Біоніка інтелекту
http://bionics.nure.ua/
<p>Заснований Харківським національним університетом радіоелектроніки у 1967 році .</p> <p>Свідоцтво про держреєстрацію <a href="http://bionics.nure.ua/public/site/images/iryna_kyrychenko/bionics-of-intelligence.jpg">КВ № 12072-943 ПР</a> від 07.12.2006.</p> <p>Журнал включено до Переліку наукових фахових видань України, категорія «Б», технічні науки (затверджено <a href="https://mon.gov.ua/ua/npa/pro-zatverdzhennya-rishen-atestacijnoyi-kolegiyi-ministerstva-vid-2-lipnya-2020-roku">наказом МОНУ</a> від 02.07.2020 № 886).</p> <p>Сфера поширення й категорія читачів: загальнодержавна та зарубіжна.</p> <p>Періодичність: журнал виходить 2 рази на рік в липні і грудні.</p> <p>Мови публікацій: англійська, українська, російська.</p> <p>Мета виходу в світ журналу «Біоніка інтелекту» – популяризація й пропаганда в середовищі студентів, аспірантів, інженерів, науковців нових наукових напрямків, технологій, ідей, зближення теорії з практикою.</p>Kharkiv National University of Radio Electronicsuk-UAБіоніка інтелекту2663-3051Удосконалення архітектури Neuronet автотрансферу
http://bionics.nure.ua/article/view/314695
<p>Для створення єдиного інформаційного простору транспортних послуг без зайвих капітальних витрат на створення спеціальної IT-інфраструктури, що є основою підвищення конкурентній спроможності транспортних та дорожніх організації надані практичні рекомендації з удосконалення архітектури Neuronet автотрансферу.</p>С. М. НероновГ. А. ПлєховаМ. В. Костікова
Авторське право (c) 2024 Біоніка інтелекту
2024-06-282024-06-2811003710.30837/bi.2024.1(100).01Пасивний підхід до виявлення та класифікації мін із використанням магнітних полів і згорткових нейронних мереж
http://bionics.nure.ua/article/view/314697
<p>В наш час для виявлення мін широко використовуються активні детектори, що забезпечують виявлення мін з високою точністю. Однак їхній принцип роботи може бути небезпечним, оскільки він має потенціал спричинити детонацію прихованих мін. Це дослідження представляє інноваційний метод виявлення та класифікації мін, виготовлених з різних матеріалів (металевих, напівметалевих, пластикових), за допомогою згорткової нейронної мережі. Мережа аналізує аномалії, отримані з унікально розробленої матриці ознак, досягаючи значної точності у класифікації. Процес класифікації базується на вхідному векторі ознак, який включає: показники напруги від магнітометричного датчика FLC-100, який виявляє магнітні аномалії біля мін із чутливістю в діапазоні від 10⁻¹⁰ до 10⁻⁴ Тесла; дані з шести типів ґрунту з урахуванням їх вологості; висоту розташування датчика над міною. Оскільки міни, виготовлені з різних матеріалів та мають унікальні магнітні властивості, використання даних про магнітні аномалії дозволяє ефективно класифікувати міни. Точність класифікації оцінювалась за допомогою різних показників, таких як F1, Precision, Accuracy, FPR, FNR, Recall та TNR.</p>В.В. ЛитвинІ.Р. ПелещакВ.А. ВисоцькаВ.М. МотикаР.М. Пелещак
Авторське право (c) 2024 Біоніка інтелекту
2024-06-282024-06-28110081410.30837/bi.2024.1(100).02Покращення споживання енергії за допомогою ADAS в автономному водінні комунікаційної системи
http://bionics.nure.ua/article/view/314703
<p>У статті проведений аналіз тенденцій розвитку технологій енергозбереження та рекуперації на електричному автомобільному транспорті. Розглянуто та визначено перспективні напрямки розвитку технологій енергозбереження зокрема з використанням систем допомоги водієві. Збільшення наповненості автомобілів електронними системами допомоги водієві збільшує загальні витрати енергії. Наведені рекомендації з вибору оптимальних технологій та методів енергозбереження для автотранспорту. Для деяких методів економія спожитої енергії є доповненням до основного напрямку роботи. Поєднання інтелектуальних транспортних засобів та відповідних засобів організації дорожнього руху може сприяти подальшій реалізації транспортних переваг інтелектуальних транспортних засобів.</p>Б. С. Карпішен
Авторське право (c) 2024 Біоніка інтелекту
2024-06-282024-06-281100152210.30837/bi.2024.1(100).03Аналіз методів стиснення зображень для зберігання у децентралізованих блокчейн сховищах
http://bionics.nure.ua/article/view/314704
<p>Розглянуто методи стиснення зображень для зберігання у децентралізованих блокчейн-сховищах, зокрема в системі IPFS. Пропонується методологія оцінки ефективності різних алгоритмів стиснення зображень, що включає як стиснення без втрат (PNG, TIFF, GIF), так і стиснення з втратами (JPEG, WEBP). Виконується порівняння показників розміру файлів, якості зображень (за допомогою метрики PSNR), часу завантаження в IPFS та пропускної здатності для кожного методу стиснення. Для кожного зображення вимірюється хеш, який зберігається у смарт-контракті в локальній блокчейн-мережі, розгорнутій за допомогою Ganache. Використання таких методів дозволяє оптимізувати зберігання та передачу зображень у блокчейн-сховища, забезпечуючи баланс між якістю зображень, розміром файлів та швидкістю доступу.</p>Г.Ю. ТерещенкоІ.В. КириченкоК.С. СмеляковА.Є. Олійник
