АСУ та прилади автоматики

Модифікація моделі одномісного коваріантного функтора для процесу кросплатформної міграції інформаційної системи

2025-07-27T14:38:44+00:00

Об’єктом дослідження є процес кросплатформної міграції програмного забезпечення (ПЗ) інформаційної системи (ІС). Визначено, що існуючі методи та засоби штучного інтелекту не дозволяють повністю вирішити проблему створення та використання формального механізму підтримки цілісності структурних та поведінкових особливостей моделей ІС та її ПЗ під час їх взаємної трансформації. Сучасні дослідження в цьому напрямі спрямовані, зокрема, на визначення та реалізацію окремих функторів та їх моделей для конкретних ІТ-продуктів різного призначення. Тому проведення досліджень із застосування категорно-функторного апарату для формального опису процесу кросплатформної міграції ПЗ ІС є актуальним з теоретичної і прикладної точок зору.

Як базову модель було обрано запропоновану авторами дослідження загальну модель одномісного коваріантного функтора. Визначено особливості використання цієї моделі для формального опису процесу кросплатформної міграції ПЗ ІС. Розроблено два варіанти модифікованої моделі одномісного коваріантного функтора, які дозволяють описати процес кросплафтормної міграції ПЗ ІС під час експлуатації та під час валідації цієї ІС. Запропоновано загальні методи використання модифікованих моделей у роботах та діяльностях процесу кросплафтормної міграції ПЗ ІС.

Проведено експериментальну перевірку отриманих наукових результатів. Для такої перевірки було обрано ПЗ інформаційно-аналітичної системи управління медичним закладом. Застосування модифікованої моделі одномісного коваріантного функтора дозволило представити роботу з кросплатформної міграції рефакторингу похідного коду ПЗ як функтор, реалізований у вигляді функції мовою С/С++. Отримані результати дозволяють визнати перспективною можливість застосування модифікованих моделей одномісного коваріантного функтора для формального опису інформаційної технології автоматизованого управління процесом кросплатформної міграції ПЗ ІС.

Моделювання та дослідження методів детекції погляду користувача у системах людино-комп’ютерної взаємодії

2025-07-27T15:20:07+00:00

Розглянуто підходи до організації безконтактної взаємодії людини з комп’ютером на основі напрямку погляду. Наведено структуру системи, що складається з модулів виявлення обличчя, визначення орієнтації голови, аналізу положення очей та прогнозування напрямку погляду за допомогою нейромережевої моделі.

Підкреслено важливість етапу попередньої обробки та нормалізації зображень для забезпечення стабільної роботи системи в умовах змін зовнішнього освітлення та положення голови користувача. Висвітлено використання нейронної мережі, що отримує на вхід нормалізовані зображення очей та обличчя, та генерує прогноз напрямку погляду у вигляді кутів нахилу. Зазначено, що ці дані конвертуються у тривимірний вектор, який перетинається з площиною екрана для визначення координат точки, на яку спрямовано погляд.

Описано розроблений механізм підтвердження вибору за допомогою подвійного кліпання. Це рішення дозволяє виконувати команди без необхідності використання клавіатури чи миші, що є особливо актуальним для користувачів з обмеженими фізичними можливостями.

У результаті дослідження зроблено висновок, що розроблена система демонструє високу точність та стабільність при роботі в реальному часі. Запропоновані рішення відкривають перспективи для подальшого розвитку систем природної взаємодії людини з комп'ютером, зокрема у сфері асистивних технологій.

Побудова функціонально-темпорального представлення ментальної моделі рішення в задачі формування пояснень в інтелектуальних системах

2025-07-27T15:44:48+00:00

Об'єктом дослідження є процес побудови ментальної моделі рішення для користувача інтелектуальної інформаційної системи. Метою є розробка підходу до побудови функціонально-темпорального представлення ментальної моделі рішення інтелектуальної інформаційної системи. Задачі: розробка функціонально-темпорального представлення ментальної моделі рішення інтелектуальної інформаційної системи; розробка методу побудови ментальної моделі рішення інтелектуальної інформаційної системи. Наукова новизна отриманих результатів полягає в такому. Розроблено функціонально-темпоральне представлення ментальної моделі, яке містить структуровану множину властивостей рішення у функціональному аспекті, а також сценарії використання рішення у темпоральному аспекті. Запропоновано метод побудови функціонально-темпорального представлення ментальної моделі, який містить етапи формування структурованого набору вхідних даних, формування переліку потенційних ментальних моделей за процесом використання, відбору релевантних властивостей рішення, побудови ментальних моделей на основі інтеграції функціональних та темпоральних характеристик, агрегації властивостей за сценаріями використання та формування доповненого представлення ментальних моделей. Метод дає можливість обґрунтовано відібрати для користувача релевантне пояснення щодо отриманого рішення. Експериментальна перевірка розробленого методу показала можливість формування ментальних моделей, які відображають як функціональні властивості рішення, так і сценарії їх використання.

