Вісники та науково-технічні збірники, журнали
Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/12
Browse
16 results
Search Results
Item Optimization of oligonucleotides characteristics with topsis(Видавництво Львівської політехніки, 2023-02-28) Javanbakht, Taraneh; Concordia UniversityThis paper focused on a new application of the TOPSIS method for the prediction and optimization of the oligonucleotides characteristics. This method has been used for these purposes as it has shown its efficacy for these analyses. This is the first time that it has been applied to the investigation of these biomolecules. The hypothesis in this paper was that the characteristics of these biomaterials would be optimized according to their structural differences. The obtained results showed that the stabilization of oligonucleotides would affect their ranking with TOPSIS when the stability of these biomolecules increased against enzymes in their structure. In other words, the oligonucleotides with less enzymatic degradation were ranked better with this method. This study showed the first application of this algorithm for the prediction and optimization of the oligonucleotides’ characteristics. The results in this work revealed that the ranks of candidates depended on their distances from their ideal solutions. This showed that TOPSIS could be used as an appropriate method in the optimization of oligonucleotides as the rankings with this method would coincide with the data that concern the stability of these biomolecules against enzymatic degradation. The results of this work could be applied for the preparation of novel materials with applications in science and engineering.Item Construction of a velocity model of shear wave for complexly structured geological medium using neural network (by example of data of the South Saspian basin)(Видавництво Львівської політехніки, 2020-02-25) Агаєв, Х. Б.; Кулієв, Р. Г.; Якубова, Ш. З.; Aghayev, Kh. B.; Kuliyev, R. H.; Yaqubova, Sh. Z.; Інститут геології та геофізики АНА; Institute of Geology and Geophysics of ANASМета. Розроблення методу прогнозування дво(три)вимірної швидкісної моделі середовища поперечної хвилі. Досліджено складноструктурне геологічне середовище на основі геофізичних і геологічних даних із застосуванням штучної нейронної мережі. Метод передбачає побудову та використання моделей середовища за даними геофізичних досліджень свердловин, сейсморозвідки та інших наземних геофізичних методів. На відміну від існуючих методів, у пропонованому використовують також додаткові дані про середовище: про термодинамічний стан середовища, стратиграфічну приуроченість відкладень, літологію порід, розподіл кластерів даних, фізичні властивості середовища тощо. Згідно з методом, спочатку будують одновимірні моделі за різними властивостями середовища на основі даних комплексу геофізичних досліджень свердловин. Потім за сукупністю моделей нейронну мережу вивчають для прогнозування швидкості поперечної хвилі, відтак будують дво(три)вимірні моделі середовища за результатами наземних геофізичних досліджень. З використанням сукупності цих моделей прогнозують дво(три)вимірну швидкісну модель поперечної хвилі. Результати. Із застосуванням методу спрогнозовано швидкісну модель поперечної хвилі для складноструктурного геологічного середовища Південно-Каспійського басейну. Наукова новизна. Збільшенням кількості типів використаних даних забезпечується підвищення точності прогнозування моделі середовища. Практична цінність. Підвищення ефективності сейсморозвідки під час визначення нафтогазонасиченості, пружного геодинамічного стану та інших фізичних властивостей геологічного середовища.Item Prediction of the wind speed change function by linear regression method(Lviv Politechnic Publishing House, 2019-03-20) Клен, Катерина; Мартинюк, Вадим; Яременко, Михайло; Klen, Kateryna; Martynyuk, Vadym; Yaremenko, Mykhailo; “Igor Sikrosky Kyiv Polytechnic Institute” National Technical University of UkraineУ статті зроблено апроксимацію функції зміни швидкості вітру лінійними функціями на основі функцій Уолша та прогнозування значень функцій методом лінійної регресії. Показано, що за умови лінійної зміни внутрішнього опору вітрогенератора в часі доцільно ввести функцію зміни швидкості вітру з лінійною апроксимацією. Наведено систему ортонормальних лінійних функцій на основі функцій Уолша. Як приклад, наведено наближення лінійно-зростаючої функції із системою з 4, 8 та 16 лінійних функцій на основі функцій Уолша. Показано результат наближення функції зміни швидкості вітру із системою з 8 лінійних функцій на основі функцій Уолша. Розраховано коефіцієнти розкладення, середньоквадратичні та середні відносні похибки такої апроксимації. Для знаходження коефіцієнтів множинної лінійної регресії використано метод найменших квадратів. Наведено рівняння множинної лінійної регресії в матричній формі. Показано приклад застосування методу лінійної регресії в простих функціях. Показано результат відновлення функції зміни швидкості вітру. Розраховано коефіцієнти