Авторське право (c) 2024 Біоніка інтелекту
2024-06-282024-06-281100233510.30837/bi.2024.1(100).04Зменшення ймовірності відмови в системах масового обслуговування з обмеженою чергою із застосуванням пріоритезації за розміром та штучного інтелекту
http://bionics.nure.ua/article/view/314705
<p>Стаття присвячена збільшенню ефективності обробки заявок у багатоканальних системах масового облуговування з обмеженою чергою та відмовами у випадку її переповнення. Предметом даної статті є: методи та підходи до оптимізації обробки потоків заявок. Метою роботи є: запропонувати новий підхід до пріоритезації та балансування категорій вимог задля зменшення ймовірності відмови. Завдання статті полягає у: формулюванні досліджуваної системи масового обслуговування; визначенні джерела оптимізації; описі методу розбиття загального потоку вимог на категорії; переліку підходів до оцінки розмірів заявки; визначенні алгоритму обробки заявок із застосуванням пріоритезації за часом обробки; пропозиції рішення проблем оцінки навантаження та балансування пріоритетів із застосуванням штучного інтелекту. Використовуються такі методи: теорія масового обслуговування, UML діаграми, штучний інтелект. Було здобуто наступні результати: запропоновано підхід до зменшення ймовірності відмови в багатоканальних системах масового обслуговування з обмеженою чергою, за рахунок збільшення пріоритетів менших заявок; запропоновано методи оцінки складності вимог та розбиття загального потоку заявок на категорії згідно з їхнім розміром; Запропоновано підхід до балансування пріоритетів за допомогою штучного інтелекту.</p>Д. І. Гольдінер О. І. Матвієнко
Авторське право (c) 2024 Біоніка інтелекту
2024-06-282024-06-281100364210.30837/bi.2024.1(100).05Віртуальне управління перевізними процесами на автомобільному транспорті
http://bionics.nure.ua/article/view/314706
<p>У зв’язку з доцільністю перенесення віртуального управління автотранспортом в хмарну середу в роботі розглянута апаратна віртуалізація, Web-рішення та інтерфейс користувача Neuronet автотрансферу. Цей матеріал буде корисним при розгортанні клієнт-сервісної технології рухомого складу автомобільного трансферу.</p>С. М. НероновГ. А. ПлєховаМ. В. Костікова
Авторське право (c) 2024 Біоніка інтелекту
2024-06-282024-06-281100434910.30837/bi.2024.1(100).06Удосконалення моделі безпечної маршрутизації в програмно-конфігурованих мережах
http://bionics.nure.ua/article/view/314707
<p>Наразі розгортання таких мережних архітектур, як програмно-конфігуровані мережі (Software-Defined Networking, SDN), стикається з новими загрозами кібербезпеці, які вимагають розробку та дослідження нових спеціалізованих рішень щодо підвищення рівня мережної безпеки. Незважаючи на високу відкритість і можливості програмованості, архітектура SDN замінює традиційну мережу, проте збільшує кількість потенційних мережних атак, що призводить до нових проблем безпеки.</p> <p>Зростаючий інтерес до SDN та широкому розгортанню програмно-конфігурованих мереж різних типів дозволяють виявляти їхні недоліки в процесі боротьби із загрозами кібербезпеці. Очевидно, що питання безпеки тісно пов’язані з характеристиками самих SDN мереж. Крім того, проблеми безпеки в SDN можна розділити на основі трьох рівнів: площини даних, площини управління та площини застосунків.</p> <p>Водночас серед об’єктів атак можуть бути пристрої різних рівнів SDN. Отже, відповідно до багаторівневої архітектури SDN можна класифікувати загрози безпеці на рівнях передачі даних, управління та застосунків. Зі свого боку, площина даних складається з комутаторів та інших мережних пристроїв і головним чином відповідає за обробку даних, їх пересилання, відкидання, а також збір статистики. Функціонування площини даних відбувається на основі правил потоків, що надаються контролером мережі. Тоді як основними причинами проблем безпеки є власне архітектура SDN, зовнішні шкідливі атаки, недостатність контролю доступу та засобів шифрування.</p> <p>На сьогоднішній день важливе місце у комплексі засобів підвищення мережної безпеки, у тому числі мереж SDN, відводиться протоколам маршрутизації, які потребують системної та скоординованої взаємодії одночасно множини мережних елементів – SDN-комутаторів, і контролерів мережі під час формування (розрахунку) шляхів і правил потоків, вздовж яких має забезпечуватися необхідний рівень безпеки за обраними показниками або критеріям.</p> <p>В роботі проведена аналіз того як модифікувати маршрутні метрики таким чином, щоб отримувана модель набула властивостей безпечної QoS-маршрутизації. Показано що удосконалення моделі та вибір маршруту потрібно обирати з урахуванням базових метрик критичності вразливостей, і пропускної здатності каналів зв’язку, що складають цей маршрут.</p>Г. А. ПлєховаС. М. НероновМ. В. КостіковаС. О. Кашкевич
