Розв'язана задача обробки iмпульсних сигналiв. Запропоновано адаптивний метод розкладання суперпозицiй невiдомих iмпульсних сигналiв. Розроблений метод не вимагає апрiорної iнформацiї про форму елементарних iмпульсiв, стiйкий до впливу вимiрювальних шумiв. Представленi результати чисельного моделювання та реальної перевiрки на прикладi сейсмiчного зображення. Результати експериментiв показали, що запропонований метод дозволяє iдентифiкувати мiсцезнаходження елементарних iмпульсiвКлючовi слова: iмпульс, модель, сигнал, суперпозицiя, спектр, ехо-iмпульсне зображення, вимiрювальний шум Решена задача обработки импульсных сигналов. Предложен адаптивный метод разложения суперпозиций неизвестных импульсных сигналов. Разработанный метод не требует априорной информации о форме элементарных импульсов, устойчив к влиянию измерительных шумов. Представлены результаты численного моделирования и реальной проверки на примере сейсмического изображения. Результаты экспериментов показали, что предложенный метод позволяет идентифицировать местоположение элементарных импульсовКлючевые слова: импульс, модель, сигнал, суперпозиция, спектр, эхо-импульсное изображение, измерительный шум UDC 004.93

Розроблено модифікації простого генетичного алго ритму для розпізнавання образів. У запропонованій модифікації АльфаБета на етапі відбору особин до нової популяції особини ранжуються за показником пристосо ваності, далі випадковим чином визначається кількість пар -певна кількість найпристосованіших особин, та стільки ж найменш пристосованих. Найпристосованіші особини формують підмножину B, найменш пристосова ні -підмножину W. Обидві підмножини входять в мно жину пар V. Число особин, що можуть бути обрані в пари, знаходиться в діапазоні 20-60 % від загальної кількості особин. У модифікації АльфаБета фіксована в порівнян ні з оригінальною версією простого генетичного алгорит му було додано можливість виникнення двох мутацій, додано фіксовану точку схрещення, а також змінено від бір особин для схрещення. Це дозволяє підвищити показ ник точності у порівнянні з базовою версією простого генетичного алгоритму. У модифікації Фіксована вста новлено фіксовану точку схрещення. В схрещенні при ймає участь половина генів -гени що відповідають за кількість нейронів на шарах, значення інших генів завж ди передаються нащадкам від однієї з особин. Також, на етапі мутації випадковим чином відбуваються мутації з використанням методу МонтеКарло. Розроблені методи програмно реалізовано для вирі шення задачі розпізнавання учасників дорожнього руху (автомобілів, велосипедів, пішоходів, мотоциклів, ван тажівок). Також було проведено порівняння показників використання модифікацій простого генетичного алго ритму та визначено кращий підхід вирішення задачі роз пізнавання учасників дорожнього руху. Було встанов лено, що розроблена модифікація АльфаБета показала кращі результати у порівнянні з іншими модифікація ми при вирішенні задачі розпізнавання учасників дорож нього руху. При застосуванні розроблених модифікацій отримано наступні показники точності: АльфаБета-96,90 %, АльфаБета фіксована -95,89 %, фіксована -85,48 %. Крім того, при застосуванні розроблених моди фікацій скорочується час підбору параметрів нейромо делі, зокрема при використанні модифікації АльфаБета витрачається лише 73,9 % часу базового методу, при використанні модифікації Фіксована -91,1 % часу базо вого генетичного методу Ключові слова: розпізнавання образів, генетичний алго ритм, еволюційний алгоритм, нейронні мережі, Python, OpenCV, Keras UDC 004.93

Розглянуто проблему обґрунтування розвитку складних розподiльних систем електропостачання як iєрархiя завдань, на першому етапi якої є розв'язання завдання вибору рацiональної конфiгурацiї системи електропостачання. Розроблено математичну модель рiшення задачi оптимального розмiщення декiлькох джерел живлення i закрiплення за ними споживачiв в системi електропостачання з використанням алгоритмiв генетичного програмування. Запропонованi методи дозволяють отримати побудову оптимальної траси лiнiї електропередачi, що зв'язує споживача з джерелом живлення, з урахуванням обмежень на мiсцевостi. Розроблено модифiкацiю простого генетичного алгоритму, на основi якої реалiзовано iнформацiйну систему. Дана система вирiшує питання комбiнаторної оптимiзацiї у вiдношеннi вибору оптимальної локацiї розмiщення джерел живлення у розподiленiй електричнiй мережi. Проведена оцiнка часу розрахунку в залежностi вiд параметрiв задачi. Показано, що для задач малої i середньої розмiрностi розроблений алгоритм забезпечує мiнiмальний час рахунку. Результати рiшення задачi для конкретного прикладу демонструють перевагу генетичного пiдходу над методом повного перебору. Отриманi результати можуть бути успiшно застосованi для вирiшення проблеми оптимiзацiї розмiщення джерел живлення у розподiленiй електричнiй мережiКлючовi слова: генетичний алгоритм, джерело живлення, еволюцiйний алгоритм, система електропостачання, комбiнаторний аналiз UDC 004.93

No abstract

No abstract