№2(89), 2020

УДК 621.327:681.5

МЕТОД КОДИРОВАНИЯ ТРАНСФОРМАНТ ЗНАЧИМЫХ МИКРОСЕГМЕНТОВ ДЛЯ ПОВЫШЕНИЯ ДОСТУПНОСТИ ВИДЕОИНФОРМАЦИОННОГО РЕСУРСА

БАРАННИК В.В., БАБЕНКО Ю.М., EРОШЕНКО В.П., ШУЛЬГИН С.С.,  БАРАННИК Вал.В.

Показывается наличие дисбаланса, вызванного недостаточным уровнем производительности современных и перспективных инфокоммуникационных технологий относительно информационной интенсивности битовых потоков. Обосновывается, что снижение уровня дисбаланса организуется в результате повышения эффективности технологий обработки информации. Доказывается, что на данный момент базовой концепцией для построения технологий компрессионного представления является платформа JPEG. В соответствии с этим, предлагается организовывать дальнейшее развитие методов обработки видеоресурсов с использованием отдельных компонент платформы JPEG в направлении повышения целостности информации в условиях обеспечения требуемого уровня ее доступности. Излагается разработка базовой концепции обработки сегментированных видеокадров с использованием ядра технологии JPEG, которая базируется на следующих аспектах: создаются условия для дифференциальной обработки сегментов видеокадра с учетом их предыдущей идентификации в зависимости от их значимости из позиции сохранения нужного уровня целостности видеоресурсов; обеспечивается совместимость процессов идентификации сегментов и их обработки с использованием JPEG платформы. Показывается, что созданные методы кодирования видеоресурса на основе разработанной концепции обработки значимых сегментов обеспечивают снижение времени доставки информации в условиях требуемого уровня ее целостности, т.е. достигается повышение уровня информационной безопасности.

Ключевые слова: видеоизображение, целостность информации, компрессионное кодирование, области когерентности.

Рис. 1. Библиогр.: 25 наим.

УДК 621.327: 681.5

МЕТОД КОДУВАННЯ ТРАНСФОРМАНТ ВАЖЛИВИХ МІКРОСЕГМЕНТІВ ДЛЯ ПІДВИЩЕННЯ ДОСТУПНОСТІ ВІДЕОІНФОРМАЦІЙНОГО РЕСУРСУ

БАРАННІК В.В., БАБЕНКО Ю.М., ЄРОШЕНКО В.П., ШУЛЬГІН С.С., БАРАННІК Вал.В.

Показується наявність дисбалансу, викликаного недостатнім рівнем продуктивності сучасних і перспективних інфокомунікаційних технологій щодо інформаційної інтенсивності бітових потоків. Обґрунтовується, що зниження рівня дисбалансу організовується в результаті підвищення ефективності технологій обробки інформації. Доводиться, що на даний момент базовою концепцією для побудови технологій компресійного зображення є платформа JPEG. Пропонується організовувати подальший розвиток методів обробки відеоресурсів з використанням окремих компонент платформи JPEG в напрямку підвищення цілісності інформації в умовах забезпечення необхідного рівня її доступності. Викладається розробка базової концепції обробки сегментованих відеокадрів з використанням ядра технології JPEG, яка базується на таких аспектах: створюються умови для диференціальної обробки сегментів видеокадра з урахуванням їх попередньої ідентифікації залежно від їх значимості з позиції збереження потрібного рівня цілісності відеоресурсів; забезпечується сумісність процесів ідентифікації сегментів і їх обробки з використанням JPEG платформи. Показується, що створені методи кодування відеоресурсу на основі розробленої концепції обробки значущих сегментів забезпечують зниження часу доставки інформації в умовах необхідного рівня її цілісності, тобто досягається підвищення рівня інформаційної безпеки.

Ключові слова: відеозображення, цілісність інформації, компресійний кодування, області когерентності.

Іл. 1. Бібліогр .: 25 назв.

UDC 621.327: 681.5

METHOD FOR ENCODING TRANSFORMANTS OF SIGNIFICANT MICRO-SEGMENTS TO INCREASE ACCESSIBILITY VIDEO INFORMATION RESOURCE

Barannik V. V., Babenko Yu. M., Eroshenko V. P., Shulgin S. S., Barannik Val V.

