мають об’єктну орієнтацію, оскільки об’єктно-орієнтована методика є
невіддільною від C#. Також слід зазначити що C# стала першою мовою, яка працює з XML-
тегами коментарів, що використовується як компілятор для створення документації з початкового
коду [3].
Оскільки, мова C# має дуже зручний об’єктно-орієнтований дизайн, то дана мова є вдалим
вибором для швидкого конструювання різних компонентів – від системних додатків до висо-
корівневої бізнес-логіки, що використовують низькорівневий код. Також в C#, використовуючи
прості вбудовані конструкції мови, будь-які компоненти легко перетворити на Web-сервіси, до
яких можна буде звертатися з Internet-мережі за допомогою будь-якої мови програмування та на
платофрмі будь-якої операційної системи.
Враховуючи все вищесказане, було вирішено для підвищення ефективності роботи зі ство-
рення глибоко охолоджуваних фотоприймачів, які працюють в спектральному діапазоні 8-14 мкм,
розробити програму для автоматизації обчислень фотоелектричних параметрів фотодіодів із ви-
користанням мови програмування С#.
Для реалізації проекту по створенню програми для потреб підприємства, було використана
програма Microsoft Visual Studio Express 2010, за допомогою якої були створені вікна відповідних
розрахункових форм. У Visual Studio 2010 повністю перероблений інтерфейс з використанням
195
Windows Presentation Foundation, впроваджено наступне покоління інструментів ASP.NET, є
підтримка динамічних розширень в мовах програмування C# і Visual Basic, використовуються
нові шаблони проектів, інструментарій для документування тестових сценаріїв і велика кількість
нових бібліотек, що підтримують Windows 7.
В результаті була розроблена інформаційна система, що дозволяє в діалоговому режимі ав-
томатизувати процес розрахунку основних параметрів фотодіодів – квантової ефективності та
інерційності.
Рис.1. Одне з діалогових вікон для проведення розрахунків
та отримання додаткової довідки
Ефективність програмного забезпечення визначають порівнянням результатів від його
функціонування і затрат всіх видів ресурсів, необхідних для його створення і розвитку.
Оцінку ефективності ПЗ проводять при:
- формування вимог, які ставляться до створюваного ПЗ; - аналізі вимог і функціонуючих ПЗ на відповідність необхідним вимогам; - виборі найкращого варіанту створення, функціонування і розвитку ПЗ; - формуванні найбільш доцільного варіанту побудови ПЗ за критерієм «ефективність-
затрати».
Програма може ефективно функціонувати та розвиватися за тієї умови, що під час її проек-
тування та розробки були враховані усі основні критерії ефективності та якості.
При проектуванні ПЗ важливим аспектом є кількість інвестиційних ресурсів, виділених для
розробки та впровадження даної програми. Тому доцільно здійснити оцінку ефективності інве-
стицій в ПЗ. Основним принципом оцінювання такої ефективності є порівняння обсягів доходів та
витрат, що їх забезпечили. Обґрунтовуючи економічну ефективність інвестиційних проектів, за-
стосовують комплекс показників, що відображають різні аспекти і дають змогу оцінити доціль-
ність інвестицій.
Економічна ефективність проекту визначається величиною прибутку від створеного про-
грамного забезпечення. Оскільки моїм основним завданням була розробка програмного забезпе-
чення для ПП «ЦКБ Ритм», то розрахувати економічну ефективність важко. Проте, за даними,
наданими підприємством, вже після кількох тижнів після впровадження ПЗ, швидкість і точність
проведення розрахунків збільшилися, що сприяло хоча й незначному, проте швидшому процесу
дослідження можливих параметрів фотодіодів з точки зору їх ефективної роботи.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Перерва А. Путь аналитика. Практическое руководство IT-специалиста / А. Перерва, В. Иванова – С-Пб: Питер 2012. – 304 с.
2. Перевертайло В.Л. Исследование электрофизических параметров кремниевых pin фотодиодов // В. Л. Перевертайло, В. М. Попов, А. П. Поканевичта ін. / Тези доповідей 2-ї Міжнародної науково-технічної конференції "Сенсорна електроніка та мікросистемні техно-
логії", Одеса, 2006, с.104.
3. Шевчук А. Design Patterns via C#. Примеры объектно-ориентированного проектирования / А. Шевчук, Д. Охрименко – М: Вильямс 2015. – 288 с.
196
УДК 004.274:004.384
ВОРОБЕЦЬ Г.І., ГОРДІЦА В.Е., КОСТЕНЮК Н.Г., МЕЛЬНИЧУК С.В.
Чернівецький національний університет імені Юрія Федьковича (Україна)
МЕТОДИКА ПІДВИЩЕННЯ ЗАВАДОСТІЙКОСТІ ПЕРЕДАЧІ ДАНИХ
В ТЕЛЕМЕТРИЧНИХ СИСТЕМАХ
Запропоновано методику підвищення завадостійкості передачі інформації в телеметрич-
них системах з багаторівневим кодуванням сигналів, яка передбачає адаптування способу коду-
вання/декодування цифрової послідовності до умов впливу завад на інформаційних сигнал в каналі
зв’язку. Суть методу полягає в тому, що за результатами аналізу і попереднього моделювання
реального стану каналу передачі даних вибирається найбільш оптимальний за мінімумом поми-
лок тип сигнально-кодової конструкції (СКК) для транзакцій даних. Вибірка типу завадозахище-
ної СКК і формування цифрового потоку здійснюється спецпроцесором з реконфігуровною архі-
тектурою на основі попереднього аналізу типових тестових послідовностей, які генеруються
перед початком основного сеансу передачі даних.
Сучасні тенденції зростанні інформаційного обміну між різними суб’єктами потребують за-
стосування новітніх методів збільшення трафіків даних в інформаційних мережах зв’язку. Однак
зі збільшення трафіків зростають і неконтрольовані завади і сторонні шуми, які впливають на
інформаційні сигнали і постає питання підвищення завадозахищеності інформаційних потоків та
забезпечення їх достовірності. Типові рішення які наразі використовуються для формування ко-
дових послідовностей в основному зводяться до створення спецпроцесорів кодера/декодера, які
працюють за жорсткою програмною або апаратною логікою [1] і не передбачають зміни алгорит-
му формування коду. Такі кодери/декодери виконують у вигляді заказних надвеликих інтеграль-
них схем (НВІС). Проте, в залежності від типів сторонніх впливів реальні канали передачі даних
можна моделювати різними математичними моделями, які дозволяють оцінити якість проходжен-
ня сигналів та прогнозувати їх достовірність на стороні приймача. Дослідження авторів [2] пока-
зують, що в залежності від вибору виду модуляції (ФМ-4, ФМ-8, ФМ16, MSK та ін.) і типу
незвідного многочлена для формування завадозахищеного коду, можна отримати не тільки різну
виявну здатність помилок сформованих кодових послідовностей та швидкість передачі інфор-
мації, а й різні значення показника сигнал/шум на стороні приймача. Крім того, зрозуміло, що на
вказані параметри також впливає тип вибраного коду (груповий, згортковий, код Грея, тощо). При
цьому на вказані параметри безпосередньо впливають і властивості каналу, зокрема типи завад
які діють в них і, відповідно, описуються різними математичними моделями – канали з завмиран-
ням, Гаусівський канал (з постійними параметрами і адитивним білим шумом), дискретний канал
з частотною модуляцією і неперервною фазою (ЧМ-НФ) і т.п. [2].
