Browsing by Author "Романишин, Ю. М."
Now showing 1 - 12 of 12
- Results Per Page
- Sort Options
Item Автоколивання та синхронізація в нейронних структурах(Видавництво Львівської політехніки, 2012) Романишин, Ю. М.; Петрицька, С. Р.Item Аналіз похибок визначення просторових координат джерела акустичних сигналів(Видавництво Національного університету “Львівська політехніка”, 2005-03-01) Романишин, Ю. М.; Спіченков, С. Ю.; Павлиш, В. А.; Корж, Р. О.; Національний університет “Львівська політехніка”Проведено аналіз похибок обчислення просторових координат джерела акустичних сигналів під час їх визначення за допомогою мікрофонної антенної решітки на основі імітаційного моделювання похибок вхідних даних. На основі проведеного аналізу для двох варіантів обчислювальних процедур (з використанням неповної системи рівнянь та методу найменших квадратів) встановлено межі похибок вхідних даних, за яких похибки визначення координат джерела сигналу не перевищують заданого значення.Item Виділення фрагментів сигналів електромагнітної дефектоскопії для потенційно небезпечних дефектів рейок(Видавництво Львівської політехніки, 2012) Романишин, Ю. М.; Якимів, Р. М.Item Властивості моделей спайк-нейронів(Видавництво Львівської політехніки, 2013) Романишин, Ю. М.; Петрицька, С. Р.Item Матиматичне забезпечення функціонування рекурентних нейронних мереж(Видавництво Національного університету "Львівська політехніка", 2008) Романишин, Ю. М.Розглянуто окремі питання, пов’язані з математичним забезпеченням функціонування рекурентних нейронних мереж, – критерії локальної стійкості точок рівноваги, встановлення стійкості на основі функції Ляпунова, визначення стійкості при використанні умови Ліпшиця, отримання автоколивальних процесів, синхронізація процесів. Наведено приклади динаміки рекурентних нейронних мереж. There are represented some questions concerning mathematical means of recurrent neural networks functioning – criteria of local stability of equilibrium points, ascertainment of stability on basis of Lyapunov function, determination of stability by use of Lipschitz condition, receiving of autooscillations, synchronization of processes. Examples of dynamics of recurrent neural networks are given.Item Методи навчання спайк-нейронних мереж(Видавництво Львівської політехніки, 2011) Пукіш, С. Р.; Романишин, Ю. М.Item Нейромережеві інтерпретації теореми суперпозиції Колмогорова та її модифікацій(Видавництво Національного університету “Львівська політехніка”, 2004-02-18) Романишин, Ю. М.; Павлнш, В. А.; Національний університет “Львівська політехніка”Розглянуто структури штучних нейронних мереж з фіксованою кількістю нейронів у внутрішніх шарах для зображення функцій кількох змінних на основі теореми суперпозиції Колмогорова та її модифікацій з обчислюваними функціями активації. Наведений алгоритм та приклад обчислення однієї з функцій активації нейрона.Item Оцінка узагальненого контрасту монохромних зображень без використання посилань(Видавництво Львівської політехніки, 2017-03-28) Грановська, О. С.; Романишин, Ю. М.; Hranovska, O. S.; Romanyshyn, Y. M.; Національний університет “Львівська політехніка”; кафедра електронних засобів інформаційно-комп’ютерних технологій; Варміньсько-Мазурський університет в Ольштині (Польща; Lviv Polytechnic National University; Department of Electronics and Computer Technologies; University of Warmia and Mazury in Olsztyn, PolandРозглянуто проблему вимірювання без посилань узагальненого (повного інтег- рального) контрасту складних (багатоелементних) монохромних зображень для об’єктивного оцінювання їх якості. Розглянуто різні підходи до кількісного оцінювання узагальненого контрасту складного монохромного зображення на основі аналізу значень контрасту елементів зображення відносно заданого рівня адаптації. Вирішується завдання вимірювання контрасту двох елементів зображення (об’єктів та фону) при заданому значенні рівня адаптації. Запропоновано новий метод вимірювання контрасту двох елементів зображення відносно заданого рівня адаптації з використанням різних визначень ядра контрасту. Запропоновано нові визначення зваженого та абсолютного контрасту двох елементів зображення відносно заданого рівня адаптації. Запропоновано нові визначення узагальненого та неповного інтегрального контрасту монохромного зображення для зваженого та абсолютного ядер контрасту. Досліджено відомі та запропоновані визначення для узагальненого та неповного інтегрального контрасту монохромного зображення з використанням зваженого та абсолютного ядер контрасту.Item Побудова заданої послідовності імпульсів на основі багатовходового спайк-нейрона(Видавництво Львівської політехніки, 2013) Романишин, Ю. М.; Петрицька, С. Р.