http://dspace.nbuv.gov.ua:80/handle/123456789/131659 2026-04-11T13:54:47Z http://dspace.nbuv.gov.ua:80/handle/123456789/131688 Міжнародна науково-практична конференція «Інформаційні технології та безпека» (ІТБ-2017) Інститут проблем реєстрації інформації НАН України проводить 30 листопада 2017 року щорічну Міжнародну науково-практичну конференцію «Інформаційні технології та безпека» (ІТБ-2017) 2017-01-01T00:00:00Z http://dspace.nbuv.gov.ua:80/handle/123456789/131687 О системном подходе при разработке и полигонных испытаниях бортовых автоматизированных корабельных комплексов обнаружения и целеуказания Додонов, А.Г.; Путятин, В.Г. Рассмотрены вопросы анализа и развития основных научных проблем разработки методологии системного проектирования и полигонных испытаний бортовых автоматизированных корабельных комплексов обнаружения и целеуказания.; Розглянуто питання аналізу та розвитку основних наукових проблем розробки методології системного проектування та полігонних випробувань бортових автоматизованих корабельних комплексів виявлення та цілевказування.; Questions related to the analysis of the main scientific problems of the development and testing of automated shipborne detection and target design complexes consisting of subsystems and devices on dissimilar physical principles of functioning are examined. In particular, it has been considered such aspects as the principles of the system approach when choosing the optimal technical appearance of the complex (structure, composition and degree of redundancy of the subsystems included in the complex), the development of a coherent methodology for designing and testing the complex on a unified system basis; the development of theoretical bases and mathematical models for the study of the structural and functional construction of the complex as a whole and its subsystems; development and research of methods, models and algorithms for the selection of optimal for the set of additive quality indicators of the technical imp-lementation of the system; development and research of the methods, models and algorithms for analyzing the structural reliability of a complex as a system with a complex structural organization, with fairly general assumptions regarding the laws for distributing fail-safe times and restoring component parts of the complex; the strategy of choosing the optimal ways of development of the experimental and test base for complex testing. 2017-01-01T00:00:00Z http://dspace.nbuv.gov.ua:80/handle/123456789/131686 Технологія екстрагування нових подій за визначеною тематикою із соціальної мережі Twitter Прищепа, С.В. Розглянуто проблеми і актуальність екстрагування подій. Проаналі­зовано основні підходи до екстрагування подій з інформаційних пото­ків. Сформовано свої методи та підходи до виявлення подій і визна­чення їхньої новизни (дублювання подій). На основі проведеного досліду запропоновано використовувати технологію екстрагування подій на основі спеціальних словників з тригерами подійності, класифікацією «подія/не подія» за методом класифікації наївного Байеса та екстра­гування понять та аналізу на дублювання понять з минулими подіями з бази даних подій. Представлено підходи та алгоритм роботи технології на базі цих методів.; Рассмотрены проблемы и актуальность экстрагирования новых событий. Проанализированы основные подходы к экстрагированию событий с информационных потоков. Сформированы свои методы и подходы к выявлению событий и определения их новизны (дублирование событий). На основе проведенного исследования предложено использовать технологию извлечения событий на основе специальных словарей с триггерами событийности, классификации документов на событие/не событие по методу классификации наивного Байеса и экстрагирования понятий и анализа на дублирование с понятиями прошлых событий из базы данных. Представлены подходы и алгоритм работы технологии на базе данных методов.; It is presented an overview of our approach to information extraction, which is a field of natural language processing that deals with new events from Twitter social network. There are formed methods and approaches into technology for detection events and determine their novelty. On the main base of our approach we offered to use technology of extracting events based on