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
StudPOL №36 (78)
(Національний університет «Запорізька політехніка», 2025) Кафедра журналістики
UK: Студентська газета кафедри журналістики
EN: Students newspaper of Journalism Department
Synthesis of VHDL-model of a finite state machine with datapath of transitions
(Національний університет "Запорізька політехніка", 2023) Barkalov, A. A.; Titarenko, L. A.; Babakov, R. M.; Баркалов, О. О.; Тітаренко, Л. О.; Бабаков, Р. М.
EN: Context. The problem of building a program model of a finite state machine with datapath of transitions using VHDL language is considered. The model synthesis process is identified with the synthesis of this type of finite state machine, since the built model can be used both for the analysis of the device’s behavior and for the synthesis of its logic circuit in the FPGA basis. The object of the research is the automated synthesis of the logic circuit of the finite state machine with the datapath of transitions, based on the results of which numerical characteristics of the hardware expenses for the implementation of the state machine circuit can be obtained. This makes it possible to evaluate the effectiveness of using this structure of the finite state machine when implementing a given control algorithm.
Objective. Development and research of a VHDL model of a finite state machine with datapath of transitions for the analysis of the behavior of the state machine and the quantitative assessment of hardware expenses in its logic circuit.
Method. The research is based on the structural diagram of a finite state machine with datapath of transitions. The synthesis of individual blocks of the structure of the state machine is carried out according to a certain procedure by the given graph-scheme of the con-trol algorithm. It is proposed to present the result of the synthesis in the form of a VHDL description based on the fixed values of the states codes of the state machine. The process of synthesizing the datapath of transitions, the block of formation of codes of transitions operations and the block of formation of microoperations is demonstrated. VHDL description of that blocks is carried out in a synthesizable style, which allows synthesis of the logic circuit of the finite state machine based on FPGA with the help of modern CAD and obtaining numerical characteristics of the circuit, in particular, the value of hardware expenses. To analyze the correctness of the synthesized circuit, the process of developing the behavioral component of the VHDL model, the function of which is the generation of input signals of the finite state machine, is considered. The classical combination of the synthesizable and behavioral parts of the model allows presenting the results of the synthesis of a finite state machine with datapath of transitions as a separate project that can be used as a structural component of the designed digital system.
Results. Using the example of an abstract graph-scheme of the control algorithm, a VHDL model of a finite state machine with datapath of transitions was developed. With the help of CAD AMD Vivado, a synthesis of the developed model was carried out and behavioral modeling of the operation of the finite state machine circuit was carried out. The results of the circuit synthesis made it possible to obtain the value of hardware expenses when implementing the circuit in the FPGA basis. According to the results of behavioral modeling, time diagrams were obtained, which testify to the correctness of the implementation of the functions of transitions and outputs of the synthesized state machine.
Conclusions. In traditional VHDL models of finite state machines, the states do not contain specific codes and are identified using literals. This allows CAD to encode states at its own discretion. However, this approach is not suitable for describing a finite state machine with datapath of transitions. The transformation of states codes using a set of arithmetic and logic operations requires the use of fixed values of states codes, which determines the specifics of the VHDL model proposed in this paper. This and similar models can be used, in particular, in the study of the effectiveness of a finite state machine according to the criterion of hardware expenses in the device circuit.
UK: Актуальність. Розглянуто задачу побудови програмної моделі мікропрограмного автомата з операційним автоматом переходів мовою VHDL. Процес синтезу моделі ототожнюється із синтезом даного типу автомата, оскільки побудована модель може бути використана як для аналізу поведінки пристрою, так і для синтезу логічної схеми в базисі FPGA. Об’єктом дослідження є автоматизований синтез логічної схеми мікропрограмного автомата з операційним автоматом переходів, за результатами якого можуть бути отримані чисельні характеристики апаратурних витрат на реалізацію схеми автомата. Це дозволяє оцінити ефективність використання даної структури мікропрограмного автомата при реалізації заданого алгоритму керування.
Мета. Розробка і дослідження VHDL-моделі мікропрограмного автомата з операційним автоматом переходів для аналізу поведінки автомата та кількісної оцінки апаратурних витрат в його логічній схемі.
