FlagCounter
INFORMATION AND CONTROL SYSTEMS: MODELLING AND OPTIMIZATIONS
Ключові слова:
інтелектуальні системи, системи підтримки прийняття рішень, штучний інтелект, штучні нейронні мережіКороткий опис
Висока динамічність розвитку суспільних процесів і явищ обумовлює формування нової систем світогляду людства, модифікацію (зміну) ієрархії потреб і цінностей, викликів до темпів та якості розвитку.
Вирішення надскладних проблем, пов’язаних із задоволенням вимог сучасності, вимагає застосування інноваційних наукових підходів. Сьогодні використання сучасних інтелектуальних технологій, таких як нейронні мережі, глибоке навчання та штучний інтелект, є передумовою проактивного розвитку всіх сфер діяльності людини: медицини, техніки, бізнесу, охорони навколишнього середовища, освіти, транспорту та зв’язку тощо. Таким чином, саме інтелектуалізацію технічних та управлінських систем можна вважати одним із ключових базисів нової парадигми науки та техніки. Словосполучення “системи штучного інтелекту” сьогодні зрозуміле всім. Контекст даного терміну пов’язують з такими поняттями як робототехніка, прогнозування, обробка великих інформаційних потоків, експертні системи, діагностика, проекти “розумний будинок” або “розумні інструменти”, кіберфізичний простір та кіберфізичні системи, комп’ютерний переклад тощо.
Існує позитивна динаміка розробки та впровадження елементів штучного інтелекту у більшість типів програмного забезпечення: мобільні додатки, інформаційні системи, електронні пристрої, тощо.
Цей процес “інтелектуалізації” дозволяє казати про поступове підвищення інтелекту сучасних комп’ютерних систем, здатних виконувати функції, які традиційно вважаються інтелектуальними: розуміння мови, логічний висновок, використання накопичених знань, навчання, розпізнавання образів, а також навчатися і пояснювати свої рішення.
В монографії наведені методи навчання штучних нейронних мереж, що мають адаптивну структуру та здатні еволюціонувати. Вони викладені окремим розділом в дослідженні. Зазначені методи використовуються авторами в подальших дослідженнях для зменшення помилки, що накопичуються в ході вирішення оптимізаційних завдань.
Окремим розділом представлено питання самоорганізації інформаційних мереж, з використанням методів штучного інтелекту. Дане дослідження спрямоване на вирішення науково-прикладного завдання в частині підвищення оперативності самоорганізації інформаційних мереж на перших чотирьох рівнях моделі взаємодії відкритих систем.
Окремими розділами винесено питання оцінки та керування організаційно-технічними системами. В основу даних методів покладено метаевристичні алгоритми. Оцінка стану організаційно-технічних систем дозволяє визначити їх стан з урахуванням типу невизначеності про наявну інформації, щодо їх стану і в подальшому виробити адекватні та достовірні управлінські рішення з урахуванням зашумленості (викривленості) даних які циркулюють в організаційно-технічній системі
Дослідження авторів підкріплені відповідними аналітичними виразами, графічними залежностями, а також табличними значеннями.
Монографія буде корисною для дослідників, що займаються питаннями вирішення оптимізаційних завдань, з використанням теорії штучного інтелекту, розробкою нових (удосконаленням існуючих) підходів до вирішення складних технічних завдань в різних галузях діяльності людства.
Монографія також є корисною для практиків – конструкторів, розробників, що впроваджують сучасні рішення в області інформаційних технологій, що займаються розробкою інформаційних, інформаційно-аналітичних, а також автоматизованих систем з метою створення нових схем та алгоритмів, їх адаптації до нестереотипних умов використання, у тому числі і для реалізації методів штучного інтелекту в умовах автономної роботи, обмеження обчислювальних ресурсів, дистанційного керування тощо.
Розділи
Посилання
Shyshatskyi, A. V., Bashkyrov, O. M., Kostyna, O. M. (2015). Rozvytok intehrovanykh system zviazku ta peredachi danykh dlia potreb Zbroinykh Syl. Ozbroiennia ta viiskova tekhnika, 1 (5), 35–40.
