http://dspace.nbuv.gov.ua:80/handle/123456789/5531 2026-04-06T09:38:37Z http://dspace.nbuv.gov.ua:80/handle/123456789/5544 Наши авторы 2009-01-01T00:00:00Z http://dspace.nbuv.gov.ua:80/handle/123456789/5543 Применение метода группового учета аргументов для построения системы управления автономным мобильным роботом Тырышкин, А.В.; Андраханов, А.А.; Орлов, А.А. Рассмотрены основные положения построения системы управления автономным мобильным роботом на основе индуктивных принципов самоорганизации модели. Приведены результаты поиска целевых функций робота и функции классификации объектов по признаку препятствие/не препятствие.; Розглянуто основні положення побудови системи керування автономним мобільним роботом на основі індуктивних принципів самоорганізації моделі. Наведено результати пошуку цільових функцій робота та функцій класифікації об’єктів за ознакою перешкода/не перешкода.; Fundamentals of constructing an independent mobile robot’s (AMR) control system on the basis of the inductive principles of the model self-organization are considered. The results of the search for the robot objective functions and the function of the object classification according to the obstacle/not obstacle property are given. 2009-01-01T00:00:00Z http://dspace.nbuv.gov.ua:80/handle/123456789/5542 Модельно-параметрическое пространство – средство представления знаний исследователей сложных систем Валькман, Ю.Р.; Рыхальский, А.Ю. Введено понятие модельно-параметрического пространства для исследования сложных систем в компьютерных технологиях. Построен соответствующий формальный аппарат. Определено понятие модельно-параметрической окрестности. Рассмотрены теоретико-множественные операции объединения и пересечения этих окрестностей в модельно-параметрическом пространстве. Введена метрика в этом пространстве. Исследованы свойства и характеристики построенных структур.; Введено поняття модельно-параметричного простору для дослідження складних систем в комп’ютерних технологіях. Побудовано відповідний формальний апарат. Визначено поняття модельно-параметричного околу. Розглянуто теоретико-множинні операції об’єднання і перетину цих околів в модельно-параметричного просторі. Введено метрика у цьому просторі. Досліджено властивості і характеристики побудованих структур.; A concept of model-parametrical model parametrical spaces for the research of complex systems in computer technologies is introduced. The corresponding formal method is constructed. A notion of the model parametrical vicinities is defined. Set-theoretic operations of association and crossing of these vicinities in the model parametrical space are considered. A metric in this space is introduced. The properties and characteristics of the constructed structures are investigated. 2009-01-01T00:00:00Z http://dspace.nbuv.gov.ua:80/handle/123456789/5541 Как формулировать задачи обучения в распознавании образов Шлезингер, М.И.; Бондаренко, А.В. Исследованы задачи распознавания образов в ситуации, когда статистическая модель распознаваемого объекта известна лишь частично. Выполнен критический анализ минимаксного подхода к решению таких задач и подхода, основанного на максимально правдоподобном оценивании модели по обучающей выборке. Сформулирована постановка задачи, покрывающая весь спектр ситуаций для обучающих выборок любого объема, от нулевого до бесконечного. Выполнен формальный анализ задач обучения в этой новой постановке и показано ее решение в некоторых простейших случаях.; Досліджено задачі розпізнавання образів у ситуації, коли статистична модель розпізнаваного об’єекта відома лише частково. Виконано критичний аналіз мінімаксного підходу до розв’язання таких задач та підходу, заснованого на максимально правдоподібному оцінюванні моделі за навчальною вибіркою. Сформульовано постановку задачі, яка покриває весь спектр ситуацій для навчальних вибірок будь-якого об’єму, від нульового до безкінечного. Виконано формальний аналіз задач навчання у цій новій постановці та показано її розв’язання у деяких найпростіших випадках.; Pattern recognition problems are considered for a case when a statistical model of an object is not completely known. A minimax approach to solution of such problems is critically analyzed as well as an approach based on the maximal likelihood model estimation with respect to given training multiset. The suggested formulation of the recognition learning problem embraces a whole spectrum of situations for training sets of an arbitrary size: from zero to infinite ones. Main formal properties of the suggested problem formulation are analyzed and its solution in several simplest cases is shown. 2009-01-01T00:00:00Z