Розглянуто задачу побудови ідеалізованої спайк-послідовності імпульсів як зваженої суми вхідних послідовностей, що має значення для процедури навчання спайк-нейронної мережі на основі апарату лінійної алгебри з використанням ідеалізованих імпульсів з нульовою тривалістю і одиничною амплітудою та поняття простору спайк-послідовностей. Для визначення вагових коефіцієнтів використано метод найменших квадратів. Результуюча спайк-послідовність формується з використанням нечітких чисел. Наведено два приклади наближення заданої спайк-послідовності. The problem of construction of idealizing sequence of spikes as the weighted sum of input sequences of spikes, which is important for learning procedure of spike neural network on the basis of methods of linear algebra with the use of idealizing impulses with a zero duration and single amplitude and conception of space of sequences of spikes is considered. For determination of weight coefficients a least squares method is used. Resultant spike sequence is formed with the use of fuzzy numbers. Two examples of approximation of the sequence of spikes are demonstrated.Item Ряди Вольтерри для моделей Ходжкіна–Хакслі та ФітцХ’ю-Нагумо нейрона(Видавництво Львівської політехніки, 2016) Романишин, Ю. М.; Петрицька, С. Р.Розглянуто представлення моделей Ходжкіна–Хакслі та ФітцХ’ю–Нагумо нейрона рядами Вольтерри та особливості обчислення ядер Вольтерри для цих моделей. Отримано системи лінійних алгебраїчних рівнянь для спектрів ядер Вольтерри та їх розв’язки. Для реалізації оберненого перетворення Фур’є використано пакет прикладних програм Symbolic Math Toolbox системи MATLAB. Наведено графіки модуля спектра та ядра першого порядку ряду Вольтерри для обох моделей нейрона. The peculiarity of Volterra series use as to comparison with classical models of nonlinear dynamical systems in the form of nonlinear differential equations is that Volterra series directly evaluates output signal of the system by multidimensional convolution of input signal. Kernels of Volterra series can be considered as generalization of impulse response of linear systems to nonlinear ones. The choice of certain components of Volterra series enables to take into account nonlinear peculiarities of different orders. The representation of Hodgkin-Huxley and FitzHugh-Nagumo models of neuron by Volterra series and features of calculation of Volterra kernels for these neuron models are considered. The systems of nonlinear differential equations of the first order in the form of Cauchy of Hodgkin-Huxley and FitzHugh-Nagumo neuron models with continuous analytical functions at the right side of equations give the possibility to reduce the problem of determination Volterra kernels to solving of algebraic equations systems, which are represented in analytical form. For the determination of Volterra kernels the conversion into frequency domain by integral Fourier transform is used. For the Hodgkin-Huxley model the multiple Maclaurin series expansions of the functions at the right side of system of differential equations are used, for the FitzHugh-Nagumo model the expressions at the right side of equations are polynomial. The systems of four (for Hodgkin-Huxley model) and two (for FitzHugh-Nagumo model) linear algebraic equations for spectra of Volterra kernels and their solutions are obtained. Symbolic Math Toolbox of MATLAB system for inverse Fourier transforms is used. Diagrams of spectrum module and first order kernel of Volterra series are given for both neuron models. Constructed Volterra series models can be used for research of dynamic properties of neural networks with Hodgkin-Huxley and FitzHugh-Nagumo models of neuron using.Item САПР пасажирських перевезень: розробка і впровадження(Видавництво Національного університету «Львівська політехніка», 2000) Мазур, В. В.; Романишин, Ю. М.; Городиський, В. А.; Ясенецька, Г. М.Розглядаються моделі та засоби для автоматизованого проектування і організації пасажирських перевезень.Item Спеціалізована комп’ютерна система локалізації джерела акустичних сигналів(Видавництво Національного університету “Львівська політехніка”, 2004-02-18) Спіченков, С. Ю.; Романишин, Ю. М.; Гоць, В. І.; Парамуд, Я. С.; Національний університет "Львівська політехніка"Розглянуто структуру спеціалізованої комп’ютерної системи для просторової локалізації джерела акустичних сигналів. Наведені системи рівнянь для визначення просторових координат джерела за результатами взаємної кореляційної обробки сигналів у шести каналах. Проведений аналіз особливостей розв’язування системи рівнянь та похибок розв'язку.