Dudnyk, V., Sinenko, Y., Matsyk, M., Demchenko, Y., Zhyvotovskyi, R., Repilo, I. et al. (2020). Development of a method for training artificial neural networks for intelligent decision support systems. Eastern-European Journal of Enterprise Technologies, 3 (2 (105)), 37–47. https://doi.org/10.15587/1729-4061.2020.203301
Sova, O., Shyshatskyi, A., Salnikova, O., Zhuk, O., Trotsko, O., Hrokholskyi, Y. (2021). Development of a method for assessment and forecasting of the radio electronic environment. EUREKA: Physics and Engineering, 4, 30–40. https://doi.org/10.21303/2461-4262.2021.001940
Pievtsov, H., Turinskyi, O., Zhyvotovskyi, R., Sova, O., Zvieriev, O., Lanetskii, B., Shyshatskyi, A. (2020). Development of an advanced method of finding solutions for neuro-fuzzy expert systems of analysis of the radioelectronic situation. EUREKA: Physics and Engineering, 4, 78–89. https://doi.org/10.21303/2461-4262.2020.001353
Zuiev, P., Zhyvotovskyi, R., Zvieriev, O., Hatsenko, S., Kuprii, V., Nakonechnyi, O. et al. (2020). Development of complex methodology of processing heterogeneous data in intelligent decision support systems. Eastern-European Journal of Enterprise Technologies, 4 (9 (106)), 14–23. https://doi.org/10.15587/1729-4061.2020.208554
Shyshatskyi, A., Zvieriev, O., Salnikova, O., Demchenko, Ye., Trotsko, O., Neroznak, Ye. (2020). Complex Methods of Processing Different Data in Intellectual Systems for Decision Support System. International Journal of Advanced Trends in Computer Science and Engineering, 9 (4), 5583–5590. https://doi.org/10.30534/ijatcse/2020/206942020
Nechyporuk, O., Sova, O., Shyshatskyi, A., Kravchenko, S., Nalapko, O., Shknai, O. et al. (2023). Development of a method of complex analysis and multidimensional forecasting of the state of intelligence objects. Eastern-European Journal of Enterprise Technologies, 2 (4 (122)), 31–41. https://doi.org/10.15587/1729-4061.2023.276168
Koval, V., Nechyporuk, O., Shyshatskyi, A., Nalapko, O., Shknai, O., Zhyvylo, Y. et al. (2023). Improvement of the optimization method based on the cat pack algorithm. Eastern-European Journal of Enterprise Technologies, 1 (9 (121)), 41–48. https://doi.org/10.15587/1729-4061.2023.273786
Koshlan, A., Salnikova, O., Chekhovska, M., Zhyvotovskyi, R., Prokopenko, Y., Hurskyi, T. et al. (2019). Development of an algorithm for complex processing of geospatial data in the special-purpose geoinformation system in conditions of diversity and uncertainty of data. Eastern-European Journal of Enterprise Technologies, 5 (9 (101)), 35–45. https://doi.org/10.15587/1729-4061.2019.180197
Mahdi, Q. A., Shyshatskyi, A., Prokopenko, Y., Ivakhnenko, T., Kupriyenko, D., Golian, V. et al. (2021). Development of estimation and forecasting method in intelligent decision support systems. Eastern-European Journal of Enterprise Technologies, 3 (9 (111)), 51–62. https://doi.org/10.15587/1729-4061.2021.232718
Kuchuk, N., Merlak, V., Skorodelov, V. (2020). A method of reducing access time to poorly structured data. Advanced Information Systems, 4 (1), 97–102. https://doi.org/10.20998/2522-9052.2020.1.14
Tarkhan, A. B., Zhuravskyi, Y., Shyshatskyi, A., Pluhina, T., Dudnyk, V., Kiris, I. et al. (2023). Development of a solution search method using an improved fish school algorithm. Eastern-European Journal of Enterprise Technologies, 4 (4 (124)), 27–33. https://doi.org/10.15587/1729-4061.2023.284315