Метод. В основу дослідження покладено структурну схему мікропрограмного автомата з операційним автоматом переходів. Синтез окремих блоків структури автомата здійснюється за певною процедурою відповідно до заданої граф-схеми алгоритму керування. Результат синтезу запропоновано представляти у вигляді VHDL-опису, що оснований на фіксованих значеннях кодів станів автомата. Продемонстрований процес синтезу операційного автомата переходів, блоку формування кодів операцій переходів та блоку формування мікрооперацій. VHDL-опис даних блоків здійснюється у синтезованому стилі, що дозволяє провести синтез логічної схеми автомата в базисі FPGA за допомогою сучасних САПР та отримати числові характеристики схеми, зокрема значення апаратурних витрат. Для аналізу коректності роботи синтезованої схеми розглянуто процес розробки поведінкової складової VHDL-моделі, функцією якої є генерація вхідних сигналів автомата. Класичне поєднання синтезованої та поведінкової частин моделі дозволяє представити результати синтезу мікропрограмного автомата з операційним автоматом переходів як окремий проєкт, що може бути використаний в якості структурної складової проєктованої цифрової системи.
Результати. На прикладі абстрактної граф-схеми алгоритму керування розроблено VHDL-модель мікропрограмного автомата з операційним автоматом переходів. За допомогою САПР AMD Vivado проведено синтез розробленої моделі та проведене поведінкове моделювання роботи схеми автомата. Результати синтезу схеми дозволили отримати значення апаратурних витрат при реалізації схеми в базисі FPGA. За результатами поведінкового моделювання отримані диаграми часу, які свідчать про коректність реалізації функцій переходів та виходів синтезованого автомата.
Висновки. У традицйних VHDL-моделях кінцевих автоматів стани не містять конкретних кодів і ідентифікуються за допомогою літералів. Це дозволяє САПР проводити кодування станів на власний розсуд. Однак такий підхід не підходить для опису мікропрограмного автомата з операційним автоматом переходів. Перетворення кодів станів за допомогою множини арифметико-логічних операцій вимагає використання фіксованих значень кодів станів, що визначає специфіку VHDL-моделі, запропонованої в даній роботі. Дана і подібні моделі можуть бути використані, зокрема, при дослідженні ефективності мікропрграмного автомата за критерієм апаратурних витрат в схемі пристрою.
RCF-ST: richer convolutional features network with structural tuning for the edge detection on natural images
(Національний університет "Запорізька політехніка", 2023) Polyakova, M. V.; Полякова, М. В.
EN: Context. The problem of automating of the edge detection on natural images in intelligent systems is considered. The subject of the research is the deep learning convolutional neural networks for edge detection on natural images.
Objective. The objective of the research is to improve the edge detection performance of natural images by structural tuning the richer convolutional features network architecture.
Method. In general, the edge detection performance is influenced by a neural network architecture. To automate the design of the network structure in the paper a structural tuning of a neural network is applied. Computational costs of a structural tuning are incomparably less compared with neural architecture search, but a higher qualification of the researcher is required, and the resulting solution will be suboptimal. In this research it is successively applied first a destructive approach and then a constructive approach to structural tuning of the based architecture of the RCF neural network. The constructive approach starts with a simple architecture network. Hidden layers, nodes, and connections are added to expand the network. The destructive approach starts with a complex architecture network. Hidden layers, nodes, and connections are then deleted to contract the network. The structural tuning of the richer convolutional features network includes: (1) reducing the number of convolutional layers; (2) reducing the number of convolutions in convolutional layers; (3) removing at each stage the sigmoid activation function with subsequent calculation of the loss function; (4) addition of the batch normalization layers after convolutional layers; (5) including the ReLU activation functions after the added batch normalization layers. The obtained neural network is named RCF-ST. The initial color images were scaled to the specified size and then inputted in the neural network. The advisability of each of the proposed stages of network structural tuning was reseached by estimating the edge detection performance using the confusion matrix elements and Figure of Merit. The advisability of a structural tuning of the neural network as a whole was estimated by comparing it with methods known from the literature using the Optimal Dataset Scale and Optimal Image Scale.
