Ukrainian Journal of Information Technology
Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/56854
Browse
5 results
Search Results
Item Інформаційна технологія для аналізу пунктів продажу мобільного оператора на основі методів кластеризації(Видавництво Львівської політехніки, 2023-02-28) Нарушинська, О. О.; Мотрунич, В. І.; Арзубов, М. В.; Теслюк, В. М.; Narushynska, O. O.; Motrunych, V. I.; Arzubov, M. V.; Teslyuk, V. M.; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityПредставлено дослідження, спрямоване на розробку та впровадження інформаційної технології моніторингу та аналізу сегментів пунктів продажу мобільного оператора з використанням методів кластеризації. Дослідження вирішує актуальну проблему в сфері маркетингу та бізнес-оптимізації, а саме: покращення стратегій мережі пунктів продажу мобільного зв'язку. В дослідницькій роботі представлено новітній підхід до сегментації пунктів продажу мобільного оператора з використанням алгоритмів кластеризації. Було розроблено програмний продукт, що містить алгоритми машинного навчання для кластеризації пунктів продажу за ключовими параметрами. Здійснено комплексний аналіз бази даних мобільного оператора для визначення критичних характеристик пунктів продажу, таких як прибутковість, патерни використання послуг мобільного оператора, кількість нових та втрачених клієнтів, географічне розташування, та інші важливі індикатори. Особлива увага була приділена розробці інструментарію для підготовки та опрацювання вхідних даних, що забезпечує точність подальшої кластеризації. За допомогою створеного продукту мобільний оператор зможе ідентифікувати найбільш прибуткові пункти продажу, виявити можливості для зростання та розробити цільові стратегії для кожного сегмента. Застосуванням розробленої технології мобільний оператор отримує можливість не тільки виявити ключові та прибуткові точки продажів, але й розробити цілеспрямовані стратегії для різних груп пунктів продажу з урахуванням їх унікальних характеристик. Такий підхід підсилює позиції компанії на ринку, сприяючи підвищенню задоволеності споживачів та збільшенню прибутків. Крім того, розроблена система має потенціал для аналізу динаміки зміни пунктів продажу з часом, що дає змогу мобільному оператору підтримувати оптимальну стратегію розвитку та задовольняти потреби клієнтів, що може сприяти підвищенню прибутковості та конкурентоспроможності бізнесу.Item Сучасний стан підходів до моніторингу технічного стану лопатей вітрових турбін з використанням інформаційних технологій(Видавництво Львівської політехніки, 2023-02-28) Басалкевич, О. А.; Рудавський, Д. В.; Basalkevych, O. A.; Rudavskyi, D. V.; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityВітрова енергетика є одним із найважливіших та найперспективніших джерел екологічно чистої відновлювальної енергії. Для підвищення надійності та безпечності експлуатації вітрових турбін, а також для зниження витрат через технічне обслуговування та простої у неробочому стані, необхідно застосовувати сучасні методи моніторингу стану великогабаритних та високонавантажених деталей вітрових електростанцій з використанням інформаційних технологій. Розглянуто основні види дефектів та їхню класифікацію. Проаналізовано вплив швидкості обертання турбіни та наявності тріщини у лопаті на власні частоти коливання робочого тіла. Наведено основні види і методи неруйнівного контролю (НК). Детально розглянуто акустичний метод, оскільки він стрімко розвивається та є перспективним для галузі зеленої енергетики. На основі опрацьованої літератури подано класифікацію акустичних методів НК. Проведено аналітичний огляд публікацій, що розглядають методи НК для діагностики лопатей вітрових турбін, у тому числі з використанням безпілотних літальних апаратів (БПЛА). Для кожного з методів наведено його переваги та недоліки. Здійснено аналіз підходу до НК вітрових електричних станцій з використанням машинного навчання на основі Гаусівських процесів для прогнозування власних частот коливань однієї лопаті за статистичними даними розподілу власних частот коливання сусідніх лопатей та температури навколишнього середовища. Наведено опис повного циклу функціонування системи від збирання даних до прийняття рішення про можливу наявність дефекту в конструкції. Розглянуті підходи можуть слугувати базою для побудови нових високонадійних методів виявлення небезпечних дефектів у матеріалі лопаті на ранніх стадіях їх розвитку.Item Методи та засоби визначення об'єктів радіотехнічної розвідки з використанням технологій машинного навчання та онтологічного підходу(Видавництво Львівської політехніки, 2023-02-28) Данилик, В. М.; Литвин, В. В.; Рибчак, З. Л.; Danylyk, V. M.; Lytvyn, Vasyl; Rybchak, Z. L.; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityДосліджено методи та засоби визначення об’єктів радіотехнічної розвідки з використанням технологій машинного навчання та онтологічного підходу. Для визначення об’єктів радіотехнічної розвідки використано наївний байесівський класифікатор. Наївний Байесівський класифікатор є алгоритмом машинного навчання, який використовується для класифікації об’єктів на підставі ймовірностей. Встановлено, що наївний Байесівський класифікатор використовується для визначення класів, до яких належать об’єкти радіотехнічної розвідки. Класифікатор використовує історичні дані про властивості об’єктів, щоб визначити ймовірності належності кожного об’єкта до певного класу. Наприклад, на підставі властивостей діапазону робочих частот, тривалості імпульсу, періоду повторення імпульсів та кількості джерел радіовипромінювань можна визначити ймовірність того, що об’єкт належить до певного класу засобів радіотехнічної розвідки. Для задання класів, до яких належать об’єкти радіотехнічної розвідки використано онтологічний підхід. Онтологічний підхід