The presence of an imbalance caused by an insufficient level of performance of modern and promising infocommunication technologies in relation to the information intensity of bit streams is shown. It is substantiated that a decrease in the level of imbalance is organized as a result of an increase in the efficiency of information processing technologies. It is proved that at the moment the JPEG platform is the basic concept for building compression presentation technologies. In accordance with this, it is proposed to organize the further development of methods for processing video resources using individual components of the JPEG platform in the direction of increasing the integrity of information while ensuring the required level of its availability. The development of the basic concept of processing segmented video frames using the core of the JPEG technology is presented, which is based on the following aspects: conditions are created for differential processing of video frame segments, taking into account their previous identification, depending on their importance from the position of maintaining the desired level of integrity of video resources; the compatibility of segment identification and processing with the use of the JPEG platform is ensured. It is shown that the created video resource encoding methods based on the developed concept of processing significant segments provide a reduction in the information delivery time under the conditions of the required level of its integrity, i.e. an increase in the level of information security is achieved.

Key words: video image, information integrity, compression coding, areas of coherence.

Fig. 1. Ref.: 25 items.

Литература:

1. Gao Y., Wang Y., Gupta S. K., and Pedram M. An Energy and Deadline AwareResource Provisioning, Scheduling and Optimization Framework for Cloud Systems // Proc. of the Ninth IEEE/ACM/IFIP International Conference on Hardware/SoftwareCodesign and System Synthesis, Piscataway, NJ, USA, 2013. Р. 1–10.

2. Wang S., Zhang X., Liu X., Zhang J., Ma S. and Gao W. Utility-Driven Adaptive Preprocessing for Screen Content Video Compression // IEEE Transactions on Multimedia. March 2017. Vol. 19, N 3. Р. 660-667.

3. Gonzales and R.E. Woods. Digital image processing. Prentice Hall, New Jersey. Еdition II. 2002. 1072 p.

4. Tsai W. J. and Sun Y. C. Error-resilient video coding using multiple reference frames // 2013 IEEE International Conference on Image Processing, Melbourne, VIC. 2013. Р. 1875-1879.

5. Zhang Y., Negahdaripour S. and Li Q. Error-resilient coding for underwater video transmission // OCEANS 2016 MTS/IEEE Monterey, CA. 2016. Р. 1-7.

6. Stankiewicz O., Wegner K., Karwowski D., Stankowski J., Klimaszewski K. and Grajek T. Encoding mode selection in HEVC with the use of noise reduction // 2017 International Conference on Systems, Signals and Image Processing (IWSSIP), Poznan. 2017. Р. 1-6.

7. Baccouch H., Ageneau P.L., Tizon N. and Boukhatem N.Prioritized network coding scheme for multi-layer video streaming // 2017 14th IEEE Annual Consumer Communications & Networking Conference (CCNC). Las Vegas, NV, USA. 2017. Р. 802-809.

8. Bai X., Wang J. Towards temporally-coherent video matting // Proc. of the 5th international conference on Computer vision/computer graphics collaboration techniques. MIRAGE'11, Springer-Verlag. 2011. Р. 63-74.

9. Christophe E., Lager D., Mailhes C. Quality criteria benchmark for hiperspectral imagery // IEEE Transactions on Geoscience and Remote Sensing. Sept 2005. Vol. 43, N 9. Р. 2103–2114.

10. Zheng B. and Gao S. A soft-output error control method for wireless video transmission // 2016 8th IEEE International Conference on Communication Software and Networks (ICCSN). Beijing. 2016. Р. 561-564.

11. Ji, Sh. and Tong, X. and Zhang, M. Image encryption schemes for JPEG and GIF formats based on 3D baker with compound chaotic sequence generator. 2012. Available via arXiv preprint. arXiv:1208.0999.

12. Ding Z., Chen H., Gua Y., Peng Q. GPU accelerated interactive space-time video matting // Computer Graphics International. 2010. Р. 163 168.

