http://dspace.nbuv.gov.ua:80/handle/123456789/83685 2026-04-08T14:51:10Z 2026-04-08T14:51:10Z http://dspace.nbuv.gov.ua:80/handle/123456789/84005 2015-07-03T00:02:15Z 2014-01-01T00:00:00Z

Автори випуску

2014-01-01T00:00:00Z Яйлимов, Б.Я. http://dspace.nbuv.gov.ua:80/handle/123456789/84004 2015-07-03T00:02:09Z 2014-01-01T00:00:00Z

Метод классификации на основе слияния данных для анализа ущерба от засухи Яйлимов, Б.Я. В статье предложена информационная технология определения поврежденных посевов в результате засухи на основе геопространственного анализа и слияния данных. Источниками данных о повреждениях служат спутниковые снимки, полученные с различных космических аппаратов, векторные данные о границах полей и наземные измерения. Для идентификации повреждений на спутниковых изображениях предложен метод слияния данных разного пространственного разрешения, базирующийся на интеллектуальных вычислениях и геопространственном анализе информации. Предложенный метод апробирован на одном из районов Автономной Республики Крым.; У статті запропоновано інформаційна технологія визначення пошкоджених посівів внаслідок посухи на основі геопространственного аналізу і злиття даних. Джерелами даних про пошкодження служать супутникові знімки, отримані з різних космічних апаратів, векторні дані про межі полів і наземні вимірювання. Для ідентифікації пошкоджень на супутникових зображеннях запропонований метод злиття даних різного просторового розрізнення, який базується на інтелектуальних обчисленнях і геопросторовому аналізі інформації. Запропонований метод апробовано на одному з районів Автономної Республіки Крим.; In this paper we present a data fusion approach for assessment of crop damages caused by a drought using geospatial information. The following datasets are being used: remote sensing images acquired by different satellite instruments, field boundaries and ground observations of crop damages. Crop damage assessment is performed by fusing satellite images of various spatial resolution using intelligent computations and geospatial analysis techniques. The presented approach is validated for administrative districts of the Autonomous Republic of Crimea.

2014-01-01T00:00:00Z Скакун, С.В. Шелестов, А.Ю. Яйлимов, Б.Я. Остапенко, В.А. Лавренюк, М.С. Вікулов, А.В. http://dspace.nbuv.gov.ua:80/handle/123456789/84003 2015-07-03T00:02:10Z 2014-01-01T00:00:00Z

Класифікація сільськогосподарських посівів з використанням часових рядів супутникових даних Скакун, С.В.; Шелестов, А.Ю.; Яйлимов, Б.Я.; Остапенко, В.А.; Лавренюк, М.С.; Вікулов, А.В. Запропоновано метод класифікації сільськогосподарських посівів з використанням часових рядів супутникових даних. Метод ґрунтується на послідовному використанні двох нейромережевих парадигм: карт самоорганізації Кохонена та ансамблю багатошарових персептронів. Точність класифікації підтверджується тестуванням на незалежній вибірці, а також шляхом порівняння з офіційною статистикою.; Предложен метод классификации сельскохозяйственных посевов с использованием временных рядов спутниковых данных. Метод основан на последовательном использовании двух нейросетевых парадигм: карт самоорганизации Кохонена и ансамбля многослойных персептронов. Точность классификации подтверждается тестированием на независимой выборке, а также путем сравнения с официальной статистикой.; A method for crop classification using a time series of satellite data is presented. The method is based on the subsequent applications of two neural networks paradigms: self-organising Kohonen maps and an ensemble of multi-layer perceptrons. The accuracy of classification is verified using independent testing data set and compared with official statistics.

2014-01-01T00:00:00Z Сарычев, А.П. http://dspace.nbuv.gov.ua:80/handle/123456789/84002 2015-07-03T00:02:07Z 2014-01-01T00:00:00Z

Моделирование в классе систем регрессионных уравнений со случайными коэффициентами на основе метода группового учета аргументов Сарычев, А.П. Для моделирования в классе систем регрессионных уравнений со случайными коэффициентами предложен системный критерий регулярности с разбиением выборок наблюдений на обучающие и проверочные подвыборки. Доказано существование оптимального множества регрессоров. Выявлено условие редукции оптимальной системы регрессионных уравнений, которое зависит от параметров системы и объемов выборок.; Для моделювання в класі систем регресійних рівнянь з випадковими коефіцієнтами запропоновано системний критерій регулярності з розбиттям вибірок спостережень на навчальні й перевірні підвибірки. Доведено існування оптимальної множини регресірів. Виявлено умову редукції оптимальної системи регресійних рівнянь, що залежить від параметрів системи і обсягів вибірок.; For modelling in a class of regression equations systems with random coefficients the system criterion of regularity with dividing of observation sample on training and testing subsamples is offered. It is proved, that the optimum set of regressors exists. The condition of a reduction of optimum system of regression equations is obtained. This condition depends on parameters of system and volumes of samples.

2014-01-01T00:00:00Z