Results. The proposed convolutional neural network has been implemented in software and researched for solving the problem of edge detection on natural images. The structural tuning technique may be used for informed design of the neural network architectures for other artificial intelligence problems.
Conclusions. The obtained RCF-ST network allows to improve the performance of edge detection on natural images. RCF-ST network is characterized by a significantly fewer parameters compared to the RCF network, which makes it possible to reduce the resource consumption of the network. Besides, RCF-ST network ensures the enhancing of the robustness of edge detection on texture background.
UK: Актуальність. Розглянуто проблему автоматизації виділення контурів на зображеннях реальних сцен в інтелектуальних системах. Предметом дослідження є згорткові нейронні мережі глибокого навчання для виділення контурів на зображеннях реальних сцен. Метою дослідження є підвищення якості виділення контурів на зображеннях реальних сцен шляхом структурного налаштування архітектури нейронної мережі з насиченішими згортковими ознаками.
Метод. Для автоматизації проектування архітектури нейронної мережи, що впливає на якість виділення контурів зображень, в роботі застосовано структурне налаштування. Обчислювальні витрати на структурне налаштування незрівнянно менші порівняно з пошуком нейронної архітектури, але потрібна більш висока кваліфікація дослідника, і отримане рішення буде субоптимальним. У цьому дослідженні послідовно застосовано спочатку деструктивний, а потім конструктивний підхід до структурного налаштування архітектури базової нейронної мережі RCF. Згідно конструктивному підходу для розширення мережі простої архітектури додаються приховані шари, вузли та з’єднання. Деструктивний підхід з мережі складної архітектури видаляє приховані шари, вузли та з’єднання щоб спростити мережу. Структурне налаштування нейронної мережі RCF з насиченішими згортковими ознаками включає: (1) зменшення кількості згорткових шарів; (2) зменшення кількості згорток у згорткових шарах; (3) видалення на кожному етапі сигмоїдної функції активації з подальшим обчисленням функції втрат; (4) додавання шарів пакетної нормалізації після згорткових шарів; (5) додавання функції активації ReLU після шарів пакетної нормалізації. Отримана нейронна мережа RCF-ST потребує масштабування початкових кольорових зображень до заданого розміру перед поданням на вхід мережі. Доцільність кожного із запропонованих етапів структурного налаштування мережі досліджувано шляхом оцінки якості виділення контурів за допомогою елементів матриці помилок та критерія Претта. Доцільність структурного налаштування нейронної мережі в цілому оцінено шляхом її порівняння з відомими з літератури методами за допомогою Optimal Dataset Scale та Optimal Image Scale.
Результати. Запропоновану згорткову нейронну мережу програмно реалізовано та досліджено для розв’язання завдання виділення контурів на зображеннях реальних сцен. Запропоновані етапи структурного налаштування можна використовувати під час обґрунтованого проектування архітектури нейронної мережі для розв’язання інших завдань штучного інтелекту.
Висновки. Отримана мережа RCF-ST дозволяє підвищити якість виділення контурів на зображеннях. Мережа RCF-ST характеризується значно меншою кількістю параметрів у порівнянні з мережею RCF, що дозволяє знизити ресурсоспоживання мережі. Крім того, мережа RCF-ST забезпечує підвищення завадостiйкості видiлення контурiв на фоні текстури.
Parallel and distributed computing technologies for autonomous vehicle navigation
(Національний університет "Запорізька політехніка", 2023) Mochurad, L. I.; Mamchur, M. V.; Мочурад, Л. І.; Мамчур, М. В.
EN: Context. Autonomous vehicles are becoming increasingly popular, and one of the important modern challenges in their development is ensuring their effective navigation in space and movement within designated lanes. This paper examines a method of spatial orientation for vehicles using computer vision and artificial neural networks. The research focused on the navigation system of an autonomous vehicle, which incorporates the use of modern distributed and parallel computing technologies.