розкладення, середньоквадратичні та середні відносні похибки апроксимації для відновлення функції зміни швидкості вітру методом лінійної регресії.Item ANN deployment for the euro exchange rate forecast(Видавництво Львівської політехніки, 2016) Pavliuk O.In this paper presented non-iterative artificial neural network with the radial basis functions (RBF ANN) is used for the euro exchange rate forecast. The criteria to the preparing the training samples set for RBF ANN is formulated. In the end we got the forecast error less than 1,5 %.Item Design of intelligent component of hierarchical control system(Commission of Motorization and Energetics in Agriculture, 2016) Tsmots, I.; Medykovskyy, M.; Skorokhoda, A.; Teslyuk, T.One of the main tasks of modern hierarchical systems management are integration of technological, organizational and economic management functions and processes. Another important task is creation of unified information space with accurate, complete and current information. Efficient hierarchical systems management requires intelligent processing of large amounts of heterogeneous information. It is appropriate to process information via intelligent components that are built using artificial neural networks. Strategic information about macroenvironments, microenvironments and internal environments are the input data for intelligent components of upper management levels. Intelligent components may solve different tasks which could have features like: large amount of data, data diversity (quantitative, qualitative, text), contradiction and incomplete data, consistency and high intensity of incoming data, high computing amount with dominance of computing operations over logical operations, recursions and regularity of data processing using neural network algorithms, continuous complications of processing algorithms and increasing requirements for results accuracy, possibility to process data in parallel. The method of synchronized spatio-temporal mapping algorithms for intelligent operation component that provides synchronization of data flow intensity with computing intensity (hardware implementation) and takes into account the processor architecture (software implementation) has been designed. It has been proposed to use following principles: conveyor and spatial parallelism in data processing, modularity, specialization, uniformity and regularity of the structure, programmability architecture. during design of intelligent hardware components. Evaluation of structure of intelligence hardware components carried out using test equipment efficiency. Equipment efficiency takes into account number of interface outputs and number of interneuron connections. At the next step it links performance costs of equipment and evaluates elements by device performance. The method for designing of intelligent component management system that uses synchronized spatio-temporal mapping algorithm has been described. Current method takes into account the components, the requirements of the specific application and provides implementation of intelligent components with high efficiency.Item Modeling of dissolution, ion exchange and adsorption in soils(Видавництво Львівської політехніки, 2015) Voronenko, M.The presented article is devoted to constructing regression models of the processes of dissolution, ion exchange and adsorption to create simulation systems in order to optimize the quality of soils.Item Гібридна узагальнена адитивна нейро-фаззі система в задачах прогнозування часових рядів за умов невизначеності(Видавництво Львівської політехніки, 2015) Бодянський, Є.; Винокурова, O.; Шкуро, K.; Татарінова, Ю.Запропоновано гібридну узагальнену адитивна нейро-фаззі систему, що об’єднує переваги нейро-фаззі системи Ванга–Менделя і узагальнених адитивних моделей Хасті– Тібшірані. Ця система характеризується простотою обчислювальної реалізації, високими апроксимувальними властивостями, швидкодією процесу навчання і призначена для розв’язання широкого класу задач динамічного інтелектуального аналізу даних, що пов’язані з прогнозуванням нестаціонарних стохастичних і хаотичних сигналів, що забруднені завадами та надходять до системи послідовно в режимі реального часу. Nowadays the computational intelligence methods and systems are widespread for solving of different Data Mining tasks, intelligent control, prediction, identification, pattern recognition ets [1–4] under conditions of uncertainty, nonlinearity, stochasticity, chaotic states, different kinds of disturbances and noises due to their universal approximation properties and learning possibility based on data that describe the operation of investigated signal, process or plant. Now the most known and popular approaches are connected with the artificial neural networks such as multilayer perceptrons that are learned using backpropagation learning algorithm. Nevertheless, the training set must be defined a priori, and the training process is implemented using many epochs of the synaptic weights training. In this case, we