No abstract

Розглядається задача ідентифікації нестаціонарних параметрів лінійного об'єкта, які можна описати Марківською моделлю першого порядку, за допомогою найбільш простих в обчислювальному відношенні однокрокових адаптивних алгоритмів ідентифікації -модифікованих алгоритмів Качмажа і Нагумо-Ноди. Ці алгоритми не потребують знання інформації щодо ступеня нестаціонарності об'єкту, що досліджується, вони використовують при побудові моделі інформацію тільки про один такт (крок) вимірювань. Наявність в цих алгоритмах в знаменнику значень вхідних сигналів свідчить про необхідність введення в них деяких обмежень на ці сигнали. Модифікація полягає в використанні в алгоритмах регуляризуючого додатку, з метою покращення їх обчислювальних властивостей та уникнення поділу на нуль. Застосування Марковської моделі є досить ефективним, бо дає можливість отримати аналітичні оцінки властивостей алгоритмів. Показано, що використання регуляризуючого додатку в алгоритмах ідентифікації, покращуючи стійкість алгоритмів, призводить до деякого уповільнення процесу побудови моделі. Визначено умови збіжності регуляризованих алгоритмів Качмажа і Нагумо-Ноди при оцінюванні нестаціонарних параметрів в середньому та середньоквадратичному і наявності завад вимірів. Отримані оцінки відрізняються від існуючих більшою точністю. Незважаючи на це, вони є досить загальними і залежать як від ступеня нестаціонарності об'єкту, так і від статистичних характеристик завад. Крім того, визначено вирази для оптимальних значень параметрів алгоритмів, що забезпечують їх максимальну швидкість збіжності в умовах не стаціонарності та присутності гаусовських завад. Отримані аналітичні вирази містять ряд невідомих параметрів (помилка оцінювання, ступінь нестаціонарності об'єкту, статистичні характеристики завад). Для їх практичного застосування слід скористатися будь-якою рекурентною процедурою оцінювання цих невідомих параметрів і використовувати одержувані оцінки для уточнення тих параметрів, що входять в алгоритмиКлючові слова: Марківська модель, адаптивний алгоритм Качмажа, Нагумо-Ноди, регуляризація, рекурентна процедура, оптимальний параметр UDC 004.852

A method of risk analysis in information systems is being developed. The ways of ensuring the efficiency of control systems in the conditions of information confrontation with the use of the game theory apparatus are investigated. The desire to ensure high efficiency of modern management information systems, minimize financial costs, provide energy and information protection of the management system, highlights the creation of a system of analysis and risk management in information systems. It is assumed that the control system can implement the following behavioral strategies in a conflict situation: the control system does not change the algorithm, but changes the class of algorithms used to achieve the maximum value of the average quality by choosing the probability Pij for a given set of countermeasures, the control system changes the algorithm operation, the class of operating algorithms used to maximize the average quality of fixed countermeasures, the control system changes the operating algorithm and the class of operating algorithms used depending on the countermeasure strategy in order to achieve maximum quality. Using the apparatus of game theory, an analysis was performed and a method for estimating the average value of the quality of the communication system with different strategies of the conflicting parties was developed. The technique of estimation of average value of an indicator of quality of functioning of a control system is developed and expressions for an estimation of average value of an indicator at various strategies of behavior are received. It is shown that the solution to the problem of improving the quality of the control system is possible through the use of a mixed strategy of system behavior and the choice of structure and parameters of the control system that increase the partial quality of its operation.

A method of measuring cattle parameters using neural network methods of image processing was proposed. To this end, several neural network models were used: a convolutional artificial neural network and a multilayer perceptron. The first is used to recognize a cow in a photograph and identify its breed followed by determining its body dimensions using the stereopsis method. The perceptron was used to estimate the cow's weight based on its breed and size information. Mask RCNN (Mask Regions with CNNs) convolutional network was chosen as an artificial neural network. To clarify information on the physical parameters of animals, a 3D camera (Intel RealSense D435i) was used. Images of cows taken from different angles were used to determine the parameters of their bodies using the photogrammetric method. The cow body dimensions were determined by analyzing animal images taken with synchronized cameras from different angles. First, a cow was identified in the photograph and its breed was determined using the Mask RCNN convolutional neural network. Next, the animal parameters were determined using the stereopsis method. The resulting breed and size data were fed to a predictive model to determine the estimated weight of the animal. When modeling, Ayrshire, Holstein, Jersey, Krasnaya Stepnaya breeds were considered as cow breeds to be recognized. The use of a pre-trained network with its subsequent training applying the SGD algorithm and Nvidia GeForce 2080 video card has made it possible to significantly speed up the learning process compared to training in a CPU. The results obtained confirm the effectiveness of the proposed method in solving practical problems.