13. Lee S. Y., Yoon J. C. Temporally coherent video matting // Graphical Models 72. 2010. Р. 25-33.

14. Barannik V.V., Ryabukha Yu.N., Podlesnyi S.A. Structural slotting with uniform redistribution for enhancing trustworthiness of information streams // Telecommunications and Radio Engineering. 2017. Vol. 76, N7. DOI: 10.1615/TelecomRadEng.v76.i7.40.

15. Barinova O., Lempitsky V., Kholi P. On detection of multiple object instances using hough transforms // Pattern Analysis and Machine Intelligence, IEEE Trans. 2012. Р. 177-184.

16. Perrin Chad. The CIA Triad and Engineering Principles for Information Technology Security. Retrieved 31 May 2012.

17. Grundmann M., Kwatra V., Han M., Essa I. Efficient hierarchical graph based video segmentation // IEEE CVPR. 2010. Р. 85-91.

18. Barannik, V. and Barannik, Val. Binomial-Polyadic Binary Data Encoding by Quantity of Series of Ones // 15th IEEE International Conference on Modern Problems of Radio Engineering, Telecommunications and Computer Science (TCSET’2020). 2020. Р. 775-780. DOI: 10.1109/TCSET49122.2020.235540.

19. Barannik, V., Barannik, N. and Ryabukha, Yu. and Barannik, D. Indirect Steganographic Embedding Method Based On Modifications of The Basis of the Polyadic System // 15th IEEE International Conference on Modern Problems of Radio Engineering, Telecommunications and Computer Science (TCSET’2020). 2020. Р. 699-702. DOI: 10.1109/TCSET49122.2020.235522.

20. Barannik V., Krasnoruckiy A. and Hahanova A. The positional structural-weight coding of the binary view of transformants // East-West Design & Test Symposium (EWDTS 2013). Rostov-on-Don. 2013. Р. 1-4. doi: 10.1109/EWDTS.2013.6673178.

21. Barannik V., Shulgin S.S. The method of increasing accessibility of the dynamic video information resource // 2016 13th International Conference on Modern Problems of Radio Engineering, Telecommunications and Computer Science (TCSET). Lviv. 2016. Р. 621-623. doi: 10.1109/TCSET.2016.7452133.

22. Honda T., Murakami Y., Yanagihara Y., Kumaki T. and Fujino T. Hierarchical image-scrambling method with scramble-level controllability for privacy protection. In.: IEEE 56th International Midwest Symposium on Circuits and Systems (MWSCAS). 2013. Р. 1371-1374. DOI: 10.1109/MWSCAS.2013.6674911.

23. Barannik V., Ryabukha Y., Podlesny S. and Barannik D. The information integrity enhance in telecommunication systems with the binomial coding // 2017 4th International Scientific-Practical Conference Problems of Infocommunications. Science and Technology (PIC S&T). Kharkov. 2017. Р. 547-550. doi: 10.1109/INFOCOMMST.2017.8246459.

24. Barannik V., Podlesny S., Tarasenko D., Barannik D. and Kulitsa O. The video stream encoding method in infocommunication systems // 2018 14th International Conference on Advanced Trends in Radioelecrtronics, Telecommunications and Computer Engineering (TCSET). Slavske. 2018. Р. 538-541. doi: 10.1109/TCSET.2018.8336259.

25. Barannik V.V., Ryabukha Yu.N., Kulitsa О.S. The method for improving security of the remote video information resource on the basis of intellectual processing of video frames in the telecommunication systems // Telecommunications and Radio Engineering. 2017. Vol. 76, N9. Р. 785-797. doi: 10.1615/TelecomRadEng.v76.i9.40.

Баранник Владимир Викторович, д-р техн. наук, профессор, Харковский национальный университет Воздушных Сил им. И. Кожедуба. Научные интересы: семантическая обработка изображений. Адрес: Украина, 61023, Харьков, ул. Сумская, 77/79, тел. 38 063-5219089, e-mail: vvbar.off@gmail.com; orcid.org/0000-0002-2848-4524.

