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
Neural network diagnostics of aircraft parts based on the results of operational processes
(Національний університет "Запорізька політехніка", 2022) Leoshchenko, S. D.; Pukhalska, H. V.; Subbotin, S. A.; Oliinyk, A. O.; Gofman, Ye. O.; Леощенко, Сергій Дмитрович; Пухальська, Гульнара Вікторівна; Субботін Сергій Олександрович; Олійник, Андрій Олександрович; Гофман, Євген Олександрович
EN: Context. The problem of synthesis of an optimal neural network model for diagnostics of aircraft parts after operational processes is considered. The object of the study is the process of synthesis of neural network diagnostic models for aircraft parts based on the results of operational processes
Objective is to synthesize neural network diagnostic models of aircraft parts after operational processes with a high level of accuracy.
Method. It is proposed to research the use of two approaches to the synthesis of neural network diagnostic models. So, using a system of indicators, the topology of the neural network is calculated, which will be trained using the method of Backpropagation method in the future. The second approach is based on the use of a neuroevolutionary approach, which allows for a complete synthesis of the neural network, dynamically modifying the topology of the solution in addition to the parameters. the final decisions are compared in the accuracy of work on the training and test data set. This approach will allow to determine the possibility and correctness of using neuroevolutionary methods for the synthesis of diagnostic models.
Results. Neuromodels for diagnostics of aircraft parts based on the results of operational processes have been obtained. The obtained results of comparing the methods used for synthesis made it possible to form recommendations for the implementation of neuroevolutionary methods in the synthesis of diagnostic neuromodels.
Conclusions. The results obtained during the experiments confirmed the operability of the mathematical software used and allowed us to form recommendations for further use of the considered methods in practice in order to synthesize diagnostic neuromodels. The prospects for further research may consist in expanding the input data sets in order to synthesize and study more complex topologies of neural network models.
UK: Актуальність. Розглянуто завдання синтезу оптимальної нейромережевої моделі для діагностики авіаційних деталей після експлуатаційних процесів. Об’єктом дослідження є процес синтезу нейромережевих діагностичних моделей для авіаційних деталей за результатами експлуатаційних процесів.
Мета роботи полягає в синтезі нейромережевих діагностичних моделей авіаційних деталей після експлуатаційних процесів з високим рівнем точності.
Метод. Запропоновано дослідити використання двох підходів до синтезу нейромережевих діагностичних моделей. Так використовуючи систему індикаторів, обчислюється топологія нейронної мережі, яка в подальшому буде навчена з використанням методу зворотного поширення помилки. Другий же підхід грунтується на використанні нейроеволюційного підходу, який дозволяє зробити повний синтез нейронної мережі, динамічно модифікуючи крім параметрів і топологію рішення. підсумкові рішення порівнюються в точності роботи на навчальному і тестовому наборі даних. Такий підхід дозволить визначити можливість і коректність використання нейроеволюційних методів для синтезу діагностичних моделей.
Результати. Отримано нейромоделі для діагностики авіаційних деталей за результатами експлуатаційних процесів. Отримані результати порівняння використовуваних для синтезу методів дозволили сформувати рекомендації для імплементації нейроеволюційних методів в процеси синтезу діагностичних нейромоделей.
Висновок. Отримані в ході експериментів результати підтвердили працездатність використовуваного математичного забезпечення і дозволили сформувати рекомендації для подальшого використання розглянутих методів на практиці з метою синтезу діагностичних нейромоделей. Перспективи подальших досліджень можуть полягати в розширенні вхідних наборів даних з метою синтезу і дослідження більш складних топологій нейромережевих моделей.
Технологія соціалізації особистостей за спільними інтересами на основі методів машинного навчання та SEO-технологій
(Національний університет "Запорізька політехніка", 2022) Батюк, T. M.; Висоцька, В. А.; Batiuk, T.; Vysotska, V.
UK: Актуальність. Соціалізація особистостей за спільними інтересами спричинено потребою більшості людей спростити частину життєвих моментів за рахунок зменшення часу на їх реалізацію. З швидкими темпами росту інформації, завантаженості людини в суспільстві та у зв’язку з останніми епідемічними світовими подіями людина стає ізольованою від можливості спілкуватися. А це однією із важливих потреб людської свідомості та самореалізації. Тому є актуальним попитом мати можливість отримувати рекомендований список подібних людей за спільними інтересами як результат інтелектуального пошуку множини релевантних користувачів соціальних мереж через аналіз фото людського обличчя на користувацьких фотографіях (на основі нейронних мереж) і аналіз користувацької інформації (на основі алгоритмів нечіткого пошуку та моделі Noisy Channel).
Мета – розроблення технології для соціалізації особистостей на основі SEO-технології та методу машинного навчання через використання згорткової та сіамської нейронних мереж для ідентифікації користувачів та алгоритмів аналізу тексту для підбору релевантних користувачів майбутнього спілкування.
