Infocommunication Technologies and Electronic Engineering. – 2021. – Vol. 1, No. 2

Permanent URI for this collectionhttps://ena.lpnu.ua/handle/ntb/57473

Науковий журнал

Засновник і видавець Національний університет «Львівська політехніка». Виходить двічі на рік з 2021 року.

Infocommunication Technologies and Electronic Engineering = Інфокомунікаційні технології та електронна інженерія. – 2021. – Volume 1, number 2. – 144 p. : ill.

Інфокомунікаційні технології та електронна інженерія

Зміст


1
11
19
32
45
54
62
71
81
94
114
123
131
141

Content (Vol. 1, No 2)


1
11
19
32
45
54
62
71
81
94
114
123
131
141

Browse

Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Algorithm forming randomized system of iterative functions by based Cantor structure
    (Видавництво Львівської політехніки, 2021-01-31) Юнак, О.; Шпур, О.; Стрихалюк, Б.; Климаш, М.; Yunak, O.; Shpur, O.; Strykhaliuk, B.; Klymash, M.; Національний університет “Львівська політехніка”; Lviv Polytechnic National University
    У статті розглянуто результати розроблення алгоритму формування рандомізованої системи повторюваних функцій (RSIF) з наявного фрактального зображення типу “Фрактальний пил” (набір Кантора). Виведено математичні формули та схеми для розрахунку коефіцієнтів RSIF. Цей алгоритм полягає у знаходженні формул функцій відносно центра першої ітерації фрактальної структури. Це дає можливість визначити рандомізовану систему ітераційних функцій із наявного фрактального зображення. Алгоритм побудови не використовує рекурсивних функцій та входження циклу в цикл, що дає змогу не витрачати великих обчислювальних потужностей, і є доволі оптимізованим. Алгоритм дасть змогу виконувати прямі та зворотні перетворення без залучення додаткових програмно-апаратних ресурсів. Використання прямих і зворотних перетворень дасть змогу в майбутньому сформувати вихідний набір даних для нейронних мереж, що буде покладено в основу розпізнавання об’єктів.
  • Thumbnail Image
    Item
    Модель інтелектуального аналізу даних в IIoT
    (Видавництво Львівської політехніки, 2021-01-31) Климаш, М.; Гордійчук-Бублівська, О.; Коваль, Б.; Klymash, M.; Hordiichuk-Bublivska, O.; Koval, B.; Національний університет “Львівська політехніка”; Lviv Polytechnic National University
    В роботі подано огляд методів інтелектуальної обробки даних у системах промислового Інтернету речей. Наведено порівняння методів аналізу великих даних у промислових системах зі значним навантаженням. Запропоновано використовувати для опрацювання даних методи розподіленого машинного навчання. Розроблено програмну модель для аналізу даних різних обсягів. Проаналізовано основні підходи до організації машинного навчання: федеративне і нерозподілене навчання. Експериментально доведено ефективність використання федеративного машинного навчання, оскільки воно забезпечує вищу точність оброблення даних, навіть у разі збільшення їх обсягів. Визначено, що нерозподілене машинне навчання працює швидше, отже, може використовуватися в системах, пріоритетом для яких є менший час обробки даних. Такий підхід відкриває можливості створення адаптивної моделі системи промислового Інтернету речей, що здатна самонавчатися та коригувати власну інфраструктуру залежно від зміни параметрів.