http://dspace.dgma.donetsk.ua:8080/jspui/handle/DSEA/91 Tue, 07 Apr 2026 08:18:15 GMT 2026-04-07T08:18:15Z http://dspace.dgma.donetsk.ua:8080/jspui/handle/DSEA/1137 Title: ДОСЛІДЖЕННЯ НЕЙРОМЕРЕЖЕВИХ ПІДХОДІВ ДО АНАЛІЗУ ВІДЕООБ’ЄКТІВ ІЗ ЗАСТОСУВАННЯМ GOOGLE CORAL Authors: Алтухов, О. В.; Васильєва, Л. В.; Алтухов, В. О.; Богданова, Л. М.; Тарасов, О. Ф. Abstract: Зростання обсягів відеоданих у різних галузях (безпека, медицина, транспорт, технічні науки) актуалізує необхідність ефективної автоматичної обробки цих даних. Особливо важливими завданнями є класифікація та сегментація об’єктів на відео. Висока роздільна здатність сучасного відео створює додаткові виклики, зокрема щодо обробки в реальному часі, що потребує використання як оптимізованих моделей, так і апаратних прискорювачів. Одним із рішень є Google Coral – пристрій, що дозволяє прискорити виконання нейронних мереж без суттєвих втрат у точності. У цьому дослідженні акцент зроблено на підвищенні ефективності моделей глибокого навчання шляхом підбору оптимальних параметрів навчання для забезпечення точного й швидкого розпізнавання об'єктів на відео. У роботі досліджено методи, моделі та інформаційні технології, призначені для класифікації і сегментації об’єктів на відео з використанням нейронних мереж і апаратного прискорювача Google Coral. Основну увагу приділено оптимізації параметрів навчання моделей на основі архітектур SSD/FPN MobileNet V1, MobileNet V2 та SSDLite MobileNet V2. Запропоновано підхід, що дозволяє досягти високої точності при класифікації і сегментації об’єктів у відео за мінімального часу навчання. Розроблено програмний комплекс з графічним інтерфейсом, реалізований із використанням Python, TensorFlow та OpenCV. Проведено порівняльний аналіз ефективності методів класифікації та сегментації, а також розглянуто можливості реалізації систем в середовищі обмежених ресурсів. Наукова новизна полягає в удосконаленні моделей нейронних мереж для класифікації та сегментації об’єктів на відео з застосуванням апаратного прискорювача Google Coral, що дозволило підвищити швидкість навчання та точність класифікації. Практична цінність полягає в реалізації методів та моделей нейронних мереж для класифікації та сегментації об’єктів на відео за допомогою Google Coral, які можна використовувати на різних апаратних платформах. Wed, 01 Jan 2025 00:00:00 GMT http://dspace.dgma.donetsk.ua:8080/jspui/handle/DSEA/1137 2025-01-01T00:00:00Z http://dspace.dgma.donetsk.ua:8080/jspui/handle/DSEA/1126 Title: Використання згорткової нейронної мережі для підвищення ефективності моделювання в CAE-системі Authors: Тарасов, О. Ф.; Васильєва, Л. В.; Алтухов, О. В. Abstract: DOI: 10.36059/978-966-397-531-3 Mon, 01 Sep 2025 00:00:00 GMT http://dspace.dgma.donetsk.ua:8080/jspui/handle/DSEA/1126 2025-09-01T00:00:00Z http://dspace.dgma.donetsk.ua:8080/jspui/handle/DSEA/1088 Title: До питання оптимізації параметрів обробки на верстатах з ЧПК Authors: Богданова, Л. М.; Васильєва, Л. В.; Корсун, Д. В. Abstract: Метою проведеного дослідження є визначення та коригування оптимальних режимів обробки деталей на фрезерному верстаті з числовим програмним керуванням для певної номенклатури та параметрів деталей. Пошук параметрів режимів обробки, які забезпечать найкраще значення шуканого критерію, є пріоритетним дослідницьким завданням. Змінними показниками можуть бути глибина різання, ширина фрезерування та подача столу. Розрахунок оптимальних значень цільової функції «продуктивність праці» дозволить вибрати найкращий варіант обробки. Для цього було створено програмний комплекс, що включає експертну систему. Це дозволяє здійснювати безперервний моніторинг процесу обробки та коригувати режими обробки за потреби для підтримки оптимальної продуктивності. Як частина єдиного інформаційного простору підприємства, ця система підвищить якість управлінських рішень з технологічної підготовки виробництва, а також доставлятиме необхідну інформацію на кожне робоче місце. Експертна система може бути використана для безперервного моніторингу процесу обробки та коригування режимів обробки деталей для підтримки оптимальної продуктивності. Експертні системи можуть забезпечувати оптимальні режими обробки, що зменшує кількість помилок та підвищує якість продукції, що виготовляється на верстаті з ЧПК. https://csd.karazin.ua/wp-content/uploads/2025/05/csd.karazin.ua-maket-kmnt-2024.pdf Fri, 01 Nov 2024 00:00:00 GMT http://dspace.dgma.donetsk.ua:8080/jspui/handle/DSEA/1088 2024-11-01T00:00:00Z http://dspace.dgma.donetsk.ua:8080/jspui/handle/DSEA/978 Title: ЯДРО СИСТЕМИ МОДЕЛЮВАННЯ ПРОЦЕСІВ ІНТЕНСИВНОЇ ПЛАСТИЧНОЇ ДЕФОРМАЦІЇ Authors: Тарасов, О. Ф.; Алтухов, О. В.; Васильєва, Л. В. Sun, 01 Dec 2024 00:00:00 GMT http://dspace.dgma.donetsk.ua:8080/jspui/handle/DSEA/978 2024-12-01T00:00:00Z