http://biblio.umsf.dp.ua/xmlui/handle/123456789/6619 правонаступник наукового збірника "Вісник Академії митної служби України. Серія: "Технічні науки" Tue, 07 Apr 2026 08:42:27 GMT 2026-04-07T08:42:27Z http://biblio.umsf.dp.ua/xmlui/handle/123456789/6637 Название: Метод оптимізації роботизованої транспортної системи портової переробки вантажопотоку Авторы: Пасічник, А. М.; Худа, Ж. В.; Циба, В. В. Аннотация: Стаття присвячена розробці методу структурної оптимізації функціонування транспортної системи робо-тизованих транспортних засобів переробки контейнерів та вантажів в порту на основі модифікації методу гілок і границь.Актуальність даної статті обумовлена тим, що близько половини обсягів всіх міжнародних перевезень здійсню-ються морським транспортом, а продуктивність їх переробки в портах з урахуванням митного оформлення і контр-олю напряму залежить від ефективності функціонування портових транспортних систем. Однією із найбільш ефек-тивних технологій побудови таких транспортних систем є застосування роботизованих транспортних засобів, які забезпечують перевезення контейнерів і вантажів за технологічними маршрутами в неперервному режимі з мож-ливістю динамічного сканування та виявлення товарів заборонених до перевезення. Тому розробка і удосконалення методів оптимізації роботизованих транспортних систем портової переробки вантажів є достатньо актуальною прикладною проблемою. Метою даної статті є розробка алгоритму структурної оптимізації роботизованої транспортної системи забезпечення перевезень вантажів і контейнерів технологічними маршрутами при їх портовій переробці на основі модифікації методу гілок та границь. У відповідності із запропонованим підходом в якості критерія оптимізації використовується функція мінімізації витрат на формування структури та функціонування елементів транспортної системи. В процесі пошуку оптималь-ного варіанту структури транспортної системи застосовується метод гілок і границь в якому для розбиття поточної множини розв’язків задачі на підмножини розгалуження використовується принцип можливих варіантів. Для підмно-жин розгалуження обчислюються нижні оцінки значень цільової функції вибору оптимальної моделі. В якості умови виключення неефективних варіантів і припинення розгалуження для задачі структурної оптимізації визначено умову забезпечення максимально можливої продуктивності перевезень обраними робокарами, що мають меншу вартість. За результатами проведених досліджень встановлено, що розроблений алгоритм дозволяє визначити опти-мальну структуру роботизованої транспортної системи, яка за умови її мінімальної вартості забезпечує максимально можливу продуктивність переробки вантажів і контейнерів в порту. При цьому запропонований підхід допускає уза-гальнення для випадку побудови оптимальної структури транспортної системи з максимальною продуктивністю та мінімально можливою вартістю. Thu, 15 Aug 2024 00:00:00 GMT http://biblio.umsf.dp.ua/xmlui/handle/123456789/6637 2024-08-15T00:00:00Z http://biblio.umsf.dp.ua/xmlui/handle/123456789/6636 Название: Проектування інформаційної системи з можливістю голосового управління Авторы: Безверхий, О. І.; Александренко, Д. О.; Луц, В. Є. Аннотация: Робота присвячена створенню інформаційної системи розпізнавання голосових команд на основі штучних нейронних мереж. З розвитком комп'ютерних систем стає все більш очевидним, що використання систем роз-пізнавання мови набагато розшириться, якщо стане можливим використання людської мови при роботі безпо-середньо з комп’ютером, і зокрема стане можливим управління машиною звичайним голосом в реальному часі, а також введення і виведення інформації у вигляді звичайної людської мови. Одним з перспективних способів орга-нізації людино-машинного взаємодії є передача комп’ютерній системі інструкцій користувача в форматі мовних команд. Голосовий інтерфейс є необхідним компонентом, коли мова йде про створення комфортних умов життя для людей з обмеженими можливостями. В роботі визначено підходи до виділення інформативних ознак, що опи-сують мовний сигнал: метод лінійного передбачення та спектральний аналіз, розглянуто структуру нейронної мережі із одним зворотнім зв’язком і встановлено, що навчання нейронної мережі здійснюється шляхом послі-довного пред’явлення навчальної вибірки, з одночасним налаштуванням ваг відповідно до певної процедури, поки помилка налаштування по всій множині не досягне прийнятного низького рівня. Цінність одержаних результатів полягає в вдосконаленні нового методу розпізнавання мовлення, який краще адаптується до мовлення користу-вача, що потребує мінімум ресурсів і створенні інформаційної системи з можливістю голосового управління за допомогою пристроїв на базі різних операційних