Koval, V., Shyshatskyi, A., Ransevych, R., Gura, V., Nalapko, O., Shypilova, L. et al. (2023). Development of a method for the search of solutions in the sphere of national security using bio-inspired algorithms. Eastern-European Journal of Enterprise Technologies, 3 (4 (123)), 6–13. https://doi.org/10.15587/1729-4061.2023.280355
Koval, M., Sova, O., Orlov, O., Shyshatskyi, A., Artabaiev, Y., Shknai, O. et al. (2022). Improvement of complex resource management of special-purpose communication systems. Eastern-European Journal of Enterprise Technologies, 5 (9 (119)), 34–44. https://doi.org/10.15587/1729-4061.2022.266009
Kuchuk, N., Mohammed, A. S., Shyshatskyi, A., Nalapko, O. (2019). The Method of Improving the Efficiency of Routes Selection in Networks of Connection with the Possibility of Self-Organization. International Journal of Advanced Trends in Computer Science and Engineering, 8 (1.2), 1–6. https://doi.org/10.30534/ijatcse/2019/0181.22019
Nalapko, O., Shyshatskyi, A., Ostapchuk, V., Mahdi, Q. A., Zhyvotovskyi, R., Petruk, S. et al. (2021). Development of a method of adaptive control of military radio network parameters. Eastern-European Journal of Enterprise Technologies, 1 (9 (109)), 18–32. https://doi.org/10.15587/1729-4061.2021.225331
Alieinykov, I., Thamer, K. A., Zhuravskyi, Y., Sova, O., Smirnova, N., Zhyvotovskyi, R. et al. (2019). Development of a method of fuzzy evaluation of information and analytical support of strategic management. Eastern-European Journal of Enterprise Technologies, 6 (2 (102), 16–27. https://doi.org/10.15587/1729-4061.2019.184394
Nalapko, O., Sova, O., Shyshatskyi, A., Protas, N., Kravchenko, S., Solomakha, A. et al. (2021). Analysis of methods for increasing the efficiency of dynamic routing protocols in telecommunication networks with the possibility of self-organization. Technology Audit and Production Reserves, 5 (2 (61), 44–48. https://doi.org/10.15587/2706-5448.2021.239096
Sova, O., Radzivilov, H., Shyshatskyi, A., Shevchenko, D., Molodetskyi, B., Stryhun, V. et al. (2022). Development of the method of increasing the efficiency of information transfer in the special purpose networks. Eastern-European Journal of Enterprise Technologies, 3 (4 (117), 6–14. https://doi.org/10.15587/1729-4061.2022.259727
Sova, O., Zhuravskyi, Y., Vakulenko, Y., Shyshatskyi, A., Salnikova, O., Nalapko, O. (2022). Development of methodological principles of routing in networks of special communication in conditions of fire storm and radio-electronic suppression. EUREKA: Physics and Engineering, 3, 159–166. https://doi.org/10.21303/2461-4262.2022.002434
Sova, O., Radzivilov, H., Shyshatskyi, A., Shvets, P., Tkachenko, V., Nevhad, S. et al. (2022). Development of a method to improve the reliability of assessing the condition of the monitoring object in special-purpose information systems. Eastern-European Journal of Enterprise Technologies, 2 (3 (116)), 6–14. https://doi.org/10.15587/1729-4061.2022.254122
Shyshatskyi, A. V., Sova, O. Ya., Zhuravskyi, Yu. V., Trotsko, O. O. (2022). Metodolohichni zasady intelektualnoi obrobky danykh v intelektualnykh systemakh pidtrymky pryiniattia rishen. Theoretical and scientific foundations in research in Engineering. Boston: Primedia eLaunch, 241–269. https://doi.org/10.46299/isg.2022.mono.tech.1.3.3
Romanov, O. M., Shyshatskyi, A. V., Nalapko, O. L. (2022). Rozrobka metodu pidvyshchennia operatyvnosti peredachi informatsii v merezhakh spetsialnoho pryznachennia. Moderní aspekty vědy: XXI. Mezinárodní Ekonomický Institut s.r.o., 381–403. Available at: http://perspectives.pp.ua/public/site/mono/monography-21.pdf