Бабенко Юрий Михайлович, аспирант, Киевский национальный университет им. Тараса Шевченко. Научные интересы: кибербезопасность. Адрес: Украина, 01033, Киев, ул. Владимирская, 60, тел. 38 063-5219089, e-mail: babenkomahalych@gmail.com, orcid.org/0000-0002-8115-3329

Ерошенко Валерий Петрович, канд. техн. наук, преподаватель, Харковский национальный университет Воздушных Сил им. И. Кожедуба. Адрес: Украина, 61023, Харьков, ул. Сумская, 77/79, e-mail: wpEroshenko59@gmail.com, https://orcid.org/0000-0003-3175-6444.

Шульгин Сергей Сергеевич, докторант Черкасского государственного технологического университета. Научные интересы: информационная безопасность, семантическая обработка видеоизображений. Адрес: Украина, Черкассы, бул. Шевченко, 460, e-mail: serge.shoolgin@gmail.com; orcid.org/0000-0001-5174-290X.

Баранник Валерий Владимирович, студент Харьковского национального университета радиоэлектроники. Адрес: Украина, 61166, Харьков, пр. Науки, 14, e-mail: valera462000@gmail.com

Barannik Vladimir Viktorovich, Dr. Sci., Professor, Kharkiv National University of the Air Force named after I. Kozhedub. Scientific interests: semantic image processing. Address: Ukraine, 61023, Kharkov, Sumskaya St., 77/79, tel. 38 063-5219089, e-mail: vvbar.off@gmail.com; orcid.org/0000-0002-2848-4524.

Babenko Yuriy Mikhailovich, postgraduate student, Kyiv National University Taras Shevchenko. Scientific interests: cybersecurity. Address: Ukraine, 01033, Kiev, Vladimirskaya St., 60, tel. 38 063-5219089, e-mail: babenkomahalych@gmail.com, orcid.org/0000-0002-8115-3329

Eroshenko Valerii Petrovich, PhD, Lecturer, Kharkiv National University of the Air Force named after I. Kozhedub. Address: Ukraine, 61023, Kharkov, Sumskaya St., 77/79, e-mail: wpEroshenko59@gmail.com, https://orcid.org/0000-0003-3175-6444.

Sergii S. Shulgin, doctoral student, Cherkasy State Technological University. Scientific interests: information security, semantic processing of video images. Address: Ukraine, Cherkassy, bul. Shevchenko, 460, e-mail: serge.shoolgin@gmail.com; orcid.org/0000-0001-5174-290X.

Barannik Valery Vladimirovich, student of the Kharkiv National University of Radioelectronics. Address: Ukraine, 61166, Kharkov, Nauki Ave., 14, e-mail: valera462000@gmail.com

УДК 519.237.8

Статистический анализ результатов внешнего независимого оценивания в г. Харькове за 2019 год / Н.В. Гибкина, М.В. Сидоров //Радиоэлектроника и информатика. 2020. № 2. С. 11 – 22.

Рассмотрена задача кластеризации учреждений среднего образования в г. Харькове на основе результатов внешнего независимого оценивания по отдельным предметам (украинский язык и литература, математика, физика, английский язык) в 2019 г. Для уменьшения размерности исходных данных использован метод компонентного анализа. Проведен анализ уровня подготовки по данным предметам в 239 учреждениях среднего образования на основе выделения групп сходных объектов.

Табл. 6. Ил. 8. Библиогр.: 12 назв.

УДК 519.237.8

Статистичний аналіз результатів зовнішнього незалежного оцінювання у м. Харкові за 2019 рік / Н.В. Гибкіна, М.В. Сидоров // Радіоелектроніка та інформатика. 2020. № 2. С. 11 – 22.

Розглянута задача кластеризації закладів середньої освіти у м. Харкові на основі результатів зовнішнього незалежного оцінювання з окремих предметів (українська мова та література, математика, фізика, англійська мова) у 2019 р. Для зменшення вимірності вихідних даних використано метод компонентного аналізу. Проведено аналіз рівня підготовки з даних предметів у 239 закладах середньої освіти на основі виділення груп схожих об'єктів.

Табл. 6. Іл. 8. Бібліогр.: 12 назв.

UDC 519.237.8

Statistical analysis of the External independent testing results in Kharkiv for 2019 / N.V. Gybkina, M.V. Sidorov // Radioelektronica i informatika. 2020. № 2. P. 11–22.