Суть пропонованої методики підвищення завадостійкості каналу передачі даних полягає в
тому, що процес передачі даних можна оптимізувати за швидкістю та достовірністю якщо перед
основним сеансом транзакцій провести аналіз стану каналу зв’язку за результатами проходження
в каналі тестової кодової вибірки. Така вибірка формується у вигляді кількох груп коду рівної
ймовірності кожна з яких є найбільш чутливою до певних типів завад і, відповідно, моделей ка-
налів. За результатами аналізу приймається рішення про вибір найменш чутливого типу коду,
який і використовується для основних транзакцій. Для тестування запропонованого алгоритму
зручно використовувати однотипні модулі каналоутворюючого обладнання на стороні передавача
і приймача. Такими модулями можуть бути, наприклад тестові налагоджувальні плати типу
UDK32F107V. Однак, для автоматичного тестування системи зручнішими є пристрої на основі
плат з суміщеними ядром Cortex-M3 та програмованим логічним інтегральним середовищем
(ПЛІС) типу Cyclon II/IV, яке виконує роль програмованого реконфігуровного співпроцесора ко-
дера/декодера і забезпечує вибірку потрібного типу кодування. Як показують проведені нами
оцінки, ефективність такого підходу може досягати порядку 8-10 % за швидкістю передачі при
заданій достовірності, або в межах 5-20 % за покращенням параметра сигнал/шум на стороні
приймача. Крім того, застосування ПЛІС дозволяє реалізувати довільні алгоритми логічної
обробки коду [3].
197
ПЕРЕЛІК ЛІТЕРАТУРИ
1. Коркішко Т., Мельник А. Стан та напрямки розвитку надвеликих інтегрованих схем захисту інформації // Правове, нормативне та метрологічне забезпечення системи захисту інформації в Україні. – Київ, 2000. – С. 275 – 281.
2. Басов В. Е. Свёрточное кодирование в системах связи с частотной манипуляцией и непрерывной фазой // Информатика и связь: Сб. науч. тр. – К.: Техніка, – 1997. – С.162-168.
3. Опанасенко В.М., Сахарін В.Г. Реалізація суматора Хемінга в елементному базисі ПЛІС // Науково–технічна інформація. – 2002. – № 1. – С 35–38.
УДК 004.274:004.384
ВОРОБЕЦЬ Г.І., ВОРОБЕЦЬ О.І., ГУРЖУЙ Р.Д., КУЗЬ М.А.
Чернівецький національний університет імені Юрія Федьковича (Україна)
МОДЕЛЮВАННЯ ІНФОРМАЦІЙНИХ СЕНСОРНИХ МЕРЕЖ
З АВТОІДЕНТИФІКАЦІЄЮ ВУЗЛІВ ЗА МЕТОДОЛОГІЄЮ МЕРЕЖ ПЕТРІ
ТА СИСТЕМ МАСОВОГО ОБСЛУГОВУВАННЯ
Запропоновано методику синхронізації обміну даними між елементами сенсорної інформа-
ційної мережі (СІМ) та універсальним базовим модулем цифрової обробки даних (БМЦОД) на
основі моделей мереж Петрі. Елементи СІМ реалізовано на базі інтелектуальних сенсорів і вимі-
рювальних перетворювачів (ІСіВП) призначених для моніторингу параметрів стану контрольо-
ваних об’єктів (екологічного стану довкілля, технологічних процесів, кібернетичних і кіберфізич-
них систем, тощо). Збір даних з ІСіВП та їх обробку на БМЦОД реалізовано за принципами дис-
кретно-подійного функціонування системи масового обслуговування (СМО).
1. Вступ Сучасні інформаційні системи збору та обробки даних, які використовуються в ме-
дицині, екології, біо- та харчовій технології, електронній промисловості [1, 2], а також інших га-
лузях виробництва характеризуються значною різноманітністю типів контрольованих інформа-
ційних сигналів. Відповідно, для коректного опрацювання таких сигналів використовують ІСіВП
фізичних величин в електричні сигнали, які працюють за різними фізичними принципами. Зокре-
ма, це можуть бути сенсори концентрації газуватих речовин і колоїдних розчинів, сенсори елек-
тромагнітного випромінювання різних діапазонів хвиль, перетворювачі резистивного, ємнісного,
індуктивного чи іншого типу для реєстрації зміни температури, вологості, хімічної активності
речовин і т.п. В окремих випадках ІСіВП можуть бути реалізовані у вигляді комбінованого типу,
тобто забезпечувати одночасний збір кількох різних типів даних з технологічних об’єктів чи про-
цесів (ТОіП), або у вигляді локальної просторово розподіленої сенсорної мережі, в тому числі з
кінцевими хабами простого або комбінованого типу, в залежності від типу організації та рівня
складності моніторених ТОіП. В той же час, узагальнену обробку та аналіз даних отриманих з
сенсорної мережі доцільно проводити з допомогою універсального мікропроцесорного модуля
БМЦОД, що забезпечує універсальність та мобільність системи. При цьому основною проблемою
є вирішення питання комунікації між ІСіВП і БМЦОД, та синхронізації обміну даними між ними,
що і було метою даних досліджень.