систем. На основі такого підходу спроектовано інформаційний кросплатформенний додаток з голосовим інтерфейсом. Thu, 15 Aug 2024 00:00:00 GMT http://biblio.umsf.dp.ua/xmlui/handle/123456789/6636 2024-08-15T00:00:00Z http://biblio.umsf.dp.ua/xmlui/handle/123456789/6635 Название: Алгоритм класифікації медичних даних для прогнозування онкології Авторы: Бойко, Н. І.; Курило, В. Аннотация: У даній роботі наведено результати досліджень застосування Логістичної регресії та Дерева рішень з викори-стання алгоритму PCA в задачі виявлення та прогнозуванні онкології. Було проаналізовано проблему та актуальність даного дослідження. Проаналізовано різноманітні літературні джерела та методи машинного навчання. Проведений детальний аналіз обраних методів, а також розглянути їх математичні моделі. Було проведено тренування відповідних моделей та ряд експериментів для обрання найкращих параметрів на обраних двох наборах даних, які були детально проаналізовані в даній роботі. Наведено результати точності моделей та побудовані відповідні метрики, такі як Classification report, Confusion Matrix, Roc-curve. Також були проведені експерименти для покращення точності моде-лей з використання алгоритму PCA. В результаті були отримані набагато кращі результати у випадку з другим набо-ром даних, але з першим покращити точність не вдалося. Після проведення експериментальної частини було детально проаналізовано отримані результати та наведені відповідні гістограми для кожного з наборів даних з отриманими результатами. Дане дослідження доводить, що алгоритм PCA краще використовувати, тоді коли наявний набір даних з великою кількістю ознак. В результаті дослідження були отримані хороші результати у задачі виявлення та про-гнозування онкології та наведено цінність даного дослідження з описаними висновками. В роботі проводиться оцінка результатів за допомогою різних метрик, таких як точність та чутливість, і результати порівнюються з іншими методами аналізу та класифікації. Доведено, що ці методи можуть вдосконалити процес діагностики онкології, спри-яти зменшенню помилкових класифікацій та сприяти ранньому виявленню хвороби Thu, 15 Aug 2024 00:00:00 GMT http://biblio.umsf.dp.ua/xmlui/handle/123456789/6635 2024-08-15T00:00:00Z http://biblio.umsf.dp.ua/xmlui/handle/123456789/6634 Название: Оцінювання щільності розподілу: три основні підходи Авторы: Бойко, Н. І.; Чорнобай, Д. С. Аннотация: У роботі було проведено детальний аналіз трьох основних підходів до оцінювання щільності розподілу даних: непараметричного, параметричного та напівпараметричного. Результати цього порівняння вказують на те, що ефективність кожного методу залежить від конкретного контексту та особливостей вхідних даних. Дослідження включало аналіз методів та середовища, що використовуються для оцінювання щільності розподілу. Важливим ета-пом було визначення набору вхідних даних, який використовується для порівняння методів. Це може включати в себе вибір конкретного датасету та встановлення параметрів, які впливають на результати дослідження. Для прове-дення порівняльного аналізу було реалізовано тренування та побудовано моделі для оцінювання щільності розподілу з використанням кожного з обраних підходів. Використані бібліотеки, такі як seaborn, numpy, pandas, matplotlib.pyplot, sklearn.datasets, sklearn.model_selection, scipy.stats, надали необхідні інструменти для ефективної реалізації та візуалізації результатів. Аналіз включав обчислення середньої щільності та квадратичної помилки для кожного виду ірисів на обраних даних. Це дозволило визначити ефективність кожного методу для конкретного класу даних та вибрати оптимальний підхід. В дослідженні було враховано важливі аспекти, такі як статистична значущість отриманих результатів та стійкість методів до випадкових аномалій чи викидів у даних. Розглядані підходи до оці-нювання щільності розподілу також піддавалися перевірці на різних сценаріях, включаючи випадки з нерівномірним розподілом даних, асиметричні розподіли та наявність великої кількості аномалій. Дослідження також зосереджу-валося на порівнянні різних метрик якості моделі, таких як середня квадратична помилка. Це дозволяє визначити, наскільки точно кожен метод відтворює реальний розподіл даних та визначає його адекватність для конкретного застосування. Основним висновком дослідження є те, що щільність розподілу даних суттєво залежить від набору даних, особливостей текстів, підходу оцінювання та використаних методів обробки даних. Отже, рекомендації щодо вибору методів та підходів до оцінювання щільності повинні бути адаптовані до конкретної задачі та кон-тексту застосування. Thu, 15 Aug 2024 00:00:00 GMT http://biblio.umsf.dp.ua/xmlui/handle/123456789/6634 2024-08-15T00:00:00Z