Огляд сучасних нейромережевих архітектур для сегментації зображень

2025-07-27T16:14:41+00:00

Об'єктом дослідження є методи сегментації зображень та їх еволюція. Аналіз статті показав, що сегментація зображень за останнє десятиліття зазнала значного розвитку методів: від традиційних згорткових нейронних мереж до трансформерних моделей, здатних обробляти мультимодальні дані. Актуальність статті обумовлена швидким збільшенням кількості методів та підходів до вирішення різних задач сегментації, а також необхідністю розуміння сильних та слабких сторін цих методів.

Представлено хронологічний огляд моделей сегментації, починаючи з повнозв'язних згорткових нейронних мереж (FCN), продовжуючи аналізом U-Net, SegNet, сімейства DeepLab, Mask R-CNN, Gated-SCNN, FastFCN, MaskFormer, SegFormer, Mask2Former, OneFormer і завершуючи моделями нового покоління – Segment Anything Model (SAM) та її удосконаленою версією HQ-SAM. Для кожної архітектури детально розглянуто технічні особливості, інновації, переваги та обмеження.

Проведений аналіз дав змогу виявити типові слабкі місця моделей – точне виявлення границь об'єктів, сегментація малих об'єктів, доменна адаптація та використання апріорних знань, а також обчислювальні обмеження. Показано, що розвиток моделей не був лінійним, і ранні методи не були повністю замінені. Багато сучасних підходів успішно поєднують класичні методи з нейромережевими, створюючи гібридні рішення, що перевершують попередні.

Систематизація наявних підходів у хронологічному порядку дозволяє не тільки простежити еволюцію архітектурних рішень, але й зрозуміти основні ідеї та напрямки досліджень, а також невирішені проблеми, що залишаються актуальними. Це дає змогу уникати повторення вже відомих обмежень та помилок минулих підходів при розробці нових моделей і обґрунтовано обирати архітектури для вирішення прикладних задач.

Причинно-наслідкове моделювання пояснень в інтелектуальних системах

2025-07-27T16:41:20+00:00

Об'єктом дослідження є процес побудови пояснень в інтелектуальних інформаційних системах. Метою дослідження є розробка причинно-наслідкового підходу до побудови пояснень в інтелектуальних системах з тим, щоб відобразити у формі пояснення причини отриманого рішення, а також причини дій процесу формування рішення й обмеження на ці дії, що дає можливість представити роботу інтелектуальної системи у зрозумілій для користувачів формі. Для досягнення мети роботи вирішуються такі завдання: розробка причинно-наслідкової моделі пояснення; розробка методу побудови пояснень на основі причинно-наслідкової моделі. Висновки. Запропоновано причинно-наслідкову модель пояснення з ієрархічною трирівневою структурою, яка структурує представлення пояснень на глобальному, процесному та локальному рівнях у темпоральному та каузальному аспектах. Модель на глобальному рівні містить можливісні причинно-наслідкові залежності між вхідними даними та рішенням системи з урахуванням прихованих факторів, на процесному рівні відображає каузальні залежності між діями процесу формування рішення на основі темпоральних правил типів «Next» та «Future», на локальному рівні задає детерміновані обмеження на послідовність дій процесу. Запропоновано темпорально-каузальний метод побудови пояснень, що містить п'ять етапів: визначення внутрішніх та зовнішніх користувачів, побудову пояснень на глобальному рівні з розрахунком можливості та необхідності, формування пояснень на процесному рівні через темпоральні правила та каузальні залежності, побудову локальних обмежень та їх перевірку, інтеграцію трирівневого пояснення. Експериментальна перевірка методу проведена на реальних даних процесу управління інцидентами.

Аналіз джерел ентропії для генерації випадкових чисел на базі мобільних пристроїв

2025-07-27T17:25:52+00:00

У сучасному світі інформаційних технологій генерація випадкових чисел відіграє ключову роль у багатьох сферах. У статті проведено огляд і аналіз можливостей використання вбудованих сенсорів мобільних пристроїв як джерел ентропії для апаратних генераторів випадкових чисел (ГВЧ). Такий підхід дозволяє знизити вартість створення генераторів, зберігаючи при цьому достатній рівень випадковості.

Об’єктом дослідження є процес генерування випадкових чисел з використанням датчиків мобільних пристроїв як джерела ентропії. Показано два основні типи генераторів: програмні генератори псевдовипадкових чисел (ГПВЧ), які не завжди відповідають критеріям непередбачуваності, та апаратні генератори випадкових чисел (ГВЧ), які базуються на фізичних джерелах шуму. Для забезпечення високої якості генерації апаратні ГВЧ потребують ефективного джерела ентропії. Запропоновано використовувати сенсори мобільних пристроїв – акселерометри, гіроскопи, магнітометри, барометри, датчики освітлення тощо. Вони здатні реєструвати зміни в зовнішньому середовищі або положенні пристрою й генерувати великі обсяги даних, що можуть використовуватися як джерело ентропії.

