Browsing by Author "Katerynchuk, Ivan"

Now showing 1 - 3 of 3

Calculation of the Phase State of the [N(CH3)4]2CUCL4 Crystals
(Видавництво Львівської політехніки, 2020-02-24) Свелеба, Сергій; Катеринчук, Іван; Куньо, Іван; Карпа, Іван; Семотюк, Остап; Бригілевич, Володимир; Sveleba, Sergii; Katerynchuk, Ivan; Kuno, Ivan; Karpa, Ivan; Semotiuk, Ostap; Brygilevych, Volodymyr; Ivan Franko National University of Lviv; Ukrainian Academy of Printing; The State Higher School of Technology and Economics in Jarosław
Розрахунок просторових змін станів амплітуди й фази параметрів було виконано у середовищі Python з використанням бібліотек Skipy та JiTCODE. У криталах [N(CH3)4]2CuCl4 існує неспіврозмірна фаза I1 при малих значеннях величини дальньої взаємодії (T<0.6) та неспіврозмірна фаза I2 при T≥1.0. Це та ж сама неспіврозмірна фаза, хоча поведінка амплітудних та фазових функцій у ней відрізняється за різних умов, згаданих вище. При T = 0.6 ÷ 1.0, спостерігається співіснування цих двох фаз, що проявляється у відсутності аномальних змін q під час переходу від синусоїдного режиму модуляції неспіврозмірної фази до режиму солітона.
High-reliable temperature systems for sensor electronics
(Видавництво Львівської політехніки, 2012) Klym, Halyna; Katerynchuk, Ivan
Temperature-sensitive thick-film systems based on spinel-type NiMn2O4-CuMn2O4-MnCo2O4 manganites with pand p+-types of electrical conductivity were obtained. All elements are shown good electrophysical characteristics before and after long-term ageing test at 170 оС. It is shown that in two-layer p-p+ systems are typical increases of electrical resistance during ageing test, while three-layer type p-p+-p structures are high stabile.
Multilayer Neural Networks – As Determined Systems
(Видавництво Львівської політехніки, 2021-10-10) Свелеба, Сергій; Бригілевич, Володимир; Катеринчук, Іван; Куньо, Іван; Карпа, Іван; Семотюк, Остап; Шмигельський, Ярослав; Свелеба, Назар; Sveleba, Sergii; Brygilevych, Volodymyr; Katerynchuk, Ivan; Kuno, Ivan; Karpa, Ivan; Semotiuk, Ostap; Shmyhelskyy, Yaroslav; Sveleba, Nazar; Ivan Franko National University of Lviv; State Higher School of Technology and Economics in Jarosław, Poland; Ukrainian Academy of Printing
В роботі досліджено вплив швидкості навчання (η) на процес навчання багатошарової нейронної мережі. Програма для багатошарової нейронної мережі була написана мовою Python. Швидкість навчання розглядалась як постійна величина і визначалась її оптимальна величина, за якої досягалось найкраще навчання. Для аналізу впливу швидкості навчання використовувалась логістична функція, яка описує процес навчання. Показано, що функція похибки навчання характеризується біфуркаційними процесами, які призводять до хаотичного стану, якщо η>0,8. Визначено оптимальне значення швидкості навчання, яке визначає появу процесу подвоєння кількості локальних мінімумів, і становить для тришарової нейронної мережі з 4 нейронами в кожному шарі η=0,62. Збільшення кількості прихованих шарів (3÷30), та кількості нейронів у кожному шарі (4÷150) не приводить до кардинальної зміни діаграми логістичної функції (xn,η), а отже, і оптимальної величини швидкості навчання.