Mohammed, B. A., Zhuk, O., Vozniak, R., Borysov, I., Petrozhalko, V., Davydov, I. et al. (2023). Improvement of the solution search method based on the cuckoo algorithm. Eastern-European Journal of Enterprise Technologies, 2 (4 (122)), 23–30. https://doi.org/10.15587/1729-4061.2023.277608
Mamoori, G. A., Sova, O., Zhuk, O., Repilo, I., Melnyk, B., Sus, S. et al. (2023). The development of solution search method using improved jumping frog algorithm. Eastern-European Journal of Enterprise Technologies, 4 (3 (124)), 45–53. https://doi.org/10.15587/1729-4061.2023.285292
Shyshatskyi, A., Romanov, O., Shknai, O., Babenko, V., Koshlan, O., Pluhina, T. et al. (2023). Development of a solution search method using the improved emperor penguin algorithm. Eastern-European Journal of Enterprise Technologies, 6 (4 (126)), 6–13. https://doi.org/10.15587/1729-4061.2023.291008
Thamer, K. A., Sova, O., Shaposhnikova, O., Yashchenok, V., Stanovska, I., Shostak, S. et al. (2024). Development of a solution search method using a combined bio-inspired algorithm. Eastern-European Journal of Enterprise Technologies, 1 (4 (127)), 6–13. https://doi.org/10.15587/1729-4061.2024.298205
Shyshatskyi, A. V., Zhuk, O. V., Neronov, S.M., Protas, N. M., Kashkevych S. O. (2024). Sukupnist metodyk pidvyshchennia operatyvnosti pryiniattia rishen z vykorystanniam metaevrystychnykh alhorytmiv. C91 Moderní aspekty vědy: XL. Mezinárodní Ekonomický Institut s.r.o., 529–557. Available at: http://perspectives.pp.ua/public/site/mono/mono-40.pdf
Shyshatskyi, A. V., Matsyi, O. B., Yashchenok, V. Zh., Trotsko, O. O., Kashkevych, S. O. (2024). Sukupnist metodyk pidvyshchennia operatyvnosti pryiniattia rishen z vykorystanniam kombinovanykh metaevrystychnykh alhorytmiv. C91 Moderní aspekty vědy: XL. Mezinárodní Ekonomický Institut s.r.o., 558–594. Available at: URL: http://perspectives.pp.ua/public/site/mono/mono-40.pdf
Yeromina, N., Kurban, V., Mykus, S., Peredrii, O., Voloshchenko, O., Kosenko, V. et al. (2021). The Creation of the Database for Mobile Robots Navigation under the Conditions of Flexible Change of Flight Assignment. International Journal of Emerging Technology and Advanced Engineering, 11 (5), 37–44. https://doi.org/10.46338/ijetae0521_05
Shyshatskyi, A., Stasiuk, T., Odarushchenko, E., Berezanska, K., Demianenko, H. (2023). Method of assessing the state of hierarchical objects based on bio-inspired algorithms. Advanced Information Systems, 7 (3), 44–48. https://doi.org/10.20998/2522-9052.2023.3.06
Ko, Y.-C., Fujita, H. (2019). An evidential analytics for buried information in big data samples: Case study of semiconductor manufacturing. Information Sciences, 486, 190–203. https://doi.org/10.1016/j.ins.2019.01.079
Ramaji, I. J., Memari, A. M. (2018). Interpretation of structural analytical models from the coordination view in building information models. Automation in Construction, 90, 117–133. https://doi.org/10.1016/j.autcon.2018.02.025
Pérez-González, C. J., Colebrook, M., Roda-García, J. L., Rosa-Remedios, C. B. (2019). Developing a data analytics platform to support decision making in emergency and security management. Expert Systems with Applications, 120, 167–184. https://doi.org/10.1016/j.eswa.2018.11.023
Chen, H. (2018). Evaluation of Personalized Service Level for Library Information Management Based on Fuzzy Analytic Hierarchy Process. Procedia Computer Science, 131, 952–958. https://doi.org/10.1016/j.procs.2018.04.233
Chan, H. K., Sun, X., Chung, S.-H. (2019). When should fuzzy analytic hierarchy process be used instead of analytic hierarchy process? Decision Support Systems, 125, 113114. https://doi.org/10.1016/j.dss.2019.113114