Objective. The aim of this work is to enhance modern autonomous vehicle navigation algorithms through parallel training of artificial neural networks and to determine the optimal combination of technologies and nodes of devices to increase speed and enable real-time decision-making capabilities in spatial navigation for autonomous vehicles.
Method. The research establishes that the utilization of computer vision and neural networks for road lane segmentation proves to be an effective method for spatial orientation of autonomous vehicles. For multi-core computing systems, the application of parallel programming technology, OpenMP, for neural network training on processors with varying numbers of parallel threads increases the algorithm’s execution speed. However, the use of CUDA technology for neural network training on a graphics processing unit significantly enhances prediction speeds compared to OpenMP. Additionally, the feasibility of employing PyTorch Distributed Data Parallel (DDP) technology for training the neural network across multiple graphics processing units (nodes) simultaneously was explored. This approach further improved prediction execution times compared to using a single graphics processing unit.
Results. An algorithm for training and prediction of an artificial neural network was developed using two independent nodes, each equipped with separate graphics processing units, and their synchronization for exchanging training results after each epoch, employing PyTorch Distributed Data Parallel (DDP) technology. This approach allows for scalable computations across a higher number of resources, significantly expediting the model training process.
Conclusions. The conducted experiments have affirmed the effectiveness of the proposed algorithm, warranting the recommendation of this research for further advancement in autonomous vehicles and enhancement of their navigational capabilities. Notably, the research outcomes can find applications in various domains, encompassing automotive manufacturing, logistics, and urban transportation infrastructure. The obtained results are expected to assist future researchers in understanding the most efficient hardware and software resources to employ for implementing AI-based navigation systems in autonomous vehicles. Prospects for future investigations may encompass refining the accuracy of the proposed parallel algorithm without compromising its efficiency metrics. Furthermore, there is potential for experimental exploration of the proposed algorithm in more intricate practical scenarios of diverse nature and dimensions.
UK: Актуальність. Автономні автомобілі стають все більш популярними і одним з важливих сучасних завдань розробки таких автомобілів є забезпечення ефективної навігації останніх у просторі та їх руху у своїй виділеній проїзній смузі. У даній роботі розглянуто метод орієнтування у просторі автомобіля за допомогою комп’ютерного зору та штучних нейронних мереж. Об’єктом дослідження була система навігації автономного автомобіля, що включає в себе використання сучасних технологій розподілених та паралельних обчислень.
Мета роботи – вдосконалення сучасних алгоритмів навігації автономного автомобіля у просторі на основі паралельного навчання штучних нейронних мереж та визначення найоптимальнішої комбінації технологій та пристроїв для збільшення швидкості та можливості отримання рішення в режимі реального часу.
Метод. У роботі встановлено, що використання комп’ютерного зору та нейронних мереж для сегментації смуги дорожнього руху є ефективним методом орієнтації автономного автомобіля у просторі. При цьому для багатоядерних обчислювальних систем застосування технології паралельного програмування OpenMP для тренування нейронної мережі на процесорі з різним числом паралельних потоків збільшує швидкість виконання алгоритму. Проте використання технології CUDA для навчання нейронної мережі на відеопроцесорі дозволило значно збільшити швидкість передбачень в порівнянні з OpenMP. Також досліджено можливість використання технології PyTorch DDP для навчання нейронної мережі на декількох відеопроцесорах (вузлах) одночасно, що , в свою чергу, ще більш покращило час виконання передбачень в порівнянні з використанням одного відеопроцесора.
Результати. Розроблено алгоритм навчання та передбачення штучної нейронної мережі на двох незалежних вузлах з окремими відеопроцесорами та їх синхронізацією задля обміну результатами навчання після кожної епохи із використанням технології PyTorch DDP, що дозволяє масштабувати розрахунки при наявності більшої кількості потужностей і значно пришвидшити навчання моделі.
