Комп'ютерні системи та мережі. – 2020. – Том 2, № 1

Permanent URI for this collectionhttps://ena.lpnu.ua/handle/ntb/56347

Науковий журнал

Науковий журнал «Комп'ютерні системи та мережі» входить до переліку наукових фахових видань України, в яких можуть публікуватися результати дисертаційних робіт на здобуття наукових ступенів доктора і кандидата наук у галузі технічних наук. Науковий журнал "Комп’ютерні системи та мережі" є правонаступником Вісника Національного університету "Львівська політехніка" серія "Комп’ютерні системи та мережі".

Комп’ютерні системи та мережі : науковий журнал. – Львів : Видавництво Львівської політехніки, 2020. – Том 2, № 1. – 116 с. : іл.

Комп’ютерні системи та мережі

Зміст (том 2, № 1)


1
6
13
27
33
44
53
59
68
80
88
94
102
115

Content (Vol. 2, No 1)


1
6
13
27
33
44
53
59
68
80
88
94
102
115

Browse

Start date: 2020Subject: search.filters.subject.reinforcement learning

Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Алгоритм оперативного наведення засобів вимірювально–керувального вузла кіберфізичної системи на рухомий об’єкт
    (Видавництво Львівської політехніки, 2020-03-01) Кушнір, Д. О.; Парамуд, Я. С.; Kushnir, D.; Paramud, Y.; Національний університет “Львівська політехніка”; Lviv Polytechnic National University
    За результатами аналізу літературних джерел встановлено. що одними з основних вузлів кіберфізичних систем є вимірювально–керувальні вузли. Одним із завдань, розв’язання яких покладено на такі вузли, є наведення засобів спостереження за рухомими об’єктами. Запропоновано алгоритм наведення, який полягає в оперативному опрацюванні результатів спостережень, передбаченні найімовірнішого напрямку руху та формуванні команд для максимального наближення зображення рухомого об’єкта до центра інформаційного кадру. Розроблений алгоритм базується на алгоритмі навчання з підкріпленням DDPG. Засоби розпізнавання реалізовують можливості моделі YOLOv3. Використані додаткові програмні фільтри для покращення якості розпізнавання. Алгоритм верифіковано на експериментальній фізичній моделі з використанням дрона. Результати експериментальних досліджень підтвердили функціонування алгоритму наведення в реальному часі.
  • Thumbnail Image
    Item
    Структурна адаптація процесів збирання даних в автономних розподілених системах із використанням методів навчання з підкріпленням
    (Видавництво Львівської політехніки, 2020-03-01) Бочкарьов, О. Ю.; Botchkaryov, A.; Національний університет “Львівська політехніка”; Lviv Polytechnic National University
    Розроблено метод структурної адаптації процесів збирання даних на основі навчання з підкріпленням блоку прийняття рішень щодо вибору дій на структурному та підпорядкованому йому функціональному рівні, який забезпечує ефективніший розподіл вимірювальних та обчислювальних ресурсів, вищу надійність та живучість підсистем збирання інформації автономної розподіленої системи порівняно з методами параметричної адаптації. Зокрема за результатами експериментальних досліджень середня кількість зібраної інформації за один крок із використанням методу структурної адаптації на 23,2 % більша, ніж у випадку використання методів параметричної адаптації. Разом з тим кількість обчислювальних витрат на роботу методу структурної адаптації в середньому більша на 42,3 %, ніж на роботу методів параметричної адаптації. Досліджено надійність роботи методу структурної адаптації за допомогою коефіцієнта збереження ефективності для різних значень інтенсивності потоку відмов процесів збирання даних. За допомогою коефіцієнта швидкості відновлення для різних значень відносних одночасних раптових відмов досліджено живучість множини процесів збирання даних, організованих за методом структурної адаптації. За надійністю роботи метод структурної адаптації переважає методи параметричної адаптації в середньому на 21,1 %. Усереднений показник живучості для методу структурної адаптації більший ніж для методів параметричної адаптації на 18.4 %.