Osman, A. M. S. (2019). A novel big data analytics framework for smart cities. Future Generation Computer Systems, 91, 620–633. https://doi.org/10.1016/j.future.2018.06.046
Gödri, I., Kardos, C., Pfeiffer, A., Váncza, J. (2019). Data analytics-based decision support workflow for high-mix low-volume production systems. CIRP Annals, 68 (1), 471–474. https://doi.org/10.1016/j.cirp.2019.04.001
Harding, J. L. (2013). Data quality in the integration and analysis of data from multiple sources: some research challenges. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XL-2/W1, 59–63. https://doi.org/10.5194/isprsarchives-xl-2-w1-59-2013
Kosko, B. (1986). Fuzzy cognitive maps. International Journal of Man-Machine Studies, 24 (1), 65–75. https://doi.org/10.1016/s0020-7373(86)80040-2
Koval, M., Sova, O., Shyshatskyi, A., Artabaiev, Y., Garashchuk, N., Yivzhenko, Y. et al. (2022). Improving the method for increasing the efficiency of decision-making based on bio-inspired algorithms. Eastern-European Journal of Enterprise Technologies, 6 (4 (120)), 6–13. https://doi.org/10.15587/1729-4061.2022.268621
Maccarone, A. D., Brzorad, J. N., Stone, H. M. (2008). Characteristics And Energetics of Great Egret And Snowy Egret Foraging Flights. Waterbirds, 4, 541–549. https://doi.org/10.1675/1524-4695-31.4.541
Petrovska, I., Kuchuk, H. (2023). Adaptive resource allocation method for data processing and security in cloud environment. Advanced Information Systems, 7 (3), 67–73. https://doi.org/10.20998/2522-9052.2023.3.10
Braik, M., Ryalat, M. H., Al-Zoubi, H. (2021). A novel meta-heuristic algorithm for solving numerical optimization problems: Ali Baba and the forty thieves. Neural Computing and Applications, 34 (1), 409–455. https://doi.org/10.1007/s00521-021-06392-x
Khudov, H., Khizhnyak, I., Glukhov, S., Shamrai, N., Pavlii, V. (2024). The method for objects detection on satellite imagery based on the firefly algorithm. Advanced Information Systems, 8 (1), 5–11. https://doi.org/10.20998/2522-9052.2024.1.01
Poliarush, O., Krepych, S., Spivak, I. (2023). Hybrid approach for data filtering and machine learning inside content management system. Advanced Information Systems, 7 (4), 70–74. https://doi.org/10.20998/2522-9052.2023.4.09
Chalyi, S., Leshchynskyi, V. (2023). Possible evaluation of the correctness of explanations to the end user in an artificial intelligence system. Advanced Information Systems, 7 (4), 75–79. https://doi.org/10.20998/2522-9052.2023.4.10
Raskin, L., Sira, O. (2016). Method of solving fuzzy problems of mathematical programming. Eastern-European Journal of Enterprise Technologies, 5 (4 (83)), 23–28. https://doi.org/10.15587/1729-4061.2016.81292
Lytvyn, V., Vysotska, V., Pukach, P., Brodyak, O., Ugryn, D. (2017). Development of a method for determining the keywords in the slavic language texts based on the technology of web mining. Eastern-European Journal of Enterprise Technologies, 2 (2 (86)), 14–23. https://doi.org/10.15587/1729-4061.2017.98750
Stepanenko, A., Oliinyk, A., Deineha, L., Zaiko, T. (2018). Development of the method for decomposition of superpositions of unknown pulsed signals using the secondorder adaptive spectral analysis. Eastern-European Journal of Enterprise Technologies, 2 (9 (92)), 48–54. https://doi.org/10.15587/1729-4061.2018.126578
Gorbenko, I., Ponomar, V. (2017). Examining a possibility to use and the benefits of post-quantum algorithms dependent on the conditions of their application. Eastern-European Journal of Enterprise Technologies, 2 (9 (86)), 21–32. https://doi.org/10.15587/1729-4061.2017.96321
