EIRNUZP – Електронний інституційний репозитарій Національного університету «Запорізька політехніка»
Інституційний репозитарій Національного університету «Запорізька політехніка» – це електронний архів, що накопичує, систематизує, зберігає та забезпечує довготривалий відкритий доступ до електронних публікацій та електронних версій документів наукового та навчально-методичного призначення, авторами яких є співробітники, аспіранти, докторанти та студенти Національного університету «Запорізька політехніка».
Communities in DSpace
Select a community to browse its collections.
Recent Submissions
Дослідження та моделювання методів віртуалізації квантових ресурсів для підвищення безпеки інформаційних систем
(Національний університет «Запорізька політехніка», 2025) Кривошеєв, Денис, Миколайович; Kryvosheiev, Denys
UK: В роботі розглянуто дослідження та особливості моделювання квантового гіпервізору для підвищення безпеки інформаційних систем
EN: The paper discusses research and features of modeling a quantum hypervisor to improve the security of information systems
Видобування знань на основі дерев розв’язків та стохастичного пошуку
(Національний університет "Запорізька політехніка", 2014) Олійник, Андрій Олександрович; Oliinyk, A.
UK: Вирішено завдання розробки математичного забезпечення для автоматизації видобування набору знань у вигляді продукційних правил з навчальних вибірок даних. Об’єктом дослідження є процес побудови моделей неруйнівного контролю якості. Предмет дослідження становлять методи видобування продукційних правил для синтезу моделей контролю якості. Мета роботи: підвищити ефективність процесу виявлення продукційних правил для побудови моделей контролю якості на основі навчальних вибірок. Запропоновано стохастичний метод синтезу дерев розв’язків, який використовує інформацію про інформативність ознак, складність синтезованого дерева, а також точність його розпізнавання, що дозволяє на початковому етапі формувати множину деревовидних структур, що характеризуються простою ієрархією і невисокою помилкою розпізнавання, в процесі пошуку створювати нові множини рішень з урахуванням інформації про значущість ознак та інтерпретабельність створюваних дерев, що, у свою чергу, забезпечує можливість побудови дерев розв’язків з невеликою кількістю елементів (вузлів та зв’язків між ними) і прийнятною точністю розпізнавання, а також видобування на його основі найбільш цінних екземплярів. Розроблено програмне забезпечення, що реалізує запропонований метод. Проведено експерименти з дослідження властивостей запропонованого методу. Результати експериментів дозволяють рекомендувати запропонований метод для використання на практиці.
EN: The problem of mathematical support development is solved to automate the extraction knowledge as production rules from the training data samples. The object of study is the process of constructing models of non-destructive quality control. The subject of study are methods of production rules extraction for synthesis of quality control models. The purpose of the work is to improve the efficiency of the process of production rules extraction for constructing models of quality control based on training samples. The stochastic method for the decision trees synthesis is proposed, which uses information about the informativeness of features, the complexity of the synthesized tree, as well as the accuracy of its recognition, which allows to form on the initial stage a set of tree structures, characterized by a simple hierarchy and low error recognition, in the process of search to create a new set of solutions with taking into account information about the significance of the features and interpretability of generated trees, which, in turn, provides the possibility of constructing a decision tree with a small number of elements (nodes and branches between them), and an acceptable recognition accuracy and retrieval based on it the most valuable instances. The software implementing proposed method is developed. The experiments to study the properties of the proposed method are conducted. The experimental results allow to recommend the proposed method for use in practice.
Дослідження методів аналізу мережевого трафіку та проєктування системи виявлення загроз у реальному часі
(Національний університет «Запорізька політехніка», 2025) Іноземцев, Андрій Євгенович; Inosemtsev, Andriy Evgenievich
UK: «Дослідження методів аналізу мережевого трафіку та проєктування системи виявлення загроз у реальному часі»
EN: «Research on methods of network traffic analysis and design of a real-time threat detection system»
Архитектуры и алгоритмы функционирования нейронных сетей Хемминга и Хебба, способных дообучаться и распознавать новую информацию
(Національний університет "Запорізька політехніка", 2014) Дмитриенко, В. Д.; Заковоротный, А. Ю.; Дмитрієнко, В. Д.; Заковоротний, О. Ю.; Dmitrienko, V. D.; Zakovorotniy, A. Yu.