The article considers the problem of clustering secondary education institutions in Kharkov based on the results of external independent assessment in individual subjects (Ukrainian language and literature, mathematics, physics, English) in 2019. To reduce the dimension of the initial data, the method of component analysis is used. The analysis of the level of training in these subjects in 239 institutions of secondary education is carried out on the basis of identifying groups of similar objects.

Tab. 6. Fig. 8. Ref.: 12 items.

Література:

1. Айвазян С.А., Бежаева З.И., Староверов О.В. Классификация многомерных наблюдений. М.: Сттистика, 1974. 240 с.
2. Андерсон Т. Введение в многомерный статистический анализ. М.: ГИФМЛ, 1963. 500 с.
3. Гибкіна Н.В., Сидоров М.В., Стороженко О.В. Класифікація країн Європейського Союзу за основними соціально-економічними показниками методом головних компонент // Математичні моделі та новітні технології управління економічними та технічними системами: монографія. За заг. ред. В.О. Тімофєєва, І.В. Чумаченко. Харків: ФОП Мезіна В.В., 2017. С. 116-133.
4. Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные статистические методы. М.: Финансы и статистика, 2003. 352 с.
5. Ким Дж.О., Мюллер Ч.У., Клекка У.Р. Факторный, дискриминантный и кластерный анализ. М.: Финансы и статистика, 1989. 215 с.
6. Литвин В.В., Пасічник В.В., Нікольський Ю.В.Аналіз даних та знань. Львів, "Магнолія 2006", 2015. 276 с.
7. Мандель И.Д. Кластерный анализ. М.: Финансы и статистика, 1988. 176 с.
8. Прикладная статистика: Классификация и снижение размерности / С.А. Айвазян, В.М. Бухштабер, И.С. Енюков, Л.Д. Мешалкин / Под ред. С.А. Айвазяна. М.: Финансы и статистика, 1989. 607 с.
9. Результати ЗНО-2019. URL: https://zno.testportal.com.ua/ stat/2019.
10. Рейтинг закладів загальної середньої освіти міста Харкова за результатами ЗНО 2019 року | Офіційний сайт Департаменту освіти Харківської міської ради. URL: http://www.kharkivosvita.net.ua/document/7478.
11. Gybkina N., Sidorov M., Storozhenko O. Research of the economic development structure of the regions of Ukraine with the methods of multi-dimensional statistical analysis // Information systems and innovative technologies in project and program management: Collective monograph edited by I. Linde, I. Chumachenko, V. Timofeyev. Riga: ISMA, 2019. P. 280-293.
12. Gybkina N., Sidorov M., Storozhenko O. To classification of the countries of the European Union for some social indicators // Big Data processing: methods, models and information technologies: monograph. Edited by Oleg I. Pursky. Steyr, Austria: Shioda GmbH, 2019. P. 49-58.

Transliterated bibliography:

1. Ajvazjan S.A., Bezhaeva Z.I., Staroverov O.V. Klassifikacija mnogomernyh nabljudenij. M.: Statistika, 1974. 240 s.
2. Anderson T. Vvedenie v mnogomernyj statisticheskij analiz. M.: GIFML, 1963. 500 s.
3. Gybkina N.V., Sidorov M.V., Storozhenko O.V. Klasyfikaciya krayin Yevropejskogo Soyuzu za osnovnymy socialno-ekonomichnymy pokaznykamy metodom golovnyx komponent // Matematychni modeli ta novitni texnologiyi upravlinnya ekonomichnymy ta texnichnymy systemamy: monografiya. Za zag. red. V.O. Timofyeyeva, I.V. Chumachenko. Xarkiv: FOP Mezina V.V., 2017. S. 116-133.
4. Dubrov A.M., Mhitarjan V.S., Troshin L.I. Mnogomernye statisticheskie metody. M.: Finansy i statistika, 2003. 352 s.
5. Kim Dzh.O., Mjuller Ch.U., Klekka U.R. Faktornyj, diskriminantnyj i klasternyj analiz. M.: Finansy i statistika, 1989. 215 s.
6. Lytvyn V.V., Pasichnyk V.V., Nikolskyj Yu.V. Analiz danyx ta znan. Lviv, "Magnoliya 2006", 2015. 276 s.
7. Mandel I.D. Klasternyj analiz. M.: Finansy i statistika, 1988. 176 s.
8. Prikladnaja statistika: Klassifikacija i snizhenie razmernosti / S.A. Ajvazjan, V.M. Buhshtaber, I.S. Enjukov, L.D. Meshalkin; Pod red. S.A. Ajvazjana. M.: Finansy i statistika, 1989. 607 s.
9. Rezultaty ZNO-2019. URL: https://zno.testportal.com.ua/stat/ 2019.
10. Rejtyng zakladiv zagalnoyi serednoyi osvity mista Kha-rkova za rezultatamy ZNO 2019 roku | Oficijnyj sajt Departamentu osvity Kharkivskoyi miskoyi rady. URL: http://www.kharkivosvita.net.ua/document/7478.
11. Gybkina N., Sidorov M., Storozhenko O. Research of the economic development structure of the regions of Ukraine with the methods of multi-dimensional statistical analysis // Information systems and innovative technologies in project and program management: Collective monograph edited by I. Linde, I. Chumachenko, V. Timofeyev. Riga: ISMA, 2019. P. 280-293.
12. Gybkina N., Sidorov M., Storozhenko O. To classification of the countries of the European Union for some social indicators // Big Data processing: methods, models and information technologies: monograph. Edited by Oleg I. Pursky. Steyr, Austria: Shioda GmbH, 2019. P. 49-58.

