Вісники та науково-технічні збірники, журнали
Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/12
Browse
5 results
Search Results
Item Застосування ефективних технологій з “GYROMAXTMAK 2M” для автономного орієнтування у просторі(Видавництво Львівської політехніки, 2019-02-28) Тревого, І.; Ковтун, В.; Trevoho, I.; Kovtun, V.; Національний університет “Львівська політехніка”; ПАТ “Київметробуд” Державної корпорації “Укрметротунельбуд”; Lviv Polytechnic National University; PAT “Kyivmetrobud” State Corporation “Ukrmetrotunelstroy”Розгляднуто особливості й переваги використання технологій орієнтування у просторі з використанням гіроосадка GYROMAXTMAK 2М в різних сферах діяльності, у тому числі і військовій, без використання в КББ.Item Decision support methods in a competitive environment based on Boyd cycle by means of ontology use(Commission of Motorization and Energetics in Agriculture, 2017) Lytvyn, V.; Oborska, O.; Demchuk, A.; Krupa, D.; Lviv Polytechnic National UniversityThe method of decision making system elaboration in competitive environment based on ontological approach was developed. For scientific modeling of decision support process in competitive environment, mathematical support and methods of domain-specific ontology in the Boyd cycle (OODA – observation, orientation, decision, action) were elaborated.Item Застосування штучних нейронних мереж для класифікації ділянок поверхні з певним рельєфом(Видавництво Львівської політехніки, 2016) Рудий, Р.Мета досліджень. Головною метою досліджень є аналіз рельєфу різних поверхонь, а саме: виділення на загальній поверхні окремих ділянок певної форми, наприклад, схилів, що орієнтовані у заданому напрямку. Мета роботи - використання штучних нейронних мереж (ШНМ) для розв’язку задачі класифікації, яка полягає у створенні бінарного класифікатора та дослідження точності його роботи. Методика. Дослідження виконувались на ділянці земної поверхні. Для неї була створена цифрова модель, яка подана грідфайлом, тобто висотами у перехрестях регулярної сітки квадратів, або матрицею 21x17 висот у перехрестях. З цієї матриці були створені образи, тобто вікна окремих ділянок поверхні розміром 3x3 перехрестя. Кожен образ подавався як вектор ознак, якими були нахили з центральної точки вікна на інших восьми крайніх точках. Отже, рельєф взятої поверхні був поданий 77-ма образами. Наступним кроком було створення бінарного класифікатора. Він ділить об’єкти (ділянки поверхні) з нахилом із заходу на схід в одну групу, а усі інші - в другу. Для цього використовувався Модуль опрацювання даних на основі алгоритмів штучних нейронних мереж у пакеті прикладних програм МАТЛАБ. Була створена ШНМ, проведено її навчання, виконано моделювання та тестування, були вибрані вхідні, скриті та вихідні нейронні шари. На основі ШНМ був виконаний процес класифікації. Вхідні дані були представлені матрицею образів розміром 8x77. Матриця завдань (target) була розмірністю 2x77. Її елементи мали значення 0 або 1, залежно від того, до якого класу належить ця ділянка. Третя матриця (test) мала розмірність 8x8. Класифікація та її оцінка точності виконувались двома способами з використанням графічного редактора nntool і nprtool. Результати. Робота створеного класифікатора перевірялась за допомогою тестових образів. У дослідженнях тест був матрицею, що складалась з восьми стовпців. Два стовпці цієї матриці були образами схилів, орієнтованих із заходу на схід, один - близький до них, а решта - образами поверхонь довільної форми. Оцінка роботи класифікатора виконувалась за допомогою матриці неточностей (confusion matrix). У нашому випадку загальна кількість правильно класифікованих зразків становила близько 99 %. Наукова новизна і практична цінність. Проведені експериментальні дослідження з виділення ділянок поверхні зі схилами певної орієнтації та аналіз результатів дають змогу використовувати їх під час дослідженнь рельєфу земної поверхні та поверхонь інших об’єктів, наприклад, під час вивчення мікрорельєфу механічних деталей, різноманітних біологічних об’єктів рельєфу земної поверхні, який значною мірою визначає родючість сільськогосподарських угідь, впливає на екологічно небезпечні явища, а саме: повені, селі, зсуви та снігові лавини. Отже, розробка та вдосконалення об’єктивних методів класифікації ділянок поверхні є актуальним завданням. Цель исследований. Главной целью исследований является анализ рельефа различных поверхностей, а именно выделение на обшей поверхности отдельных участков определенной формы, например, склонов, ориентированных в заданном направлении. Целью статьи является использование исскуственных нейронных сетей (ИНС) для решения задачи классификации, заключается в создании бинарного классификатора и исследования точности его работы. Методика. Исследования выполнялись на участке земной поверхности. Для нее была создана цифровая модель, представленная гридфайлом, то есть высотами в перекрестках регулярной сетки квадратов, или матрицей 21x17 высот в этих перекрестках. С этой матрицы были созданы образы, то есть окна отдельных участков поверхности размером 3x3 перекрестий. Каждый образ подавался как вектор признаков, которыми были наклоны из центральной точки окна на остальных 8 крайних точках. Таким образом рельеф взятой поверхности был представлен 77-ю образами. Следующим шагом было создание бинарного классификатора. Он делит объекты (участки поверхности) с наклоном с запада на восток в одну группу, а все остальные - в другую. Для этого использовался Модуль обработки данных на основании алгоритмов исскуственных нейронных сетей пакета прикладных программ MATLAB. Была создана ИНС, проведено ее обучение, выполнено моделирование и тестирование. Для этого были выбраны входные, скрытые и выходные нейронные слои. На