special dictionaries with event triggers, event classification event or not event by the method of classification of naive Bayes and extraction of special concepts and analysis their duplication with past events in some database of events. The approaches and algorithms of the technology based on these methods are presented. There is a steady interest in effective event extraction, due to its conceptual simplicity from one hand, and its potential utility on the other. The task of processing natural language has many problems, some of which cannot be solved within the framework of this technology, but the solution of which could improve the effectiveness of detecting new events. 2017-01-01T00:00:00Z http://dspace.nbuv.gov.ua:80/handle/123456789/131685 Double layer back propagation neural network based on restricted Boltzmann machines for forecasting daily particulate matter 2.5 Minglei Fu; Chen Wang; Zichun Le; Manko, D. Particulate matter 2.5 (PM₂.₅) pollution is an actual problem in the modern world and forecasting of the daily concentration of PM₂.₅ is a challenging task for researchers. In this study, a novel neural network model that effec­tively forecasts daily PM₂.₅ in Hangzhou city was developed in the form of a restricted Boltzmann machines double layer back propagation neural net­work model (RBM-DL-BPNN). Air quality index, the air pollutants, e.g., particulate matter 10 (PM10), PM₂.₅, SO₂, CO, NO₂, O₃, and meteorological parameters (temperature, dew point, humidity, pressure, wind speed, and precipitation) of Hangzhou city were used in this study to train and test three models: RBM-DL-BPNN, double layer back propagation neural network (DL-BPNN), and back propagation neural network (BPNN). The results of experiments and analyses performed indicate that RBM-DL-BPNN has a smaller mean absolute percent error (MAPE), smaller overall daily absolute percentage errors, and more results in terms of absolute percentage error within the range 0-50 % than DL-BPNN and BPNN.; Загрязнение ультрадисперсными частицами (УДЧ) класса PM₂.₅ является актуальной проб-лемой в современном мире. Прогнозирование их ежедневной концентрации является сложной задачей для исследователей. Разработана новая модель в виде ограниченной машины Больцмана обратной связи с удвоенным слоем (RBM-DL-BPNN). Эффективность предложенной модели показана на примере прогнозирования концентрации PM₂.₅ в городе Ханчжоу. Показатели качества воздуха, его загрязнения (PM10, УДЧ PM₂.₅, SO₂, CO, NO₂, O₃), метеорологические параметры (сред-несуточная температура, точка росы, влажность, атмосферное давление, скорость ветра и количество осадков) в Ханчжоу использованы в работе для обучения и тестирования трех моделей: RBM-DL-BPNN, нейронной сети с обратной связью с двойным слоем (DL-BPNN) и нейронной сети обратного распространения (BPNN). Результаты проведенных исследований показали, что относительная погрешность результатов использования RBM-DL-BPNN является наименьшей среди изученных нейронных сетей, которая заключается в том, что количество значений этой погрешности в диапазоне 0–50 % для RBM-DL-BPNN значительно больше, чем в случаях DL-BPNN и BPNN.; Забруднення ультрадисперсними частинками (УДЧ) класу PM₂.₅ є актуальною проблемою у сучасному світі. Прогнозування їхньої щоденної концентрації є складним завданням для дослідників. Розроблено нову модель у вигляді обмеженої машини Больцмана зворотного зв’язку з подвоєним шаром (RBM-DL-BPNN). Ефективність запропонованої моделі показано на прикладі прогнозування концентрації УДЧ РМ₂,₅ у місті Ханчжоу. Показники якості повітря, його забруднення (РМ10, РМ₂,₅, SO₂, CO, NO₂, O₃), метеорологічні параметри (середньодобова температура, точка ро-си, вологість, атмосферний тиск, швидкість вітру та кількість опадів) у Ханчжоу використано в роботі для навчання та тестування трьох моделей: RBM-DL-BPNN, нейронної мережі зі зворотним зв’язком з подвійним шаром (DL-BPNN) і нейронної мережі зворотного поширення (BPNN). Результати проведених досліджень показали, що відносна похибка результатів використання RBM-DL-BPNN є найменшою серед вивчених нейронних мереж, яке полягає в тому, що кількість значень цієї похибки в діапазоні 0–50 % для RBM-DL-BPNN значно більше, ніж для випадків DL-BPNN і BPNN. 2017-01-01T00:00:00Z