Гибкіна Надія Валентинівна, канд. техн. наук, доцент каф. прикладної математики ХНУРЕ. Наукові інтереси: математичне моделювання, аналіз даних, оптимальне керування, актуарна і фінансова математика. Адреса: Україна, 61166, Харків, пр. Науки, 14, тел. (057) 7021436. E-mail: nadiia.gybkina@nure.ua.

Сидоров Максим Вікторович, д-р фіз.-мат. наук, доцент каф. прикладної математики ХНУРЕ. Наукові інтереси: математичне моделювання, чисельні методи, математична фізика, теорія R-функцій та її застосування, стохастичний аналіз та його застосування. Адреса: Україна, 61166, Харків, пр. Науки, 14, тел. (057) 7021436. E-mail: maxim.sidorov@nure.ua.

Gybkina Nadiia Valentynivna, Ph.D. in Technical Sciences, associate professor, associate professor of the Applied Mathematics Department, Kharkov National University of Radioelectronics. Scientific interests: mathematical modeling, data analysis, optimal control, actuarial and financial mathematics. Address: 14 Nauki avе, Kharkiv, Ukraine, 61166, tel. (057) 7021436. E-mail: nadiia.gybkina@nure.ua.

Sidorov Maxim Victorovich, Dr. in Physis and Maths, associate professor, associate professor of the Applied Mathematics Department, Kharkov National University of Radioelectronics. Scientific interests: mathematical modeling, numerical analysis, mathematical physics, R-function’s theory and its applications, stochastic analysis and its applications. Address: 14 Nauki avе, Kharkiv, Ukraine, 61166, tel. (057) 7021436. E-mail: maxim.sidorov@nure.ua.

UDC 621.382

ROUTING CAPABILITY INCREASE BY POWER MESH ADJUSTMENT

SUREN ABAZYAN

This paper presents novel approach to timing aware design routing, while taking Power/Ground supply IR drop under consideration. Presented approach uses global regular, local irregular grids. By the time of implementation of proposed method, sparse Power/Ground grid is used in first step and after meeting timing criteria, adds locally non-uniform dense power/ground grid in places where IR drop violations are explored. Sparse regular grid gives opportunity to overcome over congestion on general part of chip which brings advantage in QoR. Experimental results show that with proposed method 12% timing QoR improvements are explored, while degrading in IR drop by 8% which is still satisfying local overheating criteria.

Keywords: IR drop, Congestion, Routing tracks, Timing.

УДК 621.382

Повышение возможностей маршрутизации при настройке силовой сети / Сурен Абазян // Радиоэлектроника и информатика. 2020. № 2. С. 23-25.