використовують для задання класів об’єктів радіотехнічної розвідки з метою створення ясної та однозначної моделі предметної області. Це дає змогу структурувати знання про об’єкти, їх властивості та взаємозв’язки, що спрощує подальший аналіз даних і дає змогу більш точно класифікувати нові об’єкти. Удосконалено процес класифікації об’єктів у військовій галузі, а саме засобів радіотехнічної розвідки шляхом поєднання методів k-найближчих сусідів, наївного байєсівського класифікатора та онтологічного підходу, що, на відміну від наявних методів, перед застосуванням класифікатора здійснюється кластеризація об’єктів із метою врахування діапазонів, у межах яких визначені ознаки об’єктів. Аналіз вхідних ознак показав, що основними ознаками для визначення засобів радіотехнічної розвідки є: “діапазон робочих частот”; “тривалість імпульсу”; “період повторення імпульсів”; “кількість джерел радіовипромінювань”. Розроблено інформаційну систему класифікації засобів радіотехнічної розвідки, центральною компонентою якої є онтологія засобів радіотехнічної розвідки. Проведено імітаційне моделювання роботи розроблених методів та алгоритмів. Обґрунтовано вибір програмних засобів для реалізації розроблених методів із метою подальшого впровадження на різних платформах. Для реалізації функціонального наповнення системи використано мову програмування JavaScript з використанням бібліотеки JQuery. Проведене моделювання показує задовільний результат розроблених методів та алгоритмів.Item Застосування згорткової нейронної мережі для виявлення меланоми за зображенням новоутворення на мобільному пристрої(Видавництво Львівської політехніки, 2021-10-10) Дем’янець, Т. В.; Федасюк, Д. В.; Demianets, T. V.; Fedasyuk, D. V.; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityРозглянуто сучасні методи виявлення меланоми за зображенням новоутворення, проаналізовано їх переваги та недоліки. У статті продемонстровано прототип мобільного застосунку для виявлення меланоми за зображенням родимки на підставі згорткової нейронної мережі, котрий розробляється для операційної системи Android. Доповнено набір даних на підставі HAM10000 для навчання задля усунення незбалансованості класів та покращення показників точності мережі. Виконано пошук наявних нейронних мереж, котрі забезпечують високу точність, та вибрано для дослідження нейромережі VGG16, MobileNet та NASNetMobile. До наведених нейронних мереж застосовано техніки передавання навченості та точного налаштування для адаптування мереж до задачі класифікації уражень шкіри. Встановлено, що використання згаданих технік дає змогу отримати високі показники точності нейронної мережі для вказаного завдання. Описано процес конвертування згорткової нейронної мережі в оптимізований формат Flatbuffer засобами TensorFlow Lite для розміщення та використання на мобільному пристрої. Оцінено характеристики швидкодії вибраних нейронних мереж на мобільному пристрої за часом класифікації на центральному і графічному процесорах та здійснено порівняння обсягу пам’яті, яку займає файл окремої мережі. Виконано порівняння розміру файлу нейронної мережі до конвертування та після. Продемонстровано, що використання конвертора TensorFlow Lite значно зменшує розмір файлу нейронної мережі завдяки оптимізованому формату. Результати дослідження свідчать про високу швидкодію застосунку та компактність мереж на пристрої, а використання графічного пришвидшення дає змогу значно зменшити тривалість класифікації зображень новоутворення. На підставі проаналізованих параметрів вибрано NASNetMobile як оптимальну нейронну мережу для використання у мобільному застосунку для виявлення меланоми.Item Тренування нейронної мережі для прогнозування попиту на пасажирські перевезення таксі за допомогою графічних процесорів(Видавництво Львівської політехніки, 2020-09-23) Згоба, М. І.; Грицюк, Юрій Іванович; Zghoba, M. I.; Hrytsiuk, Yu. I.; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityРозглянуто особливості тренування нейронної мережі для прогнозування попиту на пасажирські перевезення таксі за допомогою графічних процесорів, що дало змогу пришвидшити процедуру навчання за різних наборів вхідних даних і конфігурацій апаратного забезпечення та його потужності. З'ясовано, що послуги таксі стають доступнішими для більшої кількості людей. Найважливішим завданням будь-якої компанії та водія таксі є мінімізація тривалості очікування нових замовлень та відстані до клієнтів на момент їх замовлення. Аби досягти цієї мети, потрібно мати розуміння транспортної логістики та вміння оцінити географічний попит на перевезення залежно від багатьох чинників. Розглянуто приклад тренування нейронної мережі для передбачення попиту на пасажирські перевезення таксі. Встановлено, щоб нейронна мережа давала хороші прогнози, необхідно обробити великий набір вхідних даних. Оскільки навчання нейронної мережі – це довготривалий процес, то для вирішення цієї проблеми було застосовано розпаралелювання процедури навчання мережі з використанням графічних процесорів. Проведено навчання нейронної мережі на центральному процесорі, одному та двох графічних процесорах відповідно, виконано порівняння тривалості процедури навчання мережі для однієї епохи. Оцінено вплив кількості використаних графічних процесорів на тривалість тренування нейронної мережі у двох різних конфігураціях апаратного забезпечення та його потужності. Тренування мережі здійснено за допомогою набору даних, який містить 4.5 млн поїздок у межах одного міста. Результати дослідження показують, що пришвидшення процедури навчання за допомогою графічних процесорів не завжди дає позитивний результат, позаяк залежить від багатьох чинників – розміру вибірки вхідних даних, правильного поділу вибірки даних на менші підвибірки, а також характеристик апаратного забезпечення та його потужності.