2. Загальні принципи побудови мережевої сенсорної системи моніторингу параметрів
об’єктів і процесів Універсальний модуль БМЦОД побудований на базі процесорного ядра
Cortex-M3 та співпроцесора на основі програмованого логічного інтегрального середовища
(ПЛІС). Наявність розвиненої периферії мікроконтролера STM32F103RE дозволяє використати
його в якості центрального процесора системи (ЦПС) для виконання задач управління обміном та
обробкою даних, тобто для реалізації функцій менеджменту системи. Універсальність пристрою
для обробки інформації з різних типів ІСіВП забезпечує реконфігуровний співпроцесор на основі
ПЛІС EP1C6Q240C6. Система може функціонувати в режимах самоадаптивного налаштування на
клас виконуваних завдань в залежності від алгоритму завантаженої головної програми менедж-
менту системи і типів обслуговуваних сенсорів. Окрім того, в залежності від набору задач вико-
нуваного класу (статистична обробка даних, моделювання контрольованих процесів, графічна
експрес-обробка масивів даних, тощо) така система може реалізувати режими самореконфігу-
рування архітектури співпроцесора завдяки завантаженню в ПЛІС EP1C6Q240C6 відповідних
файлів реконфігурації з вбудованої пам’яті чи засобів віддаленого мережевого доступу, зокрема з
Host-комп’ютера. Це забезпечується завдяки наявності складових компонент мікроконтролера:
швидкісної шини SDIO, що слугує для зберігання/зчитування конфігураційних файлів для ПЛІС;
198
шини SPI, що забезпечує бездротове з’єднання через радіоканал універсального пристрою з ме-
режею ІСіПП; USB-інтерфейсу, що дає можливість спряження з ПК; швидкодіючих портів для
реконфігурування ПЛІС та відображення даних на екрані дисплея. Швидкодіюче процесорне ядро
(72 МГц) та наявність достатньої флеш пам’яті (512 Кб) дозволяє ЦПС виконувати функції мене-
джера задач з можливістю накопичення та візуалізації статистичних даних, а також зберігання
стандартної конфігурації для ПЛІС.
Конфігурація мережі сенсорної системи моніторингу визначається в першу чергу класами
виконуваних задач і можуть бути побудована з модулів ІСіВП на базі будь-якого процесорного
ядра. Для моделювання системи, зокрема, використовували мікроконтролери STM32F323CC. Ос-
новною вимогою до модулів ІСіВП є наявність модулів безпровідної передачі даних чи інтер-
фейсів з проводовою комунікацією, якщо це передбачено принципами функціонування системи.
Задачі, які виконує ІСіВП, обумовлені виконанням алгоритмів первинної та вторинної обробки
даних, а також накопичення, коротко тривалого зберігання та передачі даних в певному форматі
на БМЦОД. Протокол обміну даними описаний в [3], і призначений для обміну даними з інтелек-
туальними сенсорами у вигляді комутації формуючого пакету розміром в 60 байт у стандартному
режимі чи 128 байт у розширеному (рис. 1): “10” – байт початку пакета даних; Command – коман-
да, яка надсилається з/в пристрій (в даному випадку це команди типу запит-відповідь, передача
маркера, і т. п.); SourceID – ідентифікатор пристрою, що ініціює відправку повідомлення;
DestinationID – ідентифікатор пристрою, якому відправляються дані; Number of Packet – номер
пакета для надійної синхронізації даних; Data – масив даних; CRC – контрольна сума; SME –
байт, що сигналізує про початок, середину та кінець передачі даних; “13” – байт закінчення пере-
дачі пакету даних.
3. Принципи синхронізації обміну даними в мережевій сенсорній системі Приведений
вище протокол дозволяє ідентифікувати всі ІСіПП в радіусі дії радіомодуля RFM12B, та провести
обмін необхідними даними, в залежності від команди. Кількість команд складає 255. Крім стан-
дартних команд запиту/відповіді ідентифікації пристроїв, запиту дозволу/підтвердження передачі
даних і т. д. також використовуються команди передачі маркеру, побудови схеми/таблиці розта-
шування hab-ів ІСіВП і зоні доступності обміну даними. При відсутності прямої комутації між
ІСіВП і БМЦОД передбачається реалізація протоколу опитування між сусідніми ІСіВП та ство-
рення відповідних таблиць сумісності, які записуються в пам’яті БМЦОД. Такі процеси є асин-
хронними і виконуються за запитом БМЦОД відповідними ІСіВП, які є в певний момент часу у
зоні доступу для обміну з БМЦОД. Тому для синхронізації таких асинхронних подій в мережевих
сенсорних системах використовуються моделі Петрі з семафорами та розширеними можливостя-
ми переходів для опису динамічних процесів. Крім того, для узгодження запитів/відповідей між
сусідніми ІСіВП в моделях застосовано також дуги заперечення та багатомаркерні вузли. Таким
чином, алгоритм функціонування системи передбачає на першому етапі встановлення повної таб-
лиці або графу доступних до безпосереднього чи опосередкованого через інші ІСіВП обміну да-
ними між ІСіВП та БМЦОД, визначення типів ІСіВП та їх пріоритетів, і на другому етапі – вико-
нання передачі даних з ІСіВП та їх зберігання в пам’яті БМЦОД. Оскільки БМЦОД є одноканаль-
ною системою, то для оптимізації часових параметрів передачі та використовуваних ресурсів си-
стеми, зокрема енергоживлення ІСіВП, а також забезпечення неперервності процесів моніторингу
контрольованих параметрів окремими ІСіВП вказані етапи алгоритму описуються дискретно-
подійною моделлю СМО, в якій використовуються визначені на першому етапі коди типів та
пріоритетів ІСіВП. Третій етап функціонального алгоритму системи передбачає експрес-аналіз
отриманих даних і виконується вже в режимі розділеного часу з етапами збору даних. Для його
оптимізації та зменшення апаратних ресурсів системи використовується режим самореконфігу-
рування архітектури співпроцесора на основі ПЛІС EP1C6Q240C6.
Тестування запропонованої методики синхронізації та обробки даних проведено на ескізних
“10”
(1б)
Command
(1б)
SourceID
(1б)
DestinationID
(1б)
Number of Packet
(3б)
Data
(50б)
CRC
(1б)
SME
(1б)
“13”
(1б)
“10”
(1б)
Command
(1б)
SourceID
(4б)
DestinationID
(4б)
Number of Packet
(3б)
Data
(112б)
CRC
(1б)
SME
(1б)
“13”
(1б) Рис. 1. Структура протоколів обміну даними між ІСіВП та БМЦОД.
199
макетах ІСіПП, які опрацьовують сигнали трьох типів фізичних величин – екологічні (температу-
ру навколишнього середовища, тиск та вологість), концентрації речовин газуватого стану (СО,
CxHy, NxOy, та ін.), електромагнітного випромінювання різних діапазонів. Результати тестування з
виявлення елементів мережі ІСіВП, що знаходяться в радіусі дії безпровідного передавача за їх
унікальними ідентифікаторами в мережі, синхронізації обміну шляхом опитування типу запит-
відповідь та створення відповідних таблиць підтверджують коректність запропонованих моделей
та функціональних алгоритмів системи.