основе ИНС был выполнен процесс классификации. Входные данные были представлены матрицей образов размером 8x77. Матрица задач (target) была размерностью 2x77. Ее элементы имели значения 0 или 1, в зависимости от того, к какому классу относится данный участок. Третья матрица (test) имела размерность 8x8. Классификация и ее оценка точности выполнялись двумя путями с использованием графического редактора nntool и nprtool. Результаты. Работа созданного классификатора проверялась с помощью тестовых образов. В исследованиях тест был матрицей, состоящей из восьми столбцов. Два столбца этой матрицы были образами склонов, ориентированных с запада на восток, один - близкий к ним, а остальные - образами поверхностей произвольной формы. Оценка работы классификатора выполнялась с помощью матрицы неточностей (confusion matrix). В нашем случае общее количество правильно классифицированных образцов составляет около 99 процентов. Научная новизна и практическая ценность. Проведенные экспериментальные исследования по выделению участков поверхности с уклонами определенной ориентации и анализ результатов дают основания для их использования при исследованиях рельефа земной поверхности и поверхностей других объектов, например, при изучении микрорельефа механических деталей, различных биологических объектов и, конечно, рельефа земной поверхности, который в значительной степени определяет плодородие сельскохозяйственных угодий, влияет на экологически опасные явления, а именно: наводнения, сели, оползни и снежные лавины. Следовательно, разработка и совершенствование объективных методов классификации участков поверхности является актуальной задачей. The purpose of research. The main purpose of research is to analyze the relief of various surfaces. For example, to select on the surface the individual sections of a certain form, such as slopes that are oriented in a given direction. The main aim of the article is the use of artificial neural networks (ANN). To solve the problem of classification a binary classifier was created and its work and its accuracy was studied. Method. The research was carried out on the certain section of the earth's surface. The digital model, presented by greed file, was created. The heights at the intersections of grid squares, or matrix 21x17 were determined. From this matrix the images, that is separate windows of the surface areas measuring 3x3 intersection were made. Even image was made as a vector, that is the slopes from the central point of the window at the other 8 border points. The surface relief was presented by 77 images. The next step was to create a binary classifier. It divides objects (land surface) with the slopes from west to east into one group, and the rest - into the second. For this goal Module data processing algorithms based on artificial neural networks in MATLAB Software Package was used. It selected input, hidden and output neuron layers and conducted its study, performed the simulation and the testing. Classification process was carried on the base of ANN. Input data were presented by matrix size images 8x77. The matrix of targets had 2x77 dimensions. Its elements hada value of 0 or 1, depending on the class to wich the site belong. The third matrix (test) had 8x8 dimension. Classification and assessment of its accuracy was performed in two ways using the graphical editor nntool and nprtool. Results. The work of the created classifier was checked using the test images. The test, used in the studies was a matrix consisting of eight columns. Two columns of this matrix were images of slopes oriented from west to east - one close to them, and the rest - images of freeform surfaces. Assessment of the classifier was performed using confusion matrix. The total number of correctly classified samples was about 99 percent. Scientific novelty and practical value. Experimental research on the selection of surface areas with slopes of a certain orientation and analysis of the results give reasons for their use in different studies. It can be microrelief of the mechanical parts, various biological objects and, of course, the earth relief, which largely determines the fertility of agricultural lands, affects the ecological hazards such as: floods, mudflows, landslides and snow avalanche. So, development and improvement objective methods for classification surface areas is an urgent task.Item Impact of shape of buildings on energy consumption(Національний університет "Львівська політехніка", 2012) Geletka, Vladimír; Sedláková, AnnaНаведено аналіз форми будівель (план фундаменту і вертикальний розподіл) і їх вплив на коефіцієнт форми / аеродинамічний коефіцієнт/ FT будівель. Для деяких будівель запроваджений параметричний аналіз, отриманий з вичерпного відтворення енергетичних потоків цілої будівлі. Параметричний аналіз стосується орієнтації будівлі і пропорційно процентності скління конкретної стіни. This paper provides analysis of buildings shape (ground plan and vertical division) and their impact of shape factor – FT of buildings. For some shape is provide a parametric analysis obtained from a comprehensive whole building energy simulation. Parametric analysis regards orientation of buildings and ratio % glazing to the wall.Item Сонячні будинки: типологічна класифікація(Видавництво Львівської політехніки, 2012) Казаков, Г. В.Проаналізовано окремі приклади перших сонячних будинків, збудованих в Україні. Проведена класифікація сонячних будинків за їх основними ознаками: тип будинку, об’ємно-планувальна схема, орієнтація. There are analyzed some examples of the first “sunhouses” that were built in Ukraine. There is classification of “sunhouses” by their main descriptions: the building type, spaceplanning scheme, orientation.