Browsing by Author "Ryazantsev, O. I."
Now showing 1 - 2 of 2
Results Per Page
Sort Options
Item Дослідження методів оптимізації параметрів електронних пристроїв для побудови експертної системи(СНУ ім. В. Даля, 2024) Ткаченко, В. Ю.; Хорошун, Г. М.; Шумова, Л. О.; Рязанцев, О. І.; Tkachenko, V. Yu.; Khoroshun, H. M.; Shumova, L. O.; Ryazantsev, O. I.Дана стаття присвячена дослідженню методів оптимізації параметрів і структури електронних пристроїв для побудови системи експертного проектування. Акцент робиться на використанні інноваційних підходів, таких як математичне моделювання, симуляція та методи штучного інтелекту, включаючи машинне навчання, генетичні алгоритми та нейронні мережі. Використання таких методів дозволяє підвищити точність проектування, автоматизувати складні процеси, скоротити час розробки та підвищити продуктивність. Також розглядається можливість використання гібридних підходів для отримання оптимальних конфігурацій пристроїв, які забезпечують кращу енергоефективність і відповідність вимогам виробництва. Результати дослідження свідчать про перспективність і практичну значущість цих методів, які відкривають нові можливості для проектування електронних систем. Обговорювані методи математичного моделювання включають SPICE (програма моделювання з акцентом на інтегральні схеми) для аналізу схеми та метод скінченних елементів (FEM) для оцінки теплових і механічних властивостей, особливо актуальних для пристроїв з високою щільністю компонентів. Ці моделі дозволяють розробникам імітувати та перевіряти продуктивність пристрою в різних умовах експлуатації, значно знижуючи потребу у фізичних прототипах. Дослідження методів оптимізації параметрів і структури електронних пристроїв з використанням штучного інтелекту та експертних систем показують значний потенціал для підвищення ефективності та якості процесу проектування. Використання математичного моделювання та моделювання дозволяє скоротити час розробки, а впровадження методів машинного навчання та генетичних алгоритмів підвищує точність та швидкість оптимізації. Використання методів проектування з урахуванням обмежень забезпечує кращу виробничу сумісність, а оптимізація енергоспоживання сприяє ефективності електронних систем в умовах обмежених ресурсів. Подальші дослідження спрямовані на розширення гібридних методів, інтеграцію нових алгоритмів машинного навчання та їх адаптацію до конкретних виробничих вимог, що підвищить гнучкість і універсальність експертних систем проектування.Item Результати первинної обробки інтерферограми для побудови моделей машинного навчання(СНУ ім. В. Даля, 2023) Шопін, П. Ю.; Хорошун, Г. М.; Барбарук, В. М.; Рязанцев, О. І.; Shopin, P. Y.; Khoroshun, G. M.; Barbaruk, V. M.; Ryazantsev, O. I.Робота присвячена обробці інтерферометричних відео та зображень для дисциплін, де вимагається високоточне та динамічне вимірювання фізичних параметрів. Застосування моделей машинного навчання додає нові можливості до аналізу інтерферометричних даних, роблячи їхнє використання більш ефективним та точним. Інтерферометрія застосовується для різноманітних вимірювань, які базуються на інтерференційних явищах для визначення статистичних та динамічних параметрів об'єктів. Вимірювання статичних параметрів за допомогою інтерферометрії може включати: висоту поверхні, деформацію поверхні, товщину шару матеріалу, оптичні властивості, такі як коефіцієнти пропускання чи відбивання світла, напруження та деформацію матеріалу, розташування об’єктів та кутові виміри. Інтерферометри можуть вимірювати динамічні параметри, такі як швидкість та напрямок руху об'єктів в транспортних системах та біологічних клітинах. Інтеграція методів машинного навчання в аналіз інтерферограм може значно покращити ефективність та точність отриманих результатів, особливо в умовах великого обсягу даних та складних паттернів. Основні задачі, які можна виділити для застосування методів машинного навчання це фільтрація шумів, сегментація об'єктів, прогнозування змін, корекція артефактів, оптимізація обробки даних. Для того, щоб побудувати модель машинного навчання необхідно дослідити реальні інтерференційні картини, визначити основні параметри моделі, реалізувати методи автоматичної обробки зображення. Отже, в роботі досліджено реальні інтерференційні картини, надано їх опис, проведена автоматизація процесу визначення їх якості та надання рекомендацій щодо застосування. В даній роботі ми аналізуємо відео експерименту отримання інтерференційної картини, з використанням інтерферометра Маха-Цендера.Досліджено реальні інтерференційні картини отриманні з відеозапису зйомки роботи інтерферометра Маха-Цендера. Проведено аналіз поведінки інтерференційних смуг вздовж осі Х та вздовж осі У. Визначені особливі ділянки та характеристики реального сигналу в перерізі інтерферограми. Згідно до отриманих результатів проведено сегментацію зображення. Визначена характерна поведінка в часі світла в цих сегментах. Визначили які сегменти найкращі та найгірші для аналізу та в який проміжок часу.