4. Висновки Проведене моделювання інформаційних сенсорних мереж з автоідентифікаці-
єю вузлів за методологією мереж Петрі та систем масового обслуговування для синхронізації
обміну даними між елементами сенсорної інформаційної мережі та універсальним базовим моду-
лем цифрової обробки даних показує коректність та доцільність застосування запропонованого
підходу для побудови інформаційно-вимірювальних систем моніторингу параметрів стану конт-
рольованих об’єктів різноманітного типу – екологічного стану довкілля, технологічних процесів,
кібернетичних і кіберфізичних систем, тощо. Використання універсального модуля цифрової об-
робки даних на основі процесорного ядра Cortex-M3 та співпроцесора з можливістю самореконфі-
гурування його архітектури забезпечує підвищення ефективності використання апаратних та ене-
ргетичних ресурсів, автономність системи та розширення набору задач виконуваного класу: ста-
тистична обробка даних, моделювання контрольованих процесів, графічна експрес-обробка маси-
вів даних і т.п.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Cyber-Physical Systems - Are Computing Foundations Adequate? Edward A. Lee Department of EECS, UC Berkeley Position Paper for
NSF Workshop On Cyber-Physical Systems: Research Motivation, Techniques and Roadmap October 16 - 17, 2006 Austin, TX 2. Heorhii Vorobets, Volodumur Strebezhev , Viktor Strebezhev, Ruslan Hurjui, Roman Rogov Application of the infrared semiconductors
interference filters for optical sensors in express spectroscopy of organic materials // Food and Environment Safety. – 2015. – Volume XIV,
Issue 1. – РР. 93 – 100. – [Електронний ресурс] Journal of Faculty of Food Engineering, Ştefan cel Mare University of Suceava, Romania Journal homepage: www.fia.usv.ro/fiajournal
3. Воробець Г.І., Гуржуй Р.Д., Кузь М.А. Комп’ютеризована система з реконфігурованою архітектурою для моніторингу параметрів
довкілля // Восточно-Европейский журнал передовых технологий. – 2015. – №2/6(74). – С. 55-59. – ISSN 1729-3774.
УДК:004.0032
МАНГЛІЄВА Т.Н., ЮХИМЧУК М.С.
ВНТУ (Україна)
РОЗРОБКА УЗАГАЛЬНЕНОГО ПІДХОДУ ДО МАТЕМАТИЧНОГО МОДЕЛЮВАННЯ
АВТОМАТИЧНОЇ СИСТЕМИ З ЛУП
В даній роботі розглянуто розробку узагальненого підходу до математичного моделювання
автоматичної системи з логічними управляючими пристроями при зміненні їх первинних пара-
метрів, що відбуваються за рахунок параметричних завад.
Основною проблемою при моделюванні та дослідженні автоматичних систем з логічними
управляючими пристроями є складність їх математичних моделей та, як наслідок, великі витрати
машинних ресурсів, що ускладнює використання даних моделей на етапах їх проектування, реалі-
зації та експлуатації. Тому виникає необхідність в розробці методу моделювання таких систем,
що дозволяє спростити математичні моделі ЛУП, отримати вирази для коефіцієнтів гармонічної
лінеаризації логічних управляючих пристроїв при впливі на них параметричних збурень, та ви-
значити математичні співвідношення, які визначають параметри автоколивань автоматичних сис-
тем з ЛУП.
Узагальнений підхід до математичного моделювання автоматичної системи з ЛУП включає
вирішення наступних задач:
спрощення структури системи, до сукупності лінійної та нелінійної частини;
побудова логічної функції F, що описує алгоритм управління на основі сигналів )(1
tx ,
)(2
tx , ..., )(tn
x з релейних перетворювачів;
вибір математичного апарату для лінеаризації нелінійної частини системи;
200
лінеаризація нелінійної частини системи з урахуванням параметричних збурень в систе-
мі;
визначення параметрів релейних перетворювачів, для узагальнення математичних моде-
лей параметричних збурень в системі, що розглядається в роботі;
визначення та дослідження параметрів сигналів від релейних перетворювачів;
отримання математичної моделі, що описує процес функціонування автоматичної систе-
ми з ЛУП в умовах параметричних збурень;
визначення характеристичного рівняння системи для проведення дослідження впливу
параметричних збурень на стійкість системи.
Для подальшого розв’язання задач моделювання автоматичної системи з ЛУП, що необхід-
но:
- для визначення можливих періодичних режимів в системі виконати гармонічну лінеари-
зацію рівняння логічного управляючого пристрою з двома вхідними сигналами y(t) і x(t);
- визначити аналітичні залежності для визначення коефіцієнтів гармонічної лінеаризації з
урахуванням параметричних збурень;
- визначити та дослідити математичні моделі автоколивань в автоматичній системі з ре-
лейними елементами і логічним управляючим пристроєм;
- провести оцінку впливу параметричних збурень на стійкість автоматичних систем з ЛУП
в області параметрів;
- провести аналіз чутливості вихідного сигналу системи до збурень первинних параметрів.
Розв’язання цих задач представляє собою загальний підхід до розробки методу моделювання
автоматичних систем з логічними управляючими пристроями при зміненні їх первинних парамет-
рів, що відбуваються за рахунок параметричних завад.
ПЕРЕЛІК ЛІТЕРАТУРИ 1. Мокин Б. И. К вопросу о критериях и законах регулирования напряжения в электрических сетях / Б. И. Мокин. // Изв. вузов. Сер.
Энергетика. – 1984. – № 6. – С. 35–37.
2. Шароватов В. Т. Обеспечение стабильности показателей качества автоматических систем / В. Т. Шароватов. – Л. : Электроатомиз-дат, 1987. – 176 с.
3. Шалагин В. Н. О гармонической линеаризации нелинейностей при двухчастотном входном сигнале / В. Н. Шалагин, А. Д. Кулик //
Изв. АН СССР. Техническая кибернетика, – 1974. – № 4, С. 170–179. 4. Старикова М. В. Исследование автоматической системы с логическим устройством при наличии внешнего воздействия /
М. В. Старикова. – М. : Машиностроение, 1978. – 224 с.
УДК: 681.5.015.4
ПЕРМЯКОВ В.И., РЕПИНА Ю.В.
ХНУСА (УКРАИНА)
ОЦЕНКА ВОЗМОЖНОСТИ КОНТРОЛЯ ПРОЦЕССА ИЗМЕЛЬЧЕНИЯ ПО ВЕРОЯТНОС-
ТНЫМ ХАРАКТЕРИСТИКАМ АКУСТИЧЕСКОГО СИГНАЛА СРЕДСТВАМИ НЕЧЕТКОЙ
ЛОГИКИ
В работе рассматривается возможность использования вероятностных характеристик
для контроля процесса измельчения.