Авторське право (c) 2024 Біоніка інтелекту
2024-06-282024-06-281100505710.30837/bi.2024.1(100).07Побудова пояснень на локальному рівні представлення процесу формування рішень для внутрішніх користувачів інтелектуальної системи
http://bionics.nure.ua/article/view/314708
<p>Предметом вивчення в статті є процеси побудови пояснень щодо отриманих результатів та послідовності дій з прийняття рішення в інтелектуальній інформаційній системі.</p> <p>Метою є розробка підходу до побудови пояснень на локальному рівні представлення процесу формування рішень інтелектуальної системи на основі побудови темпоральних та каузальних залежностей, що створює умови для виявлення «вузьких місць» даного процесу при представленні інтелектуальної системи як «сірої» скриньки. Завдання: розробка моделі пояснення на локальному рівні представлення для внутрішніх користувачів інтелектуальної системи; розробка методу побудови пояснень на локальному рівні представлення процесу формування рішень інтелектуальної системи. Використовуваними підходами є: методи побудови пояснень, підходи до побудови темпоральних знань. Висновки. Наукова новизна отриманих результатів полягає в наступному. Розроблено модель пояснення на локальному рівні представлення процесу формування рішення для внутрішніх користувачів інтелектуальної інформаційної системи. Модель використовує поєднання темпоральних залежностей, що визначають лінійну послідовність дій процесу, та каузальних правил-обмежень, які задають обов'язкові дії, що виконуються для всіх варіантів процесу формування рішення. Запропонована модель створює умови для виявлення дій, які обмежують нормальне виконання процесу формування рішення та призводять до результатів, що не відповідають вимогам зовнішніх користувачів. Розроблено метод побудови пояснень на локальному рівні представлення процесу формування рішень інтелектуальної системи. Метод передбачає виділення темпоральних залежностей між парами послідовних станів поточного процесу формування рішення, відбір темпоральних залежностей, які виконуються для всіх варіантів процесу побудови рішення та формування на їх основі каузальних залежностей. Використання методу дає можливість представити як пояснення обмеження щодо формування рішення, що створює умови для виявлення вузьких місць у послідовності дій з отримання результату в інтелектуальній системі.</p>С.Ф. ЧалийВ.О. Лещинський
Авторське право (c) 2024 Біоніка інтелекту
2024-06-282024-06-281100586410.30837/bi.2024.1(100).08Програмна реалізація методів аудіовізуальної стимуляції головного мозку
http://bionics.nure.ua/article/view/314710
<p>Аудіовізуальна стимуляція мозку, як сучасний підхід до впливу на нейрофізіологічні процеси, надає великий потенціал для поліпшення психічного та фізичного здоров’я людини, а також діагностики та лікування різних порушень. Використання перетворень Фур’є та вейвлет-перетворень дозволяє аналізувати сигнали електроенцефалограм та електрокардіограм і створювати ефективні світлові та аудіостимули. Розглядаються наявні дослідження, які підтверджують важливість біоелектричної активності людини та методів її обробки у виконанні аудіовізуальної стимуляції для лікування різноманітних захворювань у дорослих та дітей. Наведено підхід до програмної реалізації методів аудіовізуальної стимуляції головного мозку та результати розробки. Тестування програмного забезпечення продемонструвало позитивний вплив світлових та аудіостимулів на більшість учасників дослідження. Це свідчить про важливість і перспективи подальших досліджень у цьому напрямку.</p>В.І. ДубровінК.С. ПаничукК.О. РоговськаЮ.В. Тарасова
Авторське право (c) 2024 Біоніка інтелекту
2024-06-282024-06-281100657110.30837/bi.2024.1(100).09Основні принципи проектування та розробки систем генерації звітності медичних закладів
http://bionics.nure.ua/article/view/314711
<p>Розглянуто базові принципи проектування та розробки систем генерації звітності медичних закладів. Знайдено проблеми та запропоновано рішення щодо побудови архітектури систем: використання розподілених сервісів та методів управління ними для покращення продуктивності, застосування черг повідомлень для спілкування між ними. Розглянуто загальні методи збереження даних та використання сховищ даних для спрощення схеми баз даних, що використовуються для ведення звітності медичних закладів. Запропоновано принципи та підходи для створення тих частин систем, що відповідають за кінцеву обробку даних та генерацію звітів з підтримкою різних форматів виведення документів.</p>В. В. Кирій О. В. КалиниченкоО. В. Ляпота
Авторське право (c) 2024 Біоніка інтелекту
2024-06-282024-06-281100727910.30837/bi.2024.1(100).10