http://dspace.nbuv.gov.ua:80/handle/123456789/162308 2026-04-16T21:39:12Z 2026-04-16T21:39:12Z Kyslenko, Y.I. http://dspace.nbuv.gov.ua:80/handle/123456789/162366 2020-01-07T23:25:54Z 2018-01-01T00:00:00Z

Personified cognitive feedback as a powerful instrument for progressive acceleration of social evolution Kyslenko, Y.I. The concept of personified cognitive feedback (PCF) is introduced, which takes place in human neural network between the accumulated knowledge potential and new information. This feedback may always be considered as positive, taking into account experience accumulation. This connection itself provides the process of “understanding” while comparing each component and the message as a whole with the recipient’s current cognitive potential. When projecting the peculiarities of PCF realization onto the society in general, a powerful conclusion can be made that it is the multitude of separate individual PCFs with their significant creative potential and unlimited communication capabilities that enables the continuous growth of the global cognitive potential, which, in its turn, determines the “progressive acceleration of social evolution”.; Вводиться поняття персоніфікованого когнітивного зворотного зв’язку (ПКЗЗ) в нашій нейромережі між накопиченим потенціалом знань та новою інформацією. Такий зв'язок завжди вважатимемо позитивним з урахуванням процедури накопичення досвіду. Власне, такий зв'язок і забезпечує процес «розуміння», зіставляючи як кожну складову, так і загалом все повідомлення з поточним когнітивним потенціалом реципієнта. Коли ж спроектувати особливості актуалізації ПКЗЗ на суспільство загалом, то доходимо потужного висновку: що саме множина окремих індивідуальних ПКЗЗ з їх потужним креативним потенціалом та необмеженими можливостями комунікації забезпечують постійне зростання глобального когнітивного потенціалу, що, в свою чергу, зумовлює «прогресивне прискорення розвитку суспільства».

2018-01-01T00:00:00Z Шушура, О.М. http://dspace.nbuv.gov.ua:80/handle/123456789/162365 2020-01-07T23:25:55Z 2018-01-01T00:00:00Z

Нечітке логічне виведення на основі теорії питальників Шушура, О.М. Моделі прийняття рішень на основі нечіткого виведення отримали значне розповсюдження при управлінні складними системами. При зростанні кількості нечітких продукцій у базах знань актуальним постає завдання підвищення ефективності процедур нечіткого виведення. У роботі запропоновано для проведення нечіткого логічного виведення застосовувати побудову відповідного питальника на основі методів теорії питальників. Показана відповідність структури нечіткої бази знань базовим характеристикам питальників, наведено реалізацію процедур нечіткого виведення на основі обробки графа питальника. Результати роботи можуть бути використані при розробці інформаційних технологій для управління складними системами на основі нечіткої логіки.; Decision-making models based on fuzzy output have become widespread in the control of complex systems. With the increasing in the number of fuzzy products in knowledge bases, the task of increasing the effectiveness of fuzzy inference procedures is urgent. In the paper, it is proposed to use the construction of the corresponding questionnaire based on the methods of the questionnaire theory for carrying out the fuzzy logical inference. The correspondence of the structure of the fuzzy knowledge base to the basic characteristics of the questioners is shown, and the implementation of fuzzy output procedures is based on the processing of the questionnaire graph. The results of work can be used in the development of information technology to manage complex systems based on fuzzy logic.

2018-01-01T00:00:00Z Dzierżak, R. Wójcik, W. http://dspace.nbuv.gov.ua:80/handle/123456789/162364 2020-01-07T23:25:53Z 2018-01-01T00:00:00Z

Application of neural networks in the classification of medical images textures Dzierżak, R.; Wójcik, W. Neural networks have been widely used in medical diagnostic processes. Imaging results obtained from medical devices can be analyzed in many ways. One of them is to analyze the texture of the received images. Examination of the textures of diagnostic images is based on the determination of specific parameters and characteristics of examined tissue or organ. The main goal is to assign the analyzed area to one of two basic groups: as a healthy tissue or a tissue with pathological changes. By using supervised classification and setting up a training base, it is possible to achieve 93% accuracy in classification results.; Нейронні мережі широко застосовуються в медичних діагностичних процесах. Результати обробки зображень, отримані з медичних приладів, можна аналізувати багатьма способами. Один з них - це аналіз текстури отриманих зображень. Вивчення текстур діагностичних зображень ґрунтується на визначенні конкретних параметрів та характеристик досліджуваної тканини або органу. Основна мета полягає в тому, щоб класифікувати аналізовану ділянку як одну з двох основних груп: як здорову тканину або тканину з патологічними змінами. Використовуючи контрольовану класифікацію та налаштовану навчальну базу, можна досягти точності результатів класифікації 93%.

2018-01-01T00:00:00Z Марценюк, В.П. Сверстюк, А.С. http://dspace.nbuv.gov.ua:80/handle/123456789/162363 2020-01-07T23:25:56Z 2018-01-01T00:00:00Z

Модель імуносенсора на основі решітчастих диференціальних рівнянь із запізненням Марценюк, В.П.; Сверстюк, А.С. У роботі запропоновано модель імуносенсора, яка грунтується на системі решітчатих диференціальних рівнянь із запізненням. Побудова моделі грунтується на ряді біологічних припущень щодо взаємодії колоній антигенів та антитіл, а також дифузії антигенів. Для опису дискретних у просторі колоній, локалізованих у відповідних пікселях, використовується апарат решітчатих диференціальних рівнянь; In the work the model of immunosensor is proposed, which is based on the system of lattice differential equations with delay. The construction of the model is based on a number of biological assumptions about the interaction of colonies of antigens and antibodies, as well as the diffusion of antigens. For the description of discrete spaces in the space of the colonies, localized in the corresponding pixels, the apparatus of lattice differential equations is used.

2018-01-01T00:00:00Z