Работа посвящена решению актуальной научной задачи повышения эффективности авто-
матического контроля измельчительного оборудования путем установления новых закономерно-
стей формирования звукометрических сигналов. Фрагменты акустического сигнала в в последо-
вательные моменты процесса измельчения имеют следующий вид:
201
Эмпирические законы распределения акустического сигнала, а также их нормальные при-
ближения и приближения рядом Грама-Шарлье имеют вид:
Первые четыре момента эмпирических законов распределения, а точнее – среднее, сред-
неквадратичное, асимметрия и эксцесс для равноотстоящих моментов времени в процессе из-
мельчения имеют вид:
Всего было проведено 10 экспериментов по результатам которых получены аналогичные
результаты и построены методом прямоугольных вкладов эмпирические законы распределения
моментов:
Исходя из этого мы можем предположить, что результаты эмпирического определения
моментов акустического сигнала представляют собой нечеткие множества и мы можем опреде-
лить их индексы нечеткости что, в свою очередь, позволит сделать вывод о регулярности измене-
ния того или иного момента и его пригодности для контроля процесса измельчения.
Так, например, изменения среднего значения в результате 10 экспериментов могут быть
представлены в виде следующих нормированных нечетких множеств:
202
Построив для них ближайшие четкие множества:
и определив индексы нечеткости по Хэмингу:
получим следующие индексы нечеткости для эмпирических моментов в процессе измельчения:
Анализ индексов нечеткости показывает, что наиболее четким показателем является экс-
цесс, что совпадает с оценкой коэффициентов корреляции по Пирсону для первых четырех мо-
ментов 0.43, 0.48, -0.35, -0.83 – соответственно.
УДК: 621.372.061
ПЕРМЯКОВ В.И., ТОРПАН М.Ю.
ХНУСА (УКРАИНА)
РАСПОЗНОВАНИЕ ЦВЕТОВОГО ТОНА ИЗОБРАЖЕНИЯ ТЕХНОЛОГИЧЕСКИХ
ОБЬЕКТОВ
Большое количество технологических процессов, протекающих на производстве, связанны
с обработкой изображения. Всю необходимую информацию об объекте мы можем получить бла-
годаря анализу и обработке изображения, непосредственно на самой технологической линии, во
время работы производства, она поможет при принятии решений в зависимости от обстоятельств.
В работе были рассмотрены возможности анализа изображений с помощью разработанно-
го программного модуля в среде LabVIEW основной задачей которого является связь с внешней
камерой и файловой системой компьютера.
203
В частности, были исследованы возможности различения цветового тона для различных
цветовых моделей – RGB, HSV, HSL.
Рассмотрим результаты анализа для модели RGB.
Уровни интенсивности для каналов R, G, B на некотором образце.
Для интенсивностей уровней каналов R, G, B были рассчитаны среднее, максимальное,
минимальное значение, а также стандартное отклонение, коэффициент асимметрии и коэффици-
ент эксцесса. Были также построены эмпирические законы распределения уровней интенсивно-
стей по каналам R, G, B.
Подобный анализ был проведен для всех трех параметров R, G, B модели - яркость, насы-
щенность, светлость. Было рассчитано среднее квадратическое отклонение, коэффициент асимметрии и
коэффициент эксцесса для пяти образцов различного цветового тона.
Попарное сравнение статистических параметров для пяти образцов привело к такому
204
результату.
Аналогичные результаты были получены для цветовых моделей HSV і HSL.
Проведенный анализ показал достаточно хорошее попарное разделение цветовых тонов
образцов по статистическим параметрам эмпирических законов распределения для каждой из
трех характеристик различных цветовых моделей. Использование многомерных параметрических
пространств позволит усилить эти различия.
СПИСОК ЛИТЕРАТУРЫ 1.Системы технического зрения: Справочник / В.И. Сырямкин, B.C. Титов и др.; Под ред. В.И. Сырямкина и B.C. Титова. Томск:
РАСКО,
1992. 367 с. 2.Фу К., Гонсалес Р., Ли К. Робототехника: Пер. с англ. М:Мир, 1989. 624 с.
3. Хорн Б.К.П. Зрение роботов: Пер. с англ. М.: Мир, 1989. 487 с.
СЕКЦІЯ 9
УДК 003.26.09
KRULIKOVSKYI O.V., HALIUK S.D., POLITANSKYI L.F.
YURIY FEDKOVYCH CHERNIVTSI NATIONAL UNIVERSITY
PRNG BASED ON DISCRETE HYPER CHAOTIC SYSTEM
In this paper we exploit two dimensional discrete hyperchaotic system for creating pseudo-random numbers
generator. Proposed generator was implemented in MATLAB with double floating point arithmetic. The statistical
properties of the generated pseudo-random sequences have been verified by means of the NIST test suites. Applica-
tion of generator for image encryption is shown. Also, the sensitivity to the key of proposed generator is studied.
The results of testing show that the proposed generator can be used in cryptographic applications.
A promising area of research in cryptography is the possibility of using deterministic chaos theory
to information security. Chaotic system characterized a long-term unpredictable behavior and high sensi-
tivity to initial conditions [1]. The trajectories of chaotic systems are unpredictable at large time inter-
vals. Using of these properties is a prerequisite for development new cryptographic algorithms [1].
First cryptographic means based on the deterministic chaos was developed in the late second half
of the last century. They used a simplest one dimensional discrete mapping as a basic element of the
PRNG, and had low security. The aim of this work is to develop a pseudo-random sequence generator to
stream cipher based on discrete two dimensional hyperchaotic system.
In [2] was presented a two-dimensional discrete chaotic system, described by (1):
{ | |
| | (1)
where and are system parameters. Computed by Benettin Method Lyapunov exponents
of this system for and are equal 0.4075 and 0.4077. The system is
hyperchaotic because both Lyapunov exponents is positive. Yu.H. Tratas used (1) to analyze the devel-
oping of communication system [6], for synchronization and demodulation of chaotic signals used ex-
tended Kalman filter. Channels generator of system are symmetrical [2]. The phase portrait of the system
shown in Fig. 1.
205
Fig. 1. Phase portrait of discrete hyperchaotic system (1)
We propose a pseudo-random generator based on the two dimensional discrete nonlinear dynamic
system (1). The two sequence of iterations x and y, that is the signals are used to form a pseudo-random
sequence. System (1) was calculated in mathematical modeling system MATLAB using computations
with double-precision IEEE 754 format [3]. The value of each iteration can be represented as a
sequence length of 64 bits of which 52- bit mantissa of numbers 1 - number sign bit and one bit which is
always 1.
