Вісник Національного університету "Львівська політехніка". Інформаційні системи та мережі. – 2019. – Випуск 5

Permanent URI for this collectionhttps://ena.lpnu.ua/handle/ntb/47786

Вісник Національного університету «Львівська політехніка»

Вісник Національного університету «Львівська політехніка» «Інформаційні системи та мережі» є правонаступником збірника наукових праць «Вісник Національного університету «Львівська політехніка». Серія: «Інформаційні системи та мережі» який започатковано у 1997 р. З врахуванням нумерації збірника наукових праць першому випуску нової серії було присвоєно черговий номер 315. У вступній статті до цього номеру (1997, № 315) нової серії збірника наукових праць відповідальний редактор доктор техн. наук, професор В. В. Пасічник задекларував місію видання: високофахово висвітлювати «прикладні аспекти інформатики, зокрема питання побудови iнформацiйних систем та мереж, якi ґрунтуються на новітніх iнформацiйних технологіях та передових методиках їx побудови». У ювілейному випуску місію видання було актуалізовано (2015, № 832). У журналі публікуються статті англійською та українською мовами. Вісник індексується в Google Scholar та Index Copernicus.

Вісник Національного університету «Львівська політехніка» «Інформаційні системи та мережі» / Національний університет "Львівська політехніка" ; відповідальний редактор В. В. Пасічник. – Львів : Видавництво Львівської політехніки, 2019. – № 5. – 132 с.

Вісник Національного університету "Львівська політехніка". Інформаційні системи та мережі

Зміст


3
14
26
40
53
62
70
78
90
101
116
125
134

Content


3
14
26
40
53
62
70
78
90
101
116
125
134

Browse

Subject: search.filters.subject.машинне навчання

Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Класифікація віброартрографічних сигналів з використанням хвилькового перетворення і технологій машинного навчання
    (Видавництво Львівської політехніки, 2019-02-26) Хома, Ю. В.; Khoma, Yurii; Національний університет “Львівська політехніка”; Lviv Polytechnic National University
    Віброартрографія як метод медичної діагностики призначений для об'єктивного оцінювання суглобової функції, зокрема артрокінематики колінного суглобу і базується на аналізі сигналу віброакустичної емісії. Віброартрографія хоч і поступається за ефективністю таким методам, як рентгенографія і магніторезонансна томографія (МРТ), безумовно, є достатньо чутливим методом для оцінювання ступеня дисфункції колінних суглобів. Наведено результати досліджень щодо побудови системи комп’ютерного опрацювання віброартрографічних сигналів. ВАГ-сигнали мають нестаціонарний характер, тому для їх аналізу у цьому дослідженні застосовано дискретне хвилькове перетворення, яке уможливлює не лише вивчення частотного вмісту сигналу, але і його локалізацію щодо часу. Новизна запропонованого підходу полягає у застосуванні дискретного діадичного хвилькового перетворення для очищення біосигналу від впливу дрейфу ізолінії і випадкових шумів, а також використання деталізуючих компонент для формування діагностично значущих ознак. Аналіз скалограми 6-рівневого хвилькового розкладу дав змогу виділити смугу від 78 до 780 Гц, де зосереджена корисна діагностично значуща інформація. Реконструкція сигналу у вказаній смузі забезпечила усунення дестабілізуючих впливів дрейфу ізолінії та високочастотних шумів. За результатами хвилькового перетворення було вибрано такі прості дескриптори, як стандартне відхилення, мода і середнє значення модуля окремих компонент сигналу, що відповідають рівням розкладу. Для класифікації сигналів застосовано один із найпростіших методів машинного навчання – лінійну регресію. Досліджено показники якості класифікації для випадку двох і п’яти класів дисфункції колінного суглоба. У випадку двох класів отримано такі результати: точність на рівні 94 %, чутливість 100 % і специфічність 88 %. Для п'яти класів точність становить 83 %, чутливість та специфічність 89 % і 62 % відповідно. Для двох груп одержано високу точність і чутливість класифікатора, а для п’яти класів результати класифікації були посередні. При цьому найбільше перекриття дескрипторів спостерігається для сусідніх класів. Основним обмеженням у цьому дослідженні була мала кількість сигналів – по 26 для кожного з класів. Тривалість кожного запису 6 секунд за частоти дискретизації 10 кГц. Розподіл записів на окремі класи відбувався на основі інформації з відповідних МРТ-знімків кожного пацієнта.
  • Thumbnail Image
    Item
    Using transitivity information for morphological and syntactic disambiguation of pronouns in Ukrainian
    (Видавництво Львівської політехніки, 2019-02-26) Kotsyba, Natalia; Moskalevskyi, Bohdan; Samsung Research Poland; Institute for Ukrainian
    Наведено короткий опис декількох електронних ресурсів української мови, а саме два синтаксичні корпуси: Золотий стандарт (біля 130 тис. слів), анотований вручну деревами залежностей Universal Dependencies (https://universaldependencies.org/), що становить тренувальні дані для синтаксичного парсера, та великий (майже 3 мільярди слів) автоматично анотований Загальний синтаксичний корпус (Звідусіль), а також валентний словник українських дієслів. Ці мовні ресурси розробляються в Інституті Української, ГО від 2015 року та є доступні для некомерційного вживання під адресою установи https://mova.institute/. Також описано експериметальне використання валентного словника для покращення якості роботи синтаксичного парсера з використанням машинного навчання та ґрунтовної теоретико-лінгвістичної бази. Прикладом були конструкції особово-присвійних займенників “його”, “її”, “їх”, кожен з яких має понад 24 можливі морфологічні таги, у сполученні з ґерундієвими іменниковими формами, що також можуть мати різні граматичні інтерпретації (із ключовими семантичними ролями або без них). Вибір правильної інтерпретації у багатьох випадках вимагає ідентифікації семантичної ролі іменника, що його заступає у тексті займенник, і/або розв’язання кореференції (анафори). З одного боку, це ускладнює процес уоднозначнення; з іншого боку, ми отримуємо бонус для якісного автоматичного аналізу тексту, необхідного для багатьох застосувань в обробці природних мов (NLP). Проаналізовано типові помилки автоматичного парсингу для досліджуваної конструкції та подано практичні рекомендації до створення тренінгових даних для кращого навчання парсера у майбутньому. Стаття є практичним продовженням лінгвістичного дослідження (Kotsyba, Moskalevskyi 2018 [11]), де подано теоретичне обгрунтування рішення проблеми інтерпретації займенників та ґерундієвих іменників для української мови на тлі інших словянських мов.