Висновки. Проведені експерименти підтвердили ефективність запропонованого алгоритму і дозволяють рекомендувати дане дослідження для подальшого розвитку автономних автомобілів та покращення їх навігаційних можливостей. Зокрема результати дослідження можуть знайти застосування у різних сферах, включаючи автомобільну транспортну промисловість, логістику та транспортну інфраструктуру міст. Отримані результати повинні допомогти наступним дослідникам зрозуміти, які апаратні та програмні засоби найефективніше використовувати для реалізації навігаційних систем на основі штучного інтелекту в автономних автомобілях. Перспективами подальших досліджень може бути покращення точності запропонованого паралельного алгоритму не погіршуючи показників ефективності, а також експериментальне дослідження запропонованого алгоритму на більш складних практичних задачах різної природи та розмірності.
Method for agent-oriented traffic prediction under data and resource constraints
(Національний університет "Запорізька політехніка", 2023) Lovkin, V. M.; Subbotin, S. A.; Oliinyk, A. O.; Льовкін, Валерій Миколайович; Субботін, Сергій Олександрович; Олійник, Андрій Олександрович
EN: Context. Problem of traffic prediction in a city is closely connected to the tasks of transportations in a city as well as air pollution detection in a city. Modern prediction models have redundant complexity when used for separate stations, require large number of measuring stations, long measurement period when predictions are made hourly. Therefore, there is a lack of method to overcome these constraints. The object of the study is a city traffic.
Objective. The objective of the study is to develop a method for traffic prediction, providing models for traffic quantification at measuring stations in the future under data and resource constraints.
Method. The method for agent-oriented traffic prediction under data and resource constraints was proposed in the paper. This method uses biLSTM models with input features, including traffic data obtained from agent, representing target station, and other agents, representing informative city stations. These agents are selected by ensembles of decision trees using Random Forest method. Input time period length is proposed to set using autocorrelation data.
Results. Experimental investigation was conducted on traffic data taken in Madrid from 59 measuring stations. Models created by the proposed method had higher prediction accuracy with lower values of MSE, MAE, RMSE and higher informativeness compared to base LSTM models.
Conclusions. Obtained models as study results have optimal number of input features compared to the known models, do not require complete system of city stations for all roads. It enables to apply these models under city traffic data and resource constraints. The proposed solutions provide high informativeness of obtained models with practically applicable accuracy level.
UK: Актуальність. Проблема прогнозування автомобільного трафіку в місті пов’язана з розв’язанням одночасно і завдань переміщення в місті, і визначення забрудненості повітря в місті. Сучасні моделі прогнозування мають надмірну складність при використанні для окремих станцій, потребують великої кількості станцій спостереження, тривалого періоду спостереження зокрема у випадку погодинного прогнозування. Тому існує потреба в створенні відповідного метода, який дозволить подолати ці обмеження. Об’єктом роботи є автомобільний трафік у місті.
Мета роботи – розробити метод прогнозування автомобільного трафіку, який дозволить створити моделі для визначення трафіку за станціями у майбутньому в умовах обмеженості даних та ресурсів.
Метод. У статті запропоновано метод агентно-орієнтованого прогнозування автомобільного трафіку в умовах обмеженості наявних даних і обчислювальних ресурсів. Даний метод ґрунтується на використанні двонаправлених LSTM моделей з вхідними ознаками, якими є дані, отримані від агента, що відповідає станції прогнозування, та від агентів, що представляють інші інформативні станції у місті, які обираються на основі використання ансамблів дерев рішень за допомогою методу Random Forest. Довжина вхідного часового інтервалу в методі обирається на основі даних автокореляції.
Результати. Експериментальне дослідження проводилося на основі даних про трафік у місті Мадрид, використовуючи дані, зібрані за 59 станціями спостереження. У результаті застосування створених на основі запропонованого методу моделей було отримано підвищену точність прогнозування, яку було підтверджено зменшенням значень MSE, MAE, RMSE, та підвищену інформативність порівняно з базовими LSTM-моделями.
Висновки. Отримані в результаті проведеного дослідження моделі відрізняються оптимальною кількістю вхідних ознак порівняно з відомими, не потребують використання цілісної системи станцій у місті на всіх автомобільних дорогах. Це дозволяє використовувати дані моделі в умовах обмеження ресурсів та обмеженої доступності даних про трафік у місті. При цьому забезпечується достатньо висока інформативність створених моделей з придатним для застосування на практиці рівнем точності прогнозування.