Distribution of variables x and y is unbalanced and asymmetric therefore binary sequence x and y
are unbalanced, scilicet have different number of symbols 0 and 1. For quality PRNG balance are one of
the basic requirements. In [4] to solve this problem in binary representation of the number rejected first k
bits so get random numbers from a uniform distribution. To select bits that satisfying balance we gener-
ated matrix of size N × 64 with elements .
where n - iteration number of variable x or y, m – serial number of level in 64 - bit represented by x or y.
i = 1 … N, m = 1 … 64. (2)
For each column computed number of symbols “0” - and “1” - , . On Fig. 2
shows the results.
Fig. 2. The balance of bits generated system (1).
It can be concluded that to build cryptographically safely PRNG should reject the first certain num-
ber of first bits. The block scheme of the proposed PRNG (see also [4]) is shown on Fig. 3.
-2 -1 0 1 2-2
-1
0
1
2
x(n)
y(n
)
10 20 30 40 50 60-1
-0.5
0
0.5
1
m
(N0-N
1)/
N
x
y
206
Fig. 3. Block scheme of proposed generator
For NIST statistical tests [5] was generated bits which was divided on 1000 sequences (with 1
million strings). Generated sequences passed all statistical tests NIST. Since all tests are passed for a
sequence, we can noted that the proposed PRNG is cryptographically safe for generating sequence with
length to 1 billion of bits. Also determined that sensitivity to the key of proposed generator is .
REFERENCES [1] Ljupco Kocarev and Shiguo Lian (Eds.). Chaos-Based Cryptography Theory, Algorithms and Applications // Springer-Verlag Berlin
Heidelberg, 397 pp., 2011.
[2] B.I. Shahtarin, P.I. Kobylkina, Yu.A. Sidorkina, A.V. Kondratev, S.V. Mitin, Generatory haoticheskih kolebaniy, Moscow, Gelios ARV, pp. 53-54, 2007.
[3] IEEE, "IEEE standard Floating-Point Arithmetic," IEEE Std 754-2008, pp. 1-58, Aug 2008.
[4] Lahcene Merah. A Pseudo Random Number Generator Based on the Chaotic System of Chua’s Circuit, and its Real Time FPGA Implementation / Adda Ali-Pacha, Naima Hadj Said, Mustafa Mamat // Applied Mathematical Sciences, Vol. 7, no. 55, 2013, pp. 2719 –
2734. [5] National Institute of Standards and Technology, NIST SP 800-22, Revision 1a, April 2010
FERNANDO COMIRAN1, TATIANA FEDYK
1, JOOHYUNG HA
1, NATALIYA PSHENYCHKA
2
1 University of San Francisco, School of Management, 2130 Fulton Street, San Francisco, CA 94117,
United States 2 Chernivtsi National University, 2 Kotsjubynskyi Str., Chernivtsi, 58012, Ukraine
COMPUTATIONAL ESTIMATIONS OF R&D INVESTMENTS BY LOSS SEASONED
EQUITY OFFERINGS IN THE UNITED STATES
In this paper, we examine computational estimations to detect earnings management practices
among loss seasoned equity offerings (SEOs). While prior literature on earnings management around
SEOs generally concludes that SEO firms manage earnings, we demonstrate that in fact only profitable
firms inflate their earnings, whereas loss firms do not manage earnings. Instead, they inflate research and
development expenditures (R&D), a strategy that is actually decreasing bottom line earnings. Our finding
is consistent with differential valuation for profit and loss firms, and highlights the importance of more
detailed approach in earnings management research to study accounting choices for profit and loss firms.
Over the last two decades, population of loss SEOs steadily increased from 11% in 1989, to 23%
in 1999, and to striking 53% in 2009. It is well known, that loss and profit firms are valued differently
(Darrough and Ye, 2007; Callen et al., 2008). Therefore, they might have different reporting objectives
during important corporate events like initial public offerings (IPOs) and seasoned equity offerings
ITERATION OF HYPER CHAOTIC SYSTEM
Pseudo-random sequence
( 8, y 8, 8, y 8, … 𝑛 8, y𝑛 8)
Sequence of iterations xn
String 𝑛 8
Sequence of iterations yn
String y𝑛 8
SYSTEM PARAMETERS AND INTIAL CONDITION
207
(SEOs). However, prior research does not differentiate between loss and profit firms, and generally treats
both types of firms as a homogeneous group.
We start our analysis by examining the valuation regression, i.e., weight SEO investors put on
different items in the financial statements (sales growth, R&D expenditures, and earnings) for all SEO
firms, and separately for profit and loss firms. This analysis provides a benchmark to see what drives the
market value for the two groups of firms, and where in turn, managers might be tempted to focus their
efforts of discretion (assuming that firm valuation is a major incentive for managers during SEOs). The
results show that profit and loss SEO firms have different accounting value drivers, consistent with our
expectations and findings in prior literature. Thus, profit firms are mainly priced on earnings (strongly
significant coefficient of 10.65), whereas loss firms are not priced on earnings at all (insignificant pricing
coefficient of 0.665). On the other hand, loss firms are positively priced on R&D expenditures (strongly
significant coefficient of 6.12), whereas profit firms are not priced on R&D (insignificant pricing coeffi-
cient of -1.00).
Next, we estimate discretion over earnings and R&D for all SEO firms, and separately for profit
and loss firms. Consistent with prior literature results that accruals are abnormally high around SEOs
(Rangan, 1998; Teoh et al., 1998; Shivakumar, 2000; DuCharme et al., 2004), we also document signifi-
cantly positive abnormal accruals for the full SEO sample. However, when we split all SEO firms into
two groups, we find that discretionary accruals are abnormally high only for profit firms (mean discre-
tionary accruals are 4.64 % of total assets, and strongly significant), while for loss firms discretionary
accruals are actually significantly negative (mean discretionary accruals are negative 6.63% of total as-
sets, and strongly significant). This result demonstrates that loss SEO firms do not manage earnings up-
ward during seasoned equity offerings. Moreover, we document that loss SEO firms overinvest in R&D
(a strategy that actually reduces earnings) as R&D expenditures are positively valued by investors for
these firms. This new finding highlights the importance of linking firms’ valuation to their discretionary
accounting choices instead of simply assuming that all SEO firms are similar in their attempts to manage
earnings upward.
