Ukrainian Journal of Information Systems and Data Science

Алгоритм виявлення входження тварини на групову доїльну установку

2024-01-01T20:36:40+02:00

Із попередніх досліджень відомо, що у випадку помилок радіочастотної ідентифікації тварин під час заходу на групову доїльну установку є високий ризик втрати інформації про показники технологічного процесу доїння, яка стосується усіх тварин групи. Це зумовлено тим, що номер доїльного станка групової доїльної установки суворо відповідає номеру тварини у черзі на установку. У разі виникнення помилки радіочастотної ідентифікації втрачається інформація про факт входження тварини, внаслідок цього сервер інформаційної системи отримує некоректну інформацію про відповідність номерів тварин у стаді номерам доїльних станків групової доїльної установки. Це призводить до того, що результати вимірювання зоотехнічних параметрів тварин та параметрів технологічного процесу доїння помилково співвідносять зі стадними номерами інших тварин. Для запобігання таких інформаційних втрат на групових доїльних установках використовують засоби підрахунку тварин у потоці. Тому важливим фактором забезпечення достовірності інформації про параметри технологічного процесу виробництва молока на групових доїльних установках є точний підрахунок тварин під час їх руху до доїльних станків. Сучасні засоби підрахунку тварин засновані на перериванні потоку інфрачервоного випромінювання тваринами під час руху і не завжди забезпечують їх точний підрахунок. Для виявлення помилок радіочастотної ідентифікації рухомих тварин на групових доїльних установках запропоновано алгоритм на основі оптимальної лінійної фільтрації вихідного сигналу сенсора наявності об’єкта та засіб виявлення входження тварин з метою їх підрахунку у потоці. Пропонований алгоритм виявляє більше помилок радіочастотної ідентифікації, відповідно підвищується достовірність інформації про параметри технологічного процесу виробництва коров’ячого молока на групових доїльних установках.

Вплив інтелектуального світлофорного регулювання на пропускну здатність міського перехрестя

2024-01-01T21:13:23+02:00

Міські транспортні мережі працюють у різних режимах. Знання цих режимів і переходів між ними є важливим фактором, що визначає ефективність роботи міської транспортної мережі. Перевантаження цієї мережі приводить до заторів. Уже протягом кількох десятиліть міський трафік транспортних засобів зіштовхнувся з проблемою заторів. Особливо актуальною ця проблема є у великих містах-мегаполісах, де кількість транспортних засобів стрімко зростає, а пропускна здатність транспортних мереж залишається практично незмінною. Ключовим елементом і головною причиною заторів є перехрестя міських доріг, де сходяться потоки автомобілів з різних напрямків. Першим кроком у технології регулювання міського трафіку є організація світлофорного регулювання. Зазвичай тривалість фаз зеленого та червоного світла є сталими і не враховують поточної завантаженості автомобілями різних напрямків. У цьому дослідженні йдеться про перехрестя зі світлофорним регулюванням інтелектуального типу. Таке регулювання принципово відрізняється від стандартного світлофорного регулювання. Інтелектуальна регуляція проїзду транспортних засобів через окреме регульоване перехрестя здійснюється з допомогою комп’ютерної програми, що враховує завантаженість напрямків на перехресті та здійснює відповідну корекцію протяжності фаз горіння червоного та зеленого світла з метою максимізації пропускної здатності. Пропонована процедура дасть змогу оптимізувати пропускну здатність кожного окремого перехрестя, що приведе до переходу міського трафіку на якісно новий рівень. Водночас кількість заторів на міських транспортних магістралях різко зменшиться. Система працює в режимі реального часу, тому динамічно регулює фази горіння світлофора, синхронізовані із завантаженістю різних напрямків на перехресті. Тривалість проїзду кожного автомобіля вибраним маршрутом скоротиться, подорож стане більш комфортною та безпечною.

Нейромережеві методи автоматичного визначення пози людини, яка виконує вправи з художньої гімнастики

2024-01-01T21:26:34+02:00

У художній гімнастиці оцінювання виступів спортсменок є складним суб’єктивним завданням через необхідність врахувати технічні характеристики динамічних вправ, та естетичну досконалість окремих сцен і композиції загалом. У статті представлено результати дослідження, яке спрямоване на розробку програми автоматичного визначення поз спортсменок під час виконання вправ із художньої гімнастики. Розробці моделі передує вивчення поточних правил підрахунку балів з урахуванням складності рухів спортсменки. Для дослідження створено спеціальний набір даних із визначення поз гімнасток, який включає оцінювані елементи та неоцінювані позиції. Набір даних містить стоп-кадри з відео змагань та фотозвітів. Для визначення поз використовуються 2 методи комп’ютерного зору: MediaPipe Pose та ViTPose. MediaPipe Pose завдяки високій продуктивності дає змогу у реальному часі визначати 33 3D-орієнтири. ViTPose забезпечує високу точність завдяки використанню зорових трансформерів. Здійснено порівняльний аналіз цих двох методів із виділенням сильних сторін та обмежень кожної з них. Для класифікації спортивних елементів на основі розпізнаних поз розроблено модель типу “багатошаровий персептрон”. Навчання моделі здійснено за зворотним розповсюдженням помилки на основі методу градієнтного спуску Адама. Після навчання моделі на авторському наборі даних досягається висока точність класифікації поз гімнасток. Проведене дослідження є інтелектуальним складником майбутньої системи автоматичного визначення в реальному часі пози спортсменки для більш достовірного та оперативного оцінювання виступів у художній гімнастиці. Запропонований підхід до поєднання методів комп’ютерного зору та машинного навчання може бути поширений для вдосконалення спортивного аналізу і в інших споріднених дисциплінах.

