Вісники та науково-технічні збірники, журнали
Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/12
Browse
4 results
Search Results
Item Методи та засоби покращення точності розпізнавання об’єктів на мобільній платформі IOS у реальному часі(Видавництво Львівської політехніки, 2021-06-06) Кушнір, Д. О.; Kushnir, D.; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityЗа результатами аналізу літературних джерел встановлено що перспективним напрямом пошуку та розпізнавання об’єктів є сім’я моделей Yolo. Проте наявні реалізації не підтримують можливості запуску моделі на платформі iOS. Для досягнення таких цілей розроблено комплексну масштабовану систему конвертації та підвищення точності розпізнавання довільних моделей на базі системи Docker. Методика покращення полягає у додаванні до оригінальної моделі додаткового шару із функцією активації Mish. Методика конвертації полягає в оперативному перетворенні довільної моделі Yolo у формат CoreML. Під час дослідження цих методик була створена модель нейронної мережі Yolov4_TCAR. Крім того, розроблено метод акселерації навантаження на CPU із використанням додаткового шару нейронної мережі з функцією активації Mish мовою Swift під мобільну платформу iOS. В результаті досліджено ефективність функції активації Mish, навантаження CPU мобільного пристрою, кількість використаної оперативної пам’яті та частоту кадрів у разі використання поліпшеної оригінальної моделі Yolov4-TCAR. Результати досліджень підтвердили функціонування алгоритму конвертації та підвищення точності моделі нейронної мережі у реальному часіItem Прогнозування відмов програмного забезпечення з використанням нейронної мережі на основі радіально-базисних функцій(Видавництво Львівської політехніки, 2014) Яковина, В. С.Використано радіально-базисну нейронну мережу для прогнозування відмов програмних продуктів. Досліджено вплив функції активації такої нейронної мережі на ефективність навчання та прогнозування відмов програмного забезпечення. Показано, що оптимальною функцією активації для цієї задачі є Inverse Multiquadric з 10 нейронами у вхідному шарі та 30 – у прихованому (квадрат коефіцієнта кореляції між прогнозованими та експериментальними даними становить 0,997, а середнє квадратичне відхилення – 14,4). In this paper the radial-basis neural network was used for software failures prediction. The influence of activation function of the RBF neural net on the learning efficiency and software failures prediction is studied. It is shown that the optimal activation function is Inverse Multiquadric with 10 neurons in the input layer and 30 neurons in the hidden one (square of Pearson correlation coefficient is 0.997 and mean deviation is 14.4).Item Вплив функції активації RBF нейронної мережі на ефективність прогнозування кількості відмов програмного забезпечення(Видавництво Львівської політехніки, 2012) Яковина, В.Досліджено вплив функції активації нейронної мережі типу RBF на ефективність навчання та прогнозування надійності програмного забезпечення у вигляді часових рядів. Показано, що оптимальною функцією активації для цієї задачі є Inverse Multiquadric з 10 нейронами у вхідному шарі та 30 – у прихованому. In this paper the affect of RBF neural network activation function on the network learning efficiency and software reliability prediction is studied. The obtained results show that the optimal activation function is Inverse Multiquadric with 10 neurons in the input layer and 30 neurons in the hidden one.Item Модель обробки RWTA-нейронною схемою постійних дезкритизованих сигналів(Видавництво Львівської політехніки, 2010) Тимощук, П.Описується математична модель нейронної схеми типу “K-winners-take-all” (KWTA), призначеної для ідентифікації К максимальних серед N невідомих сигналів, де 1 £ K < N. Аналізується обробка моделлю постійних дискретизованих вхідних сигналів. Розглядається випадок рівних між собою вхідних сигналів. Наводяться відповідні результати комп’ютерного моделювання. Mathematical model of discrete-time K-winners-take-all (KWTA) neural circuit that can identify K maximal from N unknown signals, where 1 £ K < N is described. A processing of constant sampled signals is analyzed. The case of equal input signals is considered. Corresponding computer simulation results are given.