RU: Решена задача дообучения классических дискретных нейронных сетей Хемминга и Хебба без потерь запомненной ранее информации. Объектом исследования являются процессы распознавания и классификации образов в системах, построенных на основе искусственных нейронных сетей. Предметом исследования являются архитектуры и алгоритмы функционирования искусственных нейронных сетей. Цель работы: разработка стабильно-пластичных нейронных сетей Хемминга и Хебба. Разработаны архитектуры и алгоритмы функционирования дискретных стабильно-пластичных нейронных сетей Хемминга и Хебба, которые не только могут дообучаться в процессе функционирования, но и распознавать новую информацию. Новые сети могут стать альтернативой дискретным нейронным сетям адаптивной резонансной теории. Разработанный подход по дообучению может быть обобщен и на другие нейронные сети. Проведены экспериментальные исследования разработанных алгоритмов функционирования искусственных нейронных сетей. Результаты экспериментов подтверждают правильность предложенного подхода.
UK: Вирішена задача донавчання класичних дискретних нейронних мереж Хеммінга та Хебба без втрат інформації, що вже була запам’ятована. Об’єктом дослідження є процеси розпізнавання та класифікації образів в системах, що побудовані на основі штучних нейронних мереж. Предметом дослідження є архітектури та алгоритми функціонування штучних нейронних мереж. Мета роботи: розробка стабільно-пластичних нейронних мереж Хеммінга та Хебба. Розроблені архітектури та алгоритми функціонування дискретних стабільно-пластичних нейронних мереж Хеммінга та Хебба, які не тільки можуть донавчатися в процесі функціонування, а й розпізнавати нову інформацію. Нові мережі можуть стати альтернативою дискретним нейронним мережам адаптивної резонансної теорії. Розроблений підхід по донавчанню може бути узагальнений й на інші нейронні мережі. Проведено експериментальні дослідження розроблених алгоритмів функціонування штучних нейронних мереж. Результати експериментів підтверджують правильність запропонованого підходу.
EN: The problem of the classical discrete neural networks Hamming and Hebb lossless previously stored information additional training. The object of research is the process of recognition and classification of images on systems that are based on artificial neural networks. The subject of research is the architecture and algorithms of artificial neural networks. Objective: To develop a stable and plastic neural networks Hamming and Hebb. The architecture and algorithms of discrete stable and plastic neural networks Hamming and Hebb, which not only can be trained during functioning, but also to recognize the new information. New networks can be an alternative to discrete neural network adaptive resonance theory. The developed approach for training can be generalized to other neural networks. Experimental investigations of the functioning of the developed algorithms of artificial neural networks. The experimental results confirm the validity of the proposed approach.
Енергоефективні мікросистеми живлення
(Національний університет «Запорізька політехніка», 2025) Ігнатов, Антон Андрійовіч; Ihnatov, Anton
UK: Метою роботи є аналіз систем живлення IoT-сенсорів у контексті кіберфізичних систем та розробка математичної моделі DC–DC перетворювача типу FSBB. Об’єктом дослідження є автономні системи живлення сенсорних вузлів, предметом режими роботи чотириключового buck–boost перетворювача. У роботі узагальнено вимоги до систем живлення IoT-сенсорів і підтверджено адекватність розробленої моделі за результатами комп’ютерного моделювання.
EN: The purpose of this work is to analyze power supply systems for IoT sensors in the context of cyber-physical systems and to develop a mathematical model of a DC–DC FSBB converter. The object of the study is autonomous power supply systems for sensor nodes, and the subject is the operating modes of a four-switch buck–boost converter. The adequacy of the developed model is confirmed by simulation results.