Електронний репозитарій ПДАУ
Полтавський державний аграрний університет
Електронний репозитарій (сховище, архів) наукових публікацій – електронний архів результатів науково-дослідної роботи, публікацій науковців, викладачів, аспірантів та студентів університету, кваліфікаційних робіт студентів для їх централізованого зберігання та надання відкритого доступу до них світовій академічній спільноті у режимі онлайн.

Нові надходження
ПРИСТРІЙ ОБРОБКИ РІЗНОТИПНИХ ДАНИХ В СИСТЕМАХ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ З ЕЛЕМЕНТАМИ ШТУЧНОГО ІНТЕЛЕКТУ
(Український національний офіс інтелектуальної власності та інновацій, 2024-07-04) Сова, Олег Ярославович; Кравченко, Сергій Іванович; Шишацький, Андрій Володимирович; Сальнікова, Ольга Федорівна; Романов, Олексій Миколайович; Мягких, Геннадій Геннадійович; Симоненко, Олександр Анатолійович; Троцько, Олександр Олександрович; Одарущенко, Олена Борисівна; Дегтярьова, Лариса Миколаївна; Протас, Надія Михайлівна; Зубрицький, Григорій Миколайович; Іжутова, Ірина Володимирівна; Прощин, Ігор Вікторович
Пристрій обробки різнотипних даних в системах підтримки прийняття рішень з елементами штучного інтелекту має передавальну частину пристрою обробки різнотипних даних в системах підтримки прийняття рішень з елементами штучного інтелекту та приймальну частину пристрою обробки різнотипних даних в системах підтримки прийняття рішень з елементами штучного інтелекту, причому передавальна частина пристрою обробки різнотипних даних в системах підтримки прийняття рішень з елементами штучного інтелекту та приймальна частина пристрою обробки різнотипних даних в системах підтримки прийняття рішень з елементами штучного інтелекту з'єднані між собою послідовно. Додатково введено блок нейро-нечіткого прийняття рішень, блок прогнозування, блок навчання баз знань та блок генетичної оптимізації. Приймальна частина пристрою обробки різнотипних даних в системах підтримки прийняття рішень з елементами штучного інтелекту з'єднана послідовно з першим входом блока нейро-нечіткого прийняття рішень. Вихід блока прогнозування з'єднано з другим входом блока нейро-нечіткого прийняття рішень. Вихід блока навчання баз знань з'єднано з третім входом блока нейро-нечіткого прийняття рішень. Вихід блоку генетичної оптимізації з'єднано з входом блока навчання баз знань. Вихід блока нейро-нечіткого прийняття рішень з'єднано з входом передавальної частини пристрою обробки різнотипних даних в системах підтримки прийняття рішень з елементами штучного інтелекту.
ПРИСТРІЙ ОБРОБКИ РІЗНОТИПНИХ ДАНИХ В СИСТЕМАХ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ З ЕЛЕМЕНТАМИ ШТУЧНОГО ІНТЕЛЕКТУ
(Український національний офіс інтелектуальної власності та інновацій, 2023-05-23) Сова, Олег Ярославович; Налапко, Олексій Леонідович; Журавський, Юрій Володимирович; Шишацький, Андрій Володимирович; Гаценко, Сергій Станіславович; Борисов, Ігор Володимирович; Тарасенко, Олександр Володимирович; Сальнікова, Ольга Федорівна; Одарущенко, Олена Борисівна; Дегтярьова, Лариса Миколаївна; Протас, Надія Михайлівна; Іжутова, Ірина Володимирівна; Прощин, Ігор Вікторович
Пристрій обробки різнотипних даних в системах підтримки прийняття рішень з елементами штучного інтелекту містить передавальну частину пристрою обробки різнотипних даних в системах підтримки прийняття рішень з елементами штучного інтелекту та приймальну частину пристрою обробки різнотипних даних в системах підтримки прийняття рішень з елементами штучного інтелекту, причому передавальна частина пристрою обробки різнотипних даних в системах підтримки прийняття рішень з елементами штучного інтелекту та приймальна частина пристрою обробки різнотипних даних в системах підтримки прийняття рішень з елементами штучного інтелекту з'єднані між собою послідовно. Додатково введено блок нейронечіткого експертного прийняття рішень, блок прогнозування, блок навчання баз знань та блок генетичної оптимізації, при цьому приймальна частина пристрою обробки різнотипних даних в системах підтримки прийняття рішень з елементами штучного інтелекту з'єднана послідовно з першим входом блока нейронечіткого експертного прийняття рішень, вихід блока прогнозування з'єднано з другим входом блока нейронечіткого експертного прийняття рішень, вихід блока навчання баз знань з'єднано з третім входом блока нейронечіткого експертного прийняття рішень, вихід блока генетичної оптимізації з'єднано з входом блока навчання баз знань, а вихід блока нейронечіткого експертного прийняття рішень з'єднано з входом передавальної частини пристрою обробки різнотипних даних в системах підтримки прийняття рішень з елементами штучного інтелекту.
