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

Educational activities of higher education institutions located in the war zone are undergoing significant changes, particularly in Ukraine. This study aims to generalize the experience of the National University “Zaporizhzhia Polytechnic,” Ukraine, in ensuring the continuity of the digital services of the educational process and generate recommendations for countering threats arising under the influence of active hostilities.49% of students are residents of Zaporizhzhia, and 40% live in the occupied territories. Most students were forced to move to safer locations or even abroad. Still, some of them remained in the occupation (due to the strict regime by the occupiers, they could not move to the territory controlled by Ukraine). About 5% of students temporarily or entirely stopped their studies. The city of Zaporizhzhia is under constant fire from the occupying forces, so academic staff is dynamically relocating to safer regions. The university constantly responds to the situation at the front and implements measures to continue educational activities in these conditions, relying on digital services. To minimize the impact of war threats and ensure the continuity of digital services, the university administration guarantees protection against power outages of all elements of the digital infrastructure, providing backup Internet communication channels and creating a distributed information base. National University “Zaporizhzhia Polytechnic” continues to further expand its information services library, improving the quality of the educational process in war conditions.

No abstract

No abstract