Проведено огляд попередніх досліджень з використання датчиків мобільних пристроїв та пристроїв Інтернету речей. Сформульовано такі вимоги до датчиків: чутливість, наявність датчика у більшості мобільних пристроїв, швидкість оцифровування даних, кількість отриманих бітів за одне вимірювання. Проведено порівняльний аналіз датчиків за вказаними характеристиками. За результатами порівняння, кращі показники мають датчики акселерометра, гіроскопа і магнітометра, що і зумовило їх вибір для подальшого використання як джерел ентропії в апаратних генераторах випадкових чисел.

Алгоритм завоювання для стохастичного заповнення двовимірних дискретних решіток зв’язаними областями

2025-07-27T17:59:43+00:00

Запропоновано новий алгоритм, що дозволяє розв’язати розповсюджену проблему генерації змістовних стохастичних зв’язаних областей для двовимірних дискретних полів. Проведено дослідження, в ході якого сформульовано відповідну чітку задачу, ілюстровану прикладом у вигляді створення ігрового поля для модифікованої версії класичної задачі N-Queens. Задача полягає у реалізації алгоритму, який дозволив би створювати будь яке поле площею N x N, де N > 0, задається вручну. Поле повинно процедурно заповнюватись зв’язними областями.

Проведено аналіз існуючих алгоритмів та підходів, які зазвичай використовуються у процедурній генерації у сумісних індустріях. Серед таких розглянуто: градієнтний шум Перліна; клітинні автомати; хвильова заливка і випадкове блукання.

Зроблено висновки, що ці алгоритми у їхній класичній репрезентації не підходять для процедурного створення ігрового поля для обраної задачі, тому у дослідженні запропоновано новий алгоритм, який є похідним від алгоритму випадкового блукання.

Цей алгоритм полягає у створенні агентів, які в даному випадку є ферзі на шахівниці. Кожен агент рухається по черзі, але можливість ходу і вибір ортогонального напряму задається за допомогою додаткових критеріїв, таких як: формула пропуску ходу, пріоритет нічийних клітин над власними, пріоритет клітин ближчих до краю поля і неможливість заходити на чужі поля.

Алгоритм реалізовано з використанням мови програмування С#. В роботу програми було також додано можливість зробити декілька генерацій поспіль і порахувати метрики для отриманих фігур на матрицях. Для дослідження успіху запропонованого алгоритму було використано такі метрики: середня витягнутість, середня прямокутність, середня зубчастість контуру, максимальна витягнутість, максимальна прямокутність і мінімальна зубчастість контуру. Було також пораховано метрику ефективності алгоритму щодо його складності тобто (кількість кроків агентів поділена на площу решітки).

Для розрахунку ефективності та збору метрик було проведено по тисячі експериментів зі значеннями розміру поля N x N, де N = 8, 12, 20. Результати роботи довели, що алгоритм працює, виконує поставлену задачу і є ефективним.

Графова нейронна мережа для темпорально упорядкованих даних в задачі побудови пояснень в інтелектуальній системі

2025-07-27T18:16:56+00:00

Об'єктом дослідження є процес побудови пояснень в інтелектуальних інформаційних системах. Предметом дослідження є моделі та методи формування пояснень в інтелектуальних інформаційних системах. Метою роботи є розробка моделі графової нейронної мережі, яка використовує темпоральний порядок у вхідних даних для побудови пояснень щодо процесу формування рішення в інтелектуальній системі. Завданнями дослідження є розробка моделі графової нейронної мережі для темпорально упорядкованих даних; експериментальна перевірка графової мережі в задачі побудови пояснень для системи електронної комерції. Запропоновано модель графової нейронної мережі, яка включає функціональні блоки побудови векторних представлень, виявлення темпоральних патернів з використанням мережі LSTM, формування графа мережі на заданому інтервалі часу, підготовки пояснень, прогнозування, генерації пояснень щодо прогнозних рішень з використанням механізму уваги. Механізм уваги комбінує темпоральні патерни для окремих вершин графової мережі та для взаємопов'язаних вершин графа. Розроблена модель забезпечує циклічне формування графової мережі для визначених часових інтервалів з використанням загальних правил навчання, що дозволяє виявляти темпоральні патерни та порівнювати ці патерни на різних інтервалах часу. Експериментальна перевірка підтвердила здатність мережі враховувати як статичні властивості вхідних об'єктів, так і динамічні зміни цих властивостей у часі. Додаткова перевага розробленої мережі полягає у можливості послідовної деталізації факторів, що пояснюють вплив вхідних даних на прогнозні результати роботи моделюючої системи.