Mahdi, Q. A., Zhyvotovskyi, R., Kravchenko, S., Borysov, I., Orlov, O., Panchenko, I. et al. (2021). Development of a method of structural-parametric assessment of the object state. Eastern-European Journal of Enterprise Technologies, 5 (4 (113)), 34–44. https://doi.org/10.15587/1729-4061.2021.240178
Orouskhani, M., Orouskhani, Y., Mansouri, M., Teshnehlab, M. (2013). A Novel Cat Swarm Optimization Algorithm for Unconstrained Optimization Problems. International Journal of Information Technology and Computer Science, 5(11), 32–41. https://doi.org/10.5815/ijitcs.2013.11.04
Gorokhovatsky, V., Stiahlyk, N., Tsarevska, V. (2021). Combination method of accelerated metric data search in image classification problems. Advanced Information Systems, 5 (3), 5–12. https://doi.org/10.20998/2522-9052.2021.3.01
Levashenko, V., Liashenko, O., Kuchuk, H. (2020). Building Decision Support Systems based on Fuzzy Data. Advanced Information Systems, 4 (4), 48–56. https://doi.org/10.20998/2522-9052.2020.4.07
Meleshko, Y., Drieiev, O., Drieieva, H. (2020). Method of identification bot profiles based on neural networks in recommendation systems. Advanced Information Systems, 4 (2), 24–28. https://doi.org/10.20998/2522-9052.2020.2.05
Shyshatskyi, A., Tiurnikov, M., Suhak, S., Bondar, O., Melnyk, A., Bokhno, T., Lyashenko, A. (2020). Method of Assessment of the Efficiency of the Communication of Operational Troop Grouping System. Advanced Information Systems, 4 (1), 107–112. https://doi.org/10.20998/2522-9052.2020.1.16
Kashkevych, S. O. (2023). Analiz modelei doslidzhennia skladnykh tekhnichnykh system. Modern scientific technologies and solutions of scientists to create the latest ideas. London, 290–294. Avaialble at: https://isg-konf.com/uk/modern-scientific-technologies-and-solutions-of-scientists-to-create-the-latest-ideas/
Kashkevych, S. O., Voznytsia, A. S. (2023). The development of methods for finding solutions using the improved of locusts swarm algorithm. Global problems of improving scientific inventions. Kopenhahen, 271–276. Avaialble at: https://isg-konf.com/uk/global-problems-of-improving-scientific-inventions/
Shyshatskyi, A. V., Lytvynenko, O. I., Zhuk, O. V., Artiukh, S. H., Kashkevych, S. O. (2023). Rozrobka metodyky pidvyshchennia operatyvnosti pryiniattia rishen v orhanizatsiino-tekhnichnykh systemakh. Development trends and improvement of old methods. Varshava, 422–431. Avaialble at: https://isg-konf.com/uk/development-trends-and-improvement-of-old-methods/
Kalantaievska, S., Pievtsov, H., Kuvshynov, O., Shyshatskyi, A., Yarosh, S., Gatsenko, S. Et al. (2018). Method of integral estimation of channel state in the multiantenna radio communication systems. Eastern-European Journal of Enterprise Technologies, 5 (9 (95)), 60–76. https://doi.org/10.15587/1729-4061.2018.144085
Zhang, J., Ding, W. (2017). Prediction of Air Pollutants Concentration Based on an Extreme Learning Machine: The Case of Hong Kong. International Journal of Environmental Research and Public Health, 14 (2), 114. https://doi.org/10.3390/ijerph14020114
Katranzhy, L., Podskrebko, O., Krasko, V. (2018). Modelling the dynamics of the adequacy of bank's regulatory capital. Baltic Journal of Economic Studies, 4 (1), 188–194. https://doi.org/10.30525/2256-0742/2018-4-1-188-194
Manea, E., Di Carlo, D., Depellegrin, D., Agardy, T., Gissi, E. (2019). Multidimensional assessment of supporting ecosystem services for marine spatial planning of the Adriatic Sea. Ecological Indicators, 101, 821–837. https://doi.org/10.1016/j.ecolind.2018.12.017