cannot use such systems for solving tasks in on-line mode, when the data are fed to the inputs in a sequential order in real time. Implementing of on-line learning process is possible for neural networks, whose output signal depends linearly from tuned synaptic weights, for example, Radial Basis Function Networks (RBFN) [1, 4] and Normalized Radial Basis Function Networks (NRBFN) [5, 6], however their using is often complicated by, so called, the curse of dimensionality. In addition, problem here is not connected with computational complexity, but the problem is obtaining of data sets from the real plant that can be too small for estimating of large synaptic weights number. Neuro-fuzzy systems that combine the learning ability of neural networks and transparency and interpretability of the soft computing results, have a range of advantages ahead of the conventional neural network. Here, first of all, it should be noticed TSK-system [7–9] and ANFIS [10, 11], whose output signal also depends linearly from the synaptic weights and has less number of synaptic weights than RBFN or NRBFN. The more complex hybrid systems of computational intelligence are well-known and have increasing approximation properties, for example, the hybrid fuzzy wavelet neural networks [12, 13], whose learning algorithms complexity limits their using in on-line mode. The hybrid generalized additive neuro-fuzzy system that connects advantages of the neuro-fuzzy system by Wang-Mendel and the generalized additive models by Hastie-Tibshirani, is proposed. Such system is characterized by the simplicity of computational implementation, improving approximation properties, high-speed of learning process and is intended to solve wide range tasks of dynamic data mining, which are connected with the prediction of nonstationary noised stochastic and chaotic processes in on-line mode (i.e. the observations are fed to the system sequentially in real time).Item Верифікація даних для прогнозування курсу долара за допомогою штучних нейронних мереж(Видавництво Львівської політехніки, 2015) Павлюк, О.; Тремба, Н.Використано метод ковзного середнього з шириною вікна у 4-ри точки для підвищення точності прогнозу курсу долара на тиждень. Для прогнозу вибрано неітераційну нейромережу з радіальними базовими функціями. Точність прогнозу курсу долара на тиждень з максимальною по виходах нейромережі середньоквадратичною приведеною до діапазону значень похибкою менша за 1%. The moving average method with the 4 samples window width is used to raise the weekly forecast of the US dollar exchange rate accuracy. The non-iterative artificial neural network with the radial basis functions is used for. In the end we got the forecast error less than 1%.Item Інтегрована автоматизована система для прогнозування споживання електричної енергії у Львівській області(Видавництво Львівської політехніки, 2015) Павлюк, О.Розроблено ІАС “Прогноз” для прогнозування споживання електричної енергії в реальних виробничих умовах ПАТ “Львівобленерго”. Для цього застосовано статистичні та нейромережні методи верифікації вхідних даних; вдосконалено методи розширення розмірності простору вхідних даних для застосування їх в ШНМ з неітераційним навчанням. The IAS "Forecast" is developed for forecasting the electricity consumption in the original production conditions at PJSC "Lvivoblenergo." The statistical and neural network methods are used for the input data verification; is enhanced the space dimensions extending methods for the incoming data to use them with the ANN with non-iterative training. Key words: ANN, prediction, forecasting, electricity consumption.Item An evolving reservoir neo-fuzzy network for time series prediction(Видавництво Львівської політехніки, 2014) Tyshchenko, O.; Pliss, I.Компютінгове сховище – це парадигма навчання періодичних нейронних мереж на основі використання рекуррентної частина (так званого “резервуара”) інших показників. Еволюція систем визначила новий підхід, який фокусується на навчанні нечітких систем, що і мають своїми параметрами їх структуру адаптації он-лайн. У даній роботі розвивається сховище нео-нечітка мережі, побудованої з використанням елементів затримки і нелінійних нео-нечітких синапсів, що означає еволюціонування систем і м’які обчислення об’єднуються в нову обчислювальну систему. Reservoir Computing is a paradigm of training Recurrent Neural Networks based on treating the recurrent part (the so-called “reservoir”) differently from the readouts. This paradigm has become so popular recently due to its computational efficiency and the fact that it’s enough to train only a supervised readout. Meanwhile Evolving Systems define a new approach which focuses on learning fuzzy systems that have both their parameters and their structure adapting on-line. In this paper an evolving reservoir neo-fuzzy network is built using time delay elements and nonlinear neo-fuzzy synapses which means that Reservoir Computing, Evolving Systems and Soft Computing are combined in a new computational system.