We examine whether discretionary items during SEOs are associated with post-SEO operating
underperformance, which would be consistent with opportunistic or myopic motives driving managerial
reporting. Alternatively, if managers use discretion over accounting items to signal superior future per-
formance (i.e., signaling hypothesis), discretionary items will be positively associated with future per-
formance. Consistent with prior literature (Teoh et al., 1998, Cohen and Zarowin, 2010), we find that
discretionary accruals are negatively related to future operating performance, but we document that this
association holds only for profit firms: there is no association between loss firms’ discretionary accruals
and future performance, evidence not presented in prior literature. Next, we provide new evidence that
discretionary R&D expenditures are also negatively related to future operating performance; but this
relation is completely driven by loss SEO firms.
Finally, we examine whether there is an eventual unwinding as investors become aware of the
discretion applied by IPO firms. Specifically, we examine association between discretionary accruals and
discretionary R&D during the SEO year and 1-, 2-, and 3- year future stock returns. Prior literatures
document a negative association between discretionary accruals and future stock returns (Teoh et al.,
1998; and Rangan, 1998). However, Shivakumar (2000) demonstrates that discretionary accruals are not
associated with future stock underperformance. He concludes that the prior findings appeared to be due
to test misspecification. We follow the procedure proposed by Shivakumar (2000) to correct for potential
misspecification, and document a negative association between discretionary accruals and future returns
for profit firms, i.e., for firms managing earnings, but not for loss firms. Furthermore, for loss firms, we
find a negative association between discretionary R&D and future stock returns. Therefore, we can con-
clude that investors cannot infer earnings management by profit SEO firms and R&D management by
loss SEO firms. As a result, investors are misled by overstated earnings and R&D during SEOs, what is
followed by an eventual unwinding as investors become aware of the discretion applied by SEO firms.
Our paper makes important contributions to the SEO earnings management literature. First and
foremost, we link SEO firms’ valuation with the use of discretion over various accounting items. Our
study is unique in that it identifies a setting where different firm types have the incentives to apply dis-
cretion over different accounting items, and find results consistent with the incentives. Second, we are
the first to document that loss firms do not manage earnings during SEOs, but they do manage R&D. We
208
also demonstrate that discretionary items are associated with future underperformance: discretionary
accruals are negatively related to future performance for profit firms, whereas discretionary R&D ex-
penditures are negatively related to future performance for loss firms. Third, we contribute to an existing
debate whether investors naively fixate on reported accounting numbers (Teoh et al., 1998; and Rangan,
1998), or they rationally undo earnings management effects (Shivakumar, 2000). We demonstrate a neg-
ative association between discretionary accruals and future stock returns for profit firms, and a negative
association between discretionary R&D and future stock returns for loss firms, therefore concluding that
investors are misled by managerial discretion during SEOs.
REFERENCES 1. Callen, J., S. Robb, and D. Segal. 2008. Revenue manipulations and restatements by loss firms. A Journal of Practice and Theory 27(2): 1-29.
2. Cohen, D., and P. Zarowin. 2010. Accrual-based and real earnings management activities around seasoned equity offerings. Journal of Ac-
counting and Economics 50: 1-33. 3. Darrough, M., and J. Ye. 2007. Valuation of loss firms in knowledge-based economy. Review of Accounting Studies 12: 61-93.
4. DuCharme, L., P. Malatesta, and S. Sefcik. 2004. Earnings management, stock issues, and shareholder lawsuits. Journal of Financial Econom-
ics 71: 27–49. 5. Rangan, S. 1998. Earnings before seasoned equity offerings: Are they overstated? Journal of Financial Economics 50: 101–122.
6. Shivakumar, L. 2000. Do firms mislead investors by overstating earnings before seasoned equity offerings? Journal of Accounting and Eco-
nomics 29: 339-371. 7. Teoh, S., I. Welch, and T. Wong. 1998. Earnings management and the underperformance of seasoned equity offerings. Journal of Financial
Economics 50: 63-99.
УДК 004.056.55
ЗАЛУЦЬКА І. Є., ВАЛЬ О. Д.
Чернівецький національний університет імені Юрія Федьковича (Україна)
ПОЗИЦІОНУВАННЯ В МЕРЕЖАХ GSM
В роботі наведено найбільш перспективні, з нашого погляду, методи, що дозволяють визна-
чити просторове положення абонента GSM-мережі за даними базових станцій.
Для вимірювання відстані між певною антеною і клієнтом (мобільним телефоном) існує де-
кілька методів, які використовують логи базової станції. Ці методи можуть бути як основними,
так і допоміжними (уточнювальними) способами вимірювання.
1. Використання Round Trip Time (RTT).
RTT (Propagation delay) – час, що витрачається радіосигналом для того, щоб пройти відстань
від вишки до абонента і назад (або навпаки, від клієнта до вишки і назад, що те саме). Іншими
словами, це затримка сигналу (Propagation delay).
Рис. 1. Принцип вимірювання за допомогою RTT.
Для відстані отримаємо:
,2
ε+RTT
c=R
де R – відстань від клієнта до вишки; с – швидкість світла; ε – похибка визначення відстані.
2. Позиціонування за різницею отримання сигналу (Time Difference of Arrival)
Принципи вимірювання відстані за різницею отримання сигналу проілюстровані на наступ-
ному рисунку:
209
Рис 2. Ілюстрація до обчислення відстані за допомогою TDOA
На рис.2 показано три вишки (NBi), що використовуються при вимірюваннях. Алгоритм ви-
значення положення абонента полягає в наступному.
Крок 1. Відстань до основної вишки (NB1), з якою зараз працює телефон, визначається за
допомогою затухання сигналу (чи з допомогою RTT). Нехай це вектор R1 (від NB1 до точки пере-
тину всіх кіл).
Крок 2. Визначається часова різниця надходження сигналу до другої вишки (NB2). Для цього
в логах необхідно визначити поле, що описує TDOA з другою вишкою. Позначимо цю величину
через ΔТ12.
Крок 3. Обчислюємо відстань R2 : ,cΔΔ+R=R 1212 де с – швидкість розповсюдження радіо-
сигналу (швидкість світла в повітрі).
Крок 4. Обчислємо відстань між вишками D12 . Для цього використовуємо їх координати
(Xi,Yi):
.YY+XX=D2
212
2112
Крок 5. Виконуємо аналогічні обчислення для третьої вишки NB3.
Крок 6. В результаті маємо: відстані між вишками (D12 , D13 ), радіуси кіл (R1 , R2, R3), які ви-
користовуємо в подальшому в методі триангуляції.