Çavdar, A. B., Ferhatosmanoğlu, N. (2018). Airline customer lifetime value estimation using data analytics supported by social network information. Journal of Air Transport Management, 67, 19–33. https://doi.org/10.1016/j.jairtraman.2017.10.007
Kachayeva, G. I., Mustafayev, A. G. (2018). The use of neural networks for the automatic analysis of electrocardiograms in diagnosis of cardiovascular diseases. Herald of Dagestan State Technical University. Technical Sciences, 45 (2), 114–124. https://doi.org/10.21822/2073-6185-2018-45-2-114-124
Zhdanov, V. V. (2016). Experimental method to predict avalanches based on neural networks. Ice and Snow, 56 (4), 502–510. https://doi.org/10.15356/2076-6734-2016-4-502-510
Kanev, A., Nasteka, A., Bessonova, C., Nevmerzhitsky, D., Silaev, A., Efremov, A., Nikiforova, K. (2017). Anomaly detection in wireless sensor network of the "Smart Home" system. 2017 20th Conference of Open Innovations Association (FRUCT), 776 (20), 118–124. https://doi.org/10.23919/fruct.2017.8071301
Sreeshakthy M., Preethi J. (2016). Classification of Human Emotion from Deap EEG Signal Using Hybrid Improved Neural Networks with Cuckoo Search. Brain. Broad Research in Artificial Intelligence and Neuroscience, 6 (3–4), 60–73. Available at: https://lumenpublishing.com/journals/index.php/brain/article/view/1973
Chica, J., Zaputt, S., Encalada, J., Salamea, C., Montalvo, M. (2019). Objective assessment of skin repigmentation using a multilayer perceptron. Journal of Medical Signals & Sensors, 9 (2), 88–99. https://doi.org/10.4103/jmss.jmss_52_18
Massel, L. V., Gerget, O. M., Massel, A. G., Mamedov, T. G. (2019). The Use of Machine Learning in Situational Management in Relation to the Tasks of the Power Industry. EPJ Web of Conferences, 217, 01010. https://doi.org/10.1051/epjconf/201921701010
Abaci, K., Yamacli, V. (2019). Hybrid Artificial Neural Network by Using Differential Search Algorithm for Solving Power Flow Problem. Advances in Electrical and Computer Engineering, 19 (4), 57–64. https://doi.org/10.4316/aece.2019.04007
Mishchuk, O. S., Vitynskyi, P. B. (2018). Neural Network with Combined Approximation of the Surface of the Response. Research Bulletin of the National Technical University of Ukraine "Kyiv Politechnic Institute", 2, 18–24. https://doi.org/10.20535/1810-0546.2018.2.129022
Kazemi, M., Faezirad, M. (2018). Efficiency estimation using nonlinear influences of time lags in DEA Using Artificial Neural Networks. Industrial Management Journal, 10 (1), 17–34. https://doi.org/10.22059/imj.2018.129192.1006898
Parapuram, G., Mokhtari, M., Ben Hmida, J. (2018). An Artificially Intelligent Technique to Generate Synthetic Geomechanical Well Logs for the Bakken Formation. Energies, 11 (3), 680. https://doi.org/10.3390/en11030680
Prokoptsev, N. G., Alekseenko, A. E., Kholodov, Y. A. (2018). Traffic flow speed prediction on transportation graph with convolutional neural networks. Computer Research and Modeling, 10 (3), 359–367. https://doi.org/10.20537/2076-7633-2018-10-3-359-367
Bodyanskiy, Y., Pliss, I., Vynokurova, O. (2013). Flexible Neo-fuzzy Neuron and Neuro-fuzzy Network for Monitoring Time Series Properties. Information Technology and Management Science, 16 (1). https://doi.org/10.2478/itms-2013-0007
Bodyanskiy, Ye., Pliss, I., Vynokurova, O. (2013). Flexible wavelet-neuro-fuzzy neuron in dynamic data mining tasks. Oil and Gas Power Engineering, 2 (20), 158–162.
Haykin, S. (1999). Neural Networks: A Comprehensive Foundation. Upper Saddle River: Prentice Hall, Inc., 842.