Метод. При реалізації SEO-технологій обрано алгоритми нечіткого пошуку по словах на основі моделі Noisy Channel з алгоритмами ефективного розподілу текстової інформації. При реалізації машинного навчання розроблено згорткову нейронну мережу для ідентифікації користувачів системи.
Результати. Розроблено інтелектуальну систему соціалізації особистостей за спільними інтересами на основі SEO-технології та методи машинного навчання. Здійснено реалізацію роботи двох нейронних мереж: згорткової та сіамської, що дозволило здійснити пошук людського обличчя, на завантажуваних користувачем фотографіях і порівняти знайдене обличчя з уже наявними в базі даних/Інтернет. Це дає можливість ефективно ідентифікувати справжність користувача та гарантувати, що цього користувача на даний момент нема в базі даних, відповідно він потенційно є реальним. За допомогою алгоритмів нечіткого пошуку, алгоритму Левенштейна та моделі Noisy Channel створено алгоритм аналізу та порівняння користувацької інформації, який для поточного користувача формує список наявних користувачів системи, посортований по спаданню відсоткового співвідношення подібності користувачів та вказує, наскільки інтереси в інших користувачів збігаються з інтересами поточного користувача.
Висновки. Виявлено, що реалізований в системі алгоритм для формування вибірки користувачів є ефективнішою та точнішою приблизно на 25–30% в порівнянні зі звичайним алгоритмом Левенштейна. Також реалізований алгоритм здійснює вибірку приблизно в 10 разів швидше, ніж звичайний алгоритм Левенштейна.
EN: Context. The socialization of individuals with common interests is caused by the need of most people to simplify some of the moments of life by reducing the time for their implementation. With the rapid growth of information, the human workload in society and the recent epidemics of the world, people are becoming isolated from the opportunity to communicate. And this is one of the important needs of human consciousness and self-realization. Therefore, there is an urgent need to be able to obtain a recommended list of similar people of common interest as a result of intelligent search of many relevant users of social networks through analysis of human faces in user photos (based on neural networks) and analysis of user information based on fuzzy search algorithms and Noisy model. Channel).
Objective of the study is to develop technology for socialization of individuals based on SEO-technology and machine learning through the use of convolutional and Siamese neural networks to identify users and text analysis algorithms to select relevant users of future communication.
Method. In the implementation of SEO-technologies selected fuzzy word search algorithms based on the Noisy Channel model with algorithms for efficient distribution of textual information. During the implementation of machine learning, a convolutional neural network was developed to identify users of the system.
Results. An intelligent system of socialization of individuals by common interests based on SEO-technology and machine learning methods has been developed. The work of two neural networks was implemented: convolutional and Siamese, which allowed to search for a human face in photos uploaded by the user and compare the found face with those already available in the database / Internet. This makes it possible to effectively identify the authenticity of the user and ensure that this user is not currently in the database, so it is potentially real. Using fuzzy search algorithms, Levenstein’s algorithm and the Noisy Channel model, an algorithm for analyzing and comparing user information was created, which for the current user forms a list of available users of the system, sorted by descending percentage of similarity and indicates how other users’ interests coincide.
Conclusions. It was found that the algorithm implemented in the system for forming a sample of users is more efficient and accurate by about 25–30% compared to the usual Levenstein algorithm. Also, the implemented algorithm performs sampling approximately 10 times faster than the usual Levenstein algorithm.
Методичні вказівки до виконання лабораторних робіт з дисципліни «Ходова частина та системи керування автомобілів» для здобувачів вищої освіти усіх форм навчання.
(Національний університет «Запорізька політехніка», 2026) Кубіч, Вадим Іванович; Kubich, Vadim
UK: Наведено теми лабораторних робіт, порядок їх виконання та звітності.
EN: The topics of laboratory work, the procedure for their implementation and reporting are given.
Лабораторні роботи з дисципліни «Технологія виробництва заготовок та контроль якості продукції»
(Національний університет «Запорізька політехніка», 2026) Плескач, Володимир Михайлович; Pleskach, Volodymyr; Акімов, Іван Васильович; Akimov, Ivan
UK: Наведені методичні вказівки містять відомості із загального оцінювання точності виробів, особливостей проектування заготовок та оцінювання якості готової продукції
EN: The given methodological instructions contain information on the general assessment of product accuracy, features of workpiece design and assessment of the quality of finished products.
Конспект лекцій з дисципліни «Технологія виробництва заготовок та контроль якості продукції»
(Національний університет «Запорізька політехніка», 2026) Плескач, Володимир Михайлович; Pleskach, Volodymyr
UK: Конспект містить основні відомості із загального оцінювання точності виробів, принципів і правил проектування заготовок, поняття якості продукції та методів її контролю
The synopsis contains basic information on the general assessment of product accuracy, principles and rules for designing workpieces, the concept of product quality and methods of its control