Ці значення обов’язково повинні порівнюватися з результатами обчислень, отриманими з
використанням даних затухання радіосигналу. Крім цього, нам невідомо, чи вимірювання промі-
жків часу проходження сигналу від вишок є синхронізованим, що дуже важливо при позиціону-
ванні рухомих об’єктів.
3. Позиціонування за часом надходження сигналу (Time Of Arrival – TOA).
Якщо можливі вимірювання часу надходження сигналу на три сусідні вишки, то є можли-
вість використовувати для визначення відстані час його надходження. Цим даний метод аналогіч-
ний попередньому, але оцінюється абсолютне значення часу надхлдження, а не різниця в часі.
Однак, в даному випадку синхронізація вишок є обов’язковою.
Відстань обчислюється за елементарною формулою:
Ri=cti.
Метод ілюструє рисунок 3.
210
Рис.3. Ілюстрація до методу ТОА.
Результати обчислень подаються на вхід методу триангуляції: геометричного чи мінімізую-
чого функціоналу.
Найважливішою перевагою цього методу є те, що він не вимагає модифікації існуючого об-
ладнання, оскільки вишки завжди реєструють точний час доступу. Однак, чи вистачить точності
визначення часу для необходної точності позиціонування.
УДК 004.2, УДК 004.4
МЕЛЬНИК1 А.О., ЯКОВЛЕВА
2 І. Д.
1Національний університет “Львівська політехніка” (Україна)
2Чернівецький національний університет імені Юрія Федьковича (Україна)
СТРУКТУРНИЙ АНАЛІЗ АЛГОРИТМІВ – БАЗОВИЙ НАПРЯМ
ПАРАЛЕЛЬНИХ ОБЧИСЛЕНЬ
В доповіді показано, що структурний аналіз алгоритмів є базовим напрямом паралельних
обчислень, оскільки дозволяє проводити побудову та оцінювання ефективності реалізації алго-
ритмів як в традиційній послідовній моделі обчислень, так і в різних паралельних моделях. Зва-
жаючи на це запропоновано навчальний посібник для вивчення основ структурного аналізу алго-
ритмів.
Головним завданням комп'ютерних наук та технологій є розроблення, аналіз, застосування
та наукова оцінка алгоритмів розв’язку задач. В сучасних комп’ютерах паралельні процеси є
домінуючими під час виконання обчислень. Тому важливим є питання побудови, аналізу та за-
стосування алгоритмів як в традиційній послідовній моделі обчислень, так і в різних паралельних
моделях.
В процесі побудови алгоритму, подання його програмою або створення обчислювального
пристрою для виконання алгоритму розробника цікавлять багато питань, відповіді на які він може
отримати провівши аналіз алгоритму. Аналіз алгоритмів є важливою частиною теорії складності
обчислень. Такий аналіз, зокрема, дозволяє отримати теоретичні оцінки ресурсів, необхідних для
виконання алгоритму розв’язання заданої задачі.
Зважаючи на потребу підвищення продуктивності комп’ютерних систем на порядку денно-
му постають завдання аналізу варіантів паралельного виконання алгоритмів в багатопроцесорних
системах та їх відображення на паралельні апаратні засоби.
Виходячи з актуальності авторами підготовлено до видання навчальний посібник для вив-
чення основ структурного аналізу алгоритмів. В цій роботі розглядаються методи та засоби
структурного аналізу алгоритмів, що дозволяють отримати інформацію, необхідну як для синтезу
211
спеціалізованих процесорів, так і для розроблення паралельних програм, включаючи визначення
кількості процесорів, потрібних для ефективного виконання алгоритму, ємності пам’яті та часу
виконання. Ці знання дозволяють будувати та порівнювати алгоритми так, щоб можна було прий-
няти обґрунтоване рішення стосовно вибору найефективнішого за заданими критеріями.
Основний акцент зроблено на методи подання алгоритму, методи автоматичного відобра-
ження та збереження графа алгоритму в комп’ютері, матричне подання алгоритму, технології
опрацювання структури графів алгоритмів, структуру, принципи побудови та роботу в графічній
системі опрацювання графів алгоритмів, а також на використання створених методів та засобів
опрацювання структури графів алгоритмів.
В основу написання навчального посібника покладено наукові праці авторів, зокрема [1-6].
Посібник ”Структурний аналіз алгоритмів” орієнтовано на студентів спектру спеціальностей
галузі знань “Інформатика та обчислювальна техніка”, та на науковців і розробників засобів
комп’ютерної техніки і програмного забезпечення.
ПЕРЕЛІК ЛІТЕРАТУРИ
1. Мельник А.А. Процессоры обработки сигналов. Препринт N 29-89, ИППММ АН УССР,
1989, 63 с.
2. Мельник А.О. Спеціалізовані комп’ютерні системи реального часу / А.О. Мельник –
Львів: Вид-во Національного університету "Львівська політехніка", 1996. – 60 с.
3. Melnyk A. Synthesis of the Data Flow Graph Pipeline Operation Devices. IWK-95, Ilmenau,
1995.
4. Melnyk A.O. The Architecture of the Teal-Time Processing System Optimized to the Data Flow
Intensity. International Conference, Zakopane, August, 1996.
5. Мельник А.О. Подання потокового графа алгоритму структурною матрицею / А.О. Мель-
ник, І.Д. Яковлєва // Науковий журнал “Технічні науки” – Хмельницький: Хмельницький
національний університет. – 2008. – № 4. – С. 124–129.
6. Melnyk А. OCA – Graphical System for Algorithm Structure Analysis and Processing / Anatoliy
Melnyk, Inna Іакоvlіeva// Korea Academia-Industrial Cooperation Society (KAIS): Smart Com-
puting Review, Vol. 2. – No. 2. April -2012. – Р. 171-184.
212
МІЖНАРОДНА НАУКОВО-ПРАКТИЧНА КОНФЕРЕНЦІЯ
«ПРОБЛЕМИ ІНФОРМАТИКИ ТА КОМП’ЮТЕРНОЇ ТЕХНІКИ»
(ПІКТ – 2016)
ЧЕРНІВЦІ
21 – 24 ТРАВНЯ, 2016
Видання містить праці учасників V-ї Міжнародної науково-практичної кон-
ференції «Проблеми інформатики та комп’ютерної техніки» (ПІКТ–2016).
Редакційна колегія: Сопронюк Ф.О., Руснак М.А., Валь О.Д.
Комп‘ютерний набір та верстка: Руснак О.В.
Відповідальний за випуск: Сопронюк Ф.О.
Видавничий дім «РОДОВІД»
Україна, 58000, м. Чернівці, вул. Заводська, 26
Друк ПП Валь І.Д.