Nelles, O. (2001). Nonlinear System Identification. Berlin: Springer, 785. https://doi.org/10.1007/978-3-662-04323-3
Wang, L.-X., Mendel, J. M. (1992). Fuzzy basis functions, universal approximation, and orthogonal least-squares learning. IEEE Transactions on Neural Networks, 3 (5), 807–814. https://doi.org/10.1109/72.159070
Kohonen, T. (1995). Self-Organizing Maps. Berlin: Springer-Verlag, 362. https://doi.org/10.1007/978-3-642-97610-0
Kasabov, N. (2003). Evolving Connectionist Systems. London: Springer: Verlag, 307. https://doi.org/10.1007/978-1-4471-3740-5
Sugeno, M., Kang, G. T. (1988). Structure identification of fuzzy model. Fuzzy Sets and Systems, 28 (1), 15–33. https://doi.org/10.1016/0165-0114(88)90113-3
Ljung, L. (1987). System Identification: Theory for the User. Upper Saddle River: Prentice Hall, Inc., 432.
Otto, P., Bodyanskiy, Y., Kolodyazhniy, V. (2003). A new learning algorithm for a forecasting neuro-fuzzy network. Integrated Computer-Aided Engineering, 10 (4), 399–409. https://doi.org/10.3233/ica-2003-10409
Narendra, K. S., Parthasarathy, K. (1990). Identification and control of dynamical systems using neural networks. IEEE Transactions on Neural Networks, 1 (1), 4–27. https://doi.org/10.1109/72.80202
Rotshtein, A. P. (1999). Intellektualnye tekhnologii identifikatcii: nechetkie mnozhestva, geneticheskie algoritmy, neironnye seti. Vinnitca: UNIVERSUM, 320.
Alpeeva, E. A., Volkova, I. I. (2019). The use of fuzzy cognitive maps in the development of an experimental model of automation of production accounting of material flows. Russian Journal of Industrial Economics, 12 (1), 97–106. https://doi.org/10.17073/2072-1633-2019-1-97-106
Zagranovskaia, A. V., Eissner, Iu. N. (2017). Simulation scenarios of the economic situation based on fuzzy cognitive maps. Modern economics: problems and solutions, 10 (94), 33–47. https://doi.org/10.17308/meps.2017.10/1754
Simankov, V. S., Putiato, M. M. (2013). Issledovanie metodov kognitivnogo analiza. Sistemnyi analiz, upravlenie i obrabotka informatcii, 13, 31–35.
Gorelova, G. V. (2013). Cognitive approach to simulation of large systems. Izvestiia IuFU. Tekhnicheskie nauki, 3, 239–250.
Emelianov, V. V., Kureichik, V. V., Kureichik, V. M., Emelianov, V. V. (2003). Teoriia i praktika evoliutcionnogo modelirovaniia. Moscow: Fizmatlit, 432.
Gorbenko, I., Ponomar, V. (2017). Examining a possibility to use and the benefits of postquantum algorithms dependent on the conditions of their application. Eastern-European Journal of Enterprise Technologies, 2 (9 (86)), 21–32. https://doi.org/10.15587/1729-4061.2017.96321
Lovska, A. A. (2015). Peculiarities of computer modeling of strength of body bearing construction of gondola car during transportation by ferry-bridge. Metallurgical and Mining Industry, 1, 49–54.
Lovska, A., Fomin, O. (2020). A New fastener to ensure the reliability of a passenger car body on a train ferry. Acta Polytechnica, 60 (6), 478–485. https://doi.org/10.14311/ap.2020.60.0478
##submission.downloads##
Опубліковано
серпня 16, 2024
Авторське право (c) 2024 Olexander Litvinenko, Svitlana Kashkevich, Andrii Shyshatskyi, Oksana Dmytriieva, Serhii Neronov, Ganna Plekhova, Yevhen Zhyvylo, Nina Kuchuk, Oleksii Kuvshynov, Oleksandr Yefymenko, Andrii Veretnov, Heorhii Kuchuk, Viacheslav Davydov, Yurii Beketov, Illia Dmytriiev, Inna Shevchenko, Oleksandr Lytvynenko, Lyubov Shabanova-Kushnarenko, Nataliia Apenko
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Деталі щодо доступних видів видань: PDF
PDF
ISBN-13 (15)
978-617-8360-04-7
Як цитувати
Шишацький, А. (ред.). (2024). INFORMATION AND CONTROL SYSTEMS: MODELLING AND OPTIMIZATIONS. Kharkiv: ПП "ТЕХНОЛОГІЧНИЙ ЦЕНТР". https://doi.org/10.15587/978-617-8360-04-7
