Інші праці КІТС (ДМетІ)
Permanent URI for this collection
Browse
Browsing Інші праці КІТС (ДМетІ) by Author "Гнатушенко, Вікторія Володимирівна"
Now showing 1 - 8 of 8
Results Per Page
Sort Options
Item Аналіз обміну даними між підприємствами за допомогою технології блокчейн в інформаційних системах(Український державний університет науки і технологій, ІВК «Системні технології», 2022) Ситник, Роман Сергійович; Гнатушенко, Вікторія ВолодимирівнаUKR: Сьогодні інформаційні системи для управління виробництвом та поставками ускладняються з подальшим розвитком міжнародної та внутрішньої торгівлі, збільшенням складності виробничих та логістичних ланцюгів тощо. Тому актуальним для вирішення стає завдання дослідження та розробки нових підходів для ланцюгів поставок та логістичних інформаційних систем. У цій статті розглядаються можливі переваги та недоліки використання технології блокчейн у логістиці та системах ланцюгів поставок. Блокчейн може допомогти спростити і зробити більш прозорими процеси моніторингу та управління виробництвом і переміщенням товарів між різними суб'єктами. Але також існує ряд проблем, які потребують вирішення, таких як можливості оновлення програмного забезпечення в смарт-контрактах і завдання проектування повної системи на основі блокчейну, яка дійсно дозволить вирішити важливі проблеми в цій сфері найбільш ефективним способом без критичних проблем.Item Визначення об’єктів на супутникових знімках за допомогою PyTorch(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2024) Міщенко, Максим Станіславович; Гнатушенко, Вікторія ВолодимирівнаUKR: Дана робота присвячена розробці нейронної мережі для класифікації супутникових знімків Землі за чотирма класами: вода, піски, хмари та зелена місцевість (ліси, поля, скупчення рослин). Для цього використовується Python-бібліотека PyTorch, орієнтована на застосування глибинного навчання для задач комп'ютерного зору. Запропонований підхід дозволяє автоматично класифікувати супутникові знімки, полегшуючи аналіз великих обсягів даних, його було протестовано на супутникових знімках Sentinel-2, отриманих з березня по серпень 2023 року для деяких частин Херсонської та Миколаївської областей, Україна, та отримано загальну точність 95%. Результати дослідження є корисними для спеціалістів у галузях дистанційного зондування Землі, комп'ютерного зору, машинного навчання та розробки програмного забезпечення для аналізу аерокосмічних зображень.Item Дослідження алгоритмів консенсусу у мережах блокчейну при проектуванні інформаційних систем(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2024) Ситник, Роман Сергійович; Гнатушенко, Вікторія ВолодимирівнаUKR: Ця робота містить огляд основних механізмів консенсусу в технології блокчейн. Розглядаються основні алгоритми консенсусу, такі як Proof of Work, Proof of Stake, Proof of Authority та інші, кожен з яких має свої унікальні особливості, переваги та обмеження. Автори аналізують ці механізми на основі таких критеріїв, як енергоефективність, безпека, масштабованість і децентралізація. Крім того, надаються рекомендації щодо вибору оптимального механізму консенсусу залежно від конкретних потреб і цілей проекту. Ця стаття є важливим ресурсом для дослідників, розробників і практиків, які цікавляться технологією блокчейн та її різними аспектами.Item Дослідження впливу обробки первинних даних на результати навчання нейромережі для розпізнання супутникових зображень(Український державний університет науки і технологій, ІВК «Системні технології», 2022) Солдатенко, Дмитро Володимирович; Гнатушенко, Вікторія ВолодимирівнаUKR: Правильна підготовка матеріалів для навчання нейронної мережі є одним з ключових етапів, від якого безпосередньо залежать усі подальші результати. Дослідження передбачає два випробування, перше з необробленими даними, а друге — зі спеціально підготовленими для навчання. Навчання нейронної мережі використовує дані для трьох різних класів, води, дерев і поля, результати тестів та інформацію про потенційні недоліки, надані після кожного тесту, а також рекомендації щодо покращення результатів. Результати проаналізовано та зроблено висновок, що вдосконалення первинних матеріалів для навчання нейронної мережі