Покращення точності нечіткої бази Мамдані за допомогою суперечливих правил

2024-01-01T21:33:26+02:00

Розглядається задача моделювання багатофакторних залежностей з неперервним виходом за допомогою нечітких баз знань. Однією із головних конкурентних переваг нечіткого моделювання є інтерпретабельність нечітких баз знань – користувачу, далекому від математичних методів, доволі легко можна зрозуміло пояснити, на підставі чого отримується той чи інший висновок. Для нечіткого моделювання залежностей з неперервним виходом найчастіше використовують бази знань Мамдані та Сугено. Нечіткі бази знань Сугено точніші, але мають низьку інтерпретабельність. Бази знань Мамдані мають високу інтерпретабельність, але низьку точність. Підвищити інтерпретабельність баз знань Сугено проблематично через те, що ця властивість обумовлена саме форматом правил. Задача підвищення точності бази знань Мамдані доволі легко формалізується, тому можна спробувати її вирішити у деякий алгоритмічний спосіб. Саме на підвищення точності нечіткої бази знань Мамдані і спрямована стаття. Способом підвищення точності нечіткої бази знань Мамдані обрано використання суперечливих правил. Під суперечливими правилами розуміються правила з однаковими антецедентами та різними консеквентами. За результатами проведених обчислювальних експериментів встановлено, що застосування суперечливих правил Мамдані через підвищення роздільної здатності лінгвістичної опису залежностей забезпечує кращу точність. Експерименти проведено на трьох синтетичних наборах даних і на одному реальному наборі для задачі Auto MPG. Селекція правил здійснена за жадібним алгоритмом. Використання суперечливих правил дає змогу на етапі структурної ідентифікації досягти кращої точності та компактності нечіткої моделі. Також встановлено, що логічне виведення за суперечливих правил можна коректно та результативно реалізувати за схемою A-FATI, тоді як у попередніх дослідженнях використовувалася спрощена схема B-FITA.

Титул і зміст

2024-01-03T14:28:31+02:00

Журнал "Ukrainian Journal of Information Systems and Data Science", №1 за 2023 р. містить статті за напрямками: моделі прийняття рішень; інформаційні систем на основі інтренету речей; машинне навчання; інженерія знань.

Увесь випуск

2024-01-03T14:53:32+02:00

Журнал "Ukrainian Journal of Information Systems and Data Science", №1 за 2023 р. містить статті за напрямками: моделі прийняття рішень; інформаційні систем на основі інтренету речей; машинне навчання; інженерія знань.

Застосування нечіткої когнітивної карти для моделювання російсько-української війни

2024-01-01T18:10:36+02:00

Російсько-українська війна є актуальним об’єктом моделювання засобами дослідження операцій та системного аналізу. Найважливішим аспектом є моделювання загрози застосування ядерної зброї, яка пов’язана з потенційними можливостями Росії. Російсько-українська війна розглядається як динамічна система, змінними якої є фактори, що впливають на втрати російської армії та загрозу застосування ядерної зброї. Для моделювання використовується нечітка когнітивна карта, тобто орієнтований граф, вершини якого – це змінні моделі, а ваги дуг – це сили позитивних та негативних впливів змінних одна на одну. Як фактори, що впливають на втрати російської армії та загрозу ядерного удару, обрані такі: опір української армії, підтримка України зброєю, економічні санкції проти Росії, опозиція російської влади та інстинкт її самозбереження. Сили впливу факторів один на одного та на можливість застосування ядерної зброї оцінюються експертно за допомогою нечітких термів, яким відповідають числові величини. Для налаштування нечіткої когнітивної карти використовується генетичний алгоритм. Генетичний алгоритм знаходить такі сили факторів впливу, які мінімізують розбіжність між результатами моделювання та експертними оцінками. Налаштована нечітка когнітивна карта використовується для сценарного моделювання російсько-української війни за схемою «що буде, якщо» та для ранжування факторів за ступенем їх впливу на рівень ядерної загрози. У цій роботі показано, що нечіткі когнітивні карти є аналогом диференціальних рівнянь, які традиційно використовуються для моделювання динаміки втрат у воєнних конфліктах. Перевага нечіткої когнітивної карти полягає у можливості використання експертної інформації для обліку взаємопов’язаних факторів, що впливають на динаміку втрат та рівень ядерної загрози. Перспективним напрямом подальших досліджень є розширення запропонованої моделі на основі детальної класифікації факторів, що впливають на розвиток російсько-української війни.