Improvement of the method of estimation and forecasting of the state of the monitoring object in intelligent decision support systems
(Eastern-European Journal of Enterprise Technologies, 2021-08-31) Abed, A. A.; Repilo, I.; Zhyvotovskyi, R.; Shyshatskyi, A.; Hohoniants, S.; Kravchenko, S.; Zhyvylo, I.; Dieniezhkin, M.; Protas, N. M.; Shcheptsov, O.; Протас, Надія Михайлівна
In order to objectively and completely analyze the state of the monitored object with the required level of efficiency, the method for estimating and forecasting the state of the monitored object in intelligent decision support systems was improved. The essence of the method is to provide an analysis of the current state of the monitored object and short-term forecasting of the state of the monitored object. Objective and complete analysis is achieved using advanced fuzzy temporal models of the object state, taking into account the type of uncertainty and noise of initial data. The novelty of the method is the use of an improved procedure for processing initial data in conditions of uncertainty, an improved procedure for training artificial neural networks and an improved procedure for topological analysis of the structure of fuzzy cognitive models. The essence of the training procedure is the training of synaptic weights of the artificial neural network, the type and parameters of the membership function and the architecture of individual elements and the architecture of the artificial neural network as a whole.
Development of estimation and forecasting method in intelligent decision support systems
(Eastern-European Journal of Enterprise Technologies, 2021-06-30) Mahdi, Q. A.; Shyshatskyi, A.; Prokopenko, Y.; Ivakhnenko, T.; Kupriyenko, D.; Golian, V.; Lazuta, R.; Kravchenko, S.; Protas, N. M.; Momit, A.; Протас, Надія Михайлівна
The method of estimation and forecasting in intelligent decision support systems was developed. The essence of the method is the analysis of the current state of the object and short-term forecasting of the object state. Objective and complete analysis is achieved by using improved fuzzy temporal models of the object state and an improved procedure for processing the original data under uncertainty. Also, the possibility of objective and complete analysis is achieved through an improved procedure for forecasting the object state and an improved procedure for learning evolving artificial neural networks. The concepts of fuzzy cognitive model are related bysubsets of influence fuzzy degrees, arranged in chronological order, taking into account the time lags of the corresponding components of the multidimensional time series. The method is based on fuzzy temporal models and evolving artificial neural networks. The peculiarity of the method is the possibility of takinginto account the type of a priori uncertainty about the object state (full awareness of the object state, partial awareness of the object state and complete uncertainty about the object state).
Improvement of the solution search method based on the cuckoo algorithm
(Eastern-European Journal of Enterprise Technologies, 2023-04-28) Mohammed, B. A.; Zhuk, O.; Vozniak, R.; Borysov, I.; Petrozhalko, V.; Davydov, I.; Borysov, O.; Yefymenko, O.; Protas, N. M.; Kashkevich, S.; Протас, Надія Михайлівна
An improved method of finding solutions based on the cuckoo algorithm is proposed. The research object is the decision-making support systems. The research subject is the decision making process in management tasks using artificial intelligence methods. The hypothesis of the research is to increase the efficiency of decision making with a given assessment reliability. The proposed method is based on a combination of the cuckoo algorithm and evolving artificial neural networks. The method has the following differences:
– an additional processing of the source data takes place taking into account the uncertainty about the state of the control objects and the type of data noise about the state of the control object is additionally taken into account;
– the state model of the control object is adjusted taking into account the available computing resources of the system;
– added procedures to reduce the probability of detecting nests and reducing the length of the cuckoo’s step;
– knowledge bases about management objects are additionally taught.