розпізнаванню супутникових зображень безпосередньо впливає на результат у кращий бік, а саме на 27,6% у разі використання підготовлених даних, у цьому дослідженні вони можуть відрізнятися залежно від умови.Item Проблеми та рішення масштабування потоків даних у екосистемі «Індустрії 4.0» в промисловості та бізнесі(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2023) Ситник, Роман Сергійович; Гнатушенко, Вікторія ВолодимирівнаUKR: Процеси інтеграції інформаційних технологій у виробництво та логістику часто описують терміном «Індустрія 4.0». Цей термін включає різні підходи до цифровізації, автоматизації та взаємозв’язку в різних галузях промисловості. Інтеграція передових технологій у виробництво створює великі потоки даних, які звичайні промислові інформаційні системи часто не в змозі обробити та вчасно на них відповісти. Це може призвести до затримок і помилок, які можуть призвести до неефективності в ланцюгах постачання, затримок у виробництві та комунікації між промисловими секторами, а також до проблем прозорості та підзвітності інформаційних систем в екосистемі «Індустрії 4.0», проблем із безпекою, цілісністю даних, відстеження процесів у реальному часі тощо. Тому важливим завданням є дослідження нових методів управління потоками даних в інформаційних системах в екосистемі «Індустрія 4.0», які можуть покращити взаємодію та прискорити впровадження інформаційних технологій у промисловості та логістиці.Item Стратегії визначення оптимальної кількості вхідних даних для розпізнавання об’єктів на супутникових зображеннях(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2023) Солдатенко, Дмитро Володимирович; Гнатушенко, Вікторія ВолодимирівнаUKR: Розпізнавання супутникових зображень є життєво важливим застосуванням комп’ютерного зору з численними потенційними варіантами використання в таких сферах, як боротьба зі стихійними лихами, землекористування та міське планування. Це дослідження спрямоване на визначення оптимальної кількості вхідних даних, необхідних для навчання нейронної мережі для розпізнавання супутникових зображень. З цією метою проводиться серія суворих експериментів, щоб дослідити вплив кількості вхідних даних на кілька показників продуктивності, включаючи точність, конвергенцію та узагальнення моделі. Висновки показують, що збільшення кількості вхідних даних загалом покращує продуктивність моделі до точки насичення, після якої подальше збільшення не призводить до значних покращень і навіть може призвести до переобладнання. Дослідження пропонує кілька стратегій для визначення цієї точки насичення та пом’якшення наслідків переобладнання. Результати, отримані в результаті цього дослідження, можуть допомогти в розробці більш ефективних моделей розпізнавання супутникових зображень.Item Сучасні тенденції в обробці аерокосмічних зображень та розпізнаванні образів(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2023) Міщенко, Максим Станіславович; Сокол, Олександр; Гнатушенко, Вікторія ВолодимирівнаUKR: Ця стаття спрямована на аналіз сучасних тенденцій в обробці та розпізнаванні аерокосмічних зображень. Такі зображення є важливим джерелом інформації для різних галузей промисловості, таких як військова та цивільна картографії, сільське господарство та екологія. Процес обробки та аналізу великомасштабних аерокосмічних зображень вимагає значних витрат часу та ресурсів, тому виникає потреба у використанні сучасних методів машинного навчання та обробки зображень. У цьому документі описано різні методи обробки аерокосмічних зображень, такі як лінійна фільтрація, аналіз незалежних компонентів, зіставлення шаблонів і генеративні змагальні мережі. Використання сучасних методів обробки та розпізнавання образів аерокосмічних зображень є важливим кроком у підвищенні ефективності та точності аналізу великомасштабних зображень, що може бути корисним для різних галузей промисловості, які використовують аерокосмічні зображення.Item Інтелектуальний аналіз даних з використанням WEKA Explorer(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2023) Гнатушенко, Вікторія Володимирівна; Дейнека, Богдан М.UKR: Досліджено питання інтелектуального аналізу даних, описано недоліки та переваги використання WEKA Explorer.