Представлен новый подход к проектированию маршрутизации с учетом синхронизации, в котором учитывается падение напряжения питания / земли. Использованы глобальные регулярные, локальные нерегулярные сетки. К моменту реализации предложенного метода на первом этапе использована разреженная сетка питания / заземления, и после выполнения критериев синхронизации добавлена локально неоднородная плотная сеть питания / заземления в местах, где исследуются нарушения ИК-падения. Редкая регулярная сетка позволилапреодолеть перегрузку на общей части чипа, что дало преимущество в QoR. Экспериментальные результаты показали, что с помощью предложенного метода исследованы 12% -е улучшения QoR по времени при уменьшении падения IR на 8%, что по-прежнему удовлетворяет критериям локального перегрева.

Ключевые слова: IR drop, перегрузка, маршруты маршрутизации, синхронизация.

Табл. 1. Рис. 6. Библиогр.: 6 наим.

 

УДК 621.382

Підвищення можливостей маршрутизації при настроюванні силової мережі / Сурен Абазян //  Радіоелектроніка та інформатика. 2020. № 2. С. 23-25.

Представлено новий підхід до проектування маршрутизації з урахуванням синхронізації, в якому враховано падіння напруги живлення / заземлення. Використано глобальні регулярні, локальні нерегулярні сітки. До моменту реалізації запропонованого методу на першому етапі використано розріджена сітка живлення / заземлення, і після виконання критеріїв синхронізації додано локально неоднорідну щільну мережу живлення / заземлення в місцях, де досліджуються порушення ІК-падіння. Рідкісна регулярна сітка дозволила подолати перевантаження на загальній частині чіпа, що дало перевагу в QoR. Експериментальні результати показують, що за допомогою запропонованого методу досліджено 12% -ві поліпшення QoR за часом при зменшенні падіння IR на 8%, що як і раніше відповідає критеріям локального перегріву.

Ключові слова: IR drop, перевантаження, маршрути маршрутизації, синхронізація.

Табл. 1. Іл. 6. Бібліогр.: 6 назв.

УДК 681.326:519.613

Логічні схеми та архітектури кіберсоціального комп'ютингу / Г.В. Хаханова // Радіоелектроніка та інформатика. 2020. №2. С. 26-47.

Пропонується розвиток технології цифровізації відносин, пов'язане з розробкою кубітного логічного секвенсора для моделювання і розпізнавання social-явищ у великих потоках даних на основі інтерпретативних кубітних матричних моделей, методів і архітектур кіберсоціального комп'ютингу, спрямованого на автоматичний синтез і аналіз соціально логічних схем, орієнтованих на моніторинг і управління соціальними процесами і явищами. Удосконалюється архітектура memory-driven кіберфізичного комп'ютингу, яка відрізняється паралелізмом процедур синтезу і аналізу логічних схем, призначених для моделювання social-процесів і явищ в цілях моніторингу і управління. Модернізируються кубітно-матричні моделі логічних схем, які відрізняються унітарним кодуванням багатозначних змінних для синтезу секвенсорів з метою паралельного аналізу киберсоциальных процесів. Пропонуються кубітно-векторні, матричні методи синтезу і аналізу логічних схем, які харак-теризуются унітарним кодуванням значень багатозначних змінних для паралельного моделювання social-процесів і явищ. Розробляються кубітно-матричні моделі, структури даних, методи синтезу і аналізу логічних схем social-процесів, які дозволяють моделювати реакцію соціальної системи на прийняття конструктивних і деструктивних рішень людину, керівника, чиновника, завдяки кубіт-ному опису еталонів поведінки, що дає можливість актюаторно управляти громадянами та інфраструктурою.

Ключові слова – кіберсоціальний комп'ютинг, соціально-логічні схеми, кубітні структури даних, методи синтезу і аналізу логічних схем, розпізнавання соціальних явищ і процесів.

UDC 681.326:519.613

Logical schemes and architectures of cybersocial computing / Н.V. Khakhanova // Radioelectronics & Informatics. 2020. No. 2. P. 26-47.

The development of the technology of digitization of relations is proposed, related to the development of a qubit logic sequencer for modeling and recognition of social phenomena in large data streams based on interpretive qubit matrix models, methods and architectures of cybersocial computing, aimed at the automatic synthesis and analysis of social logic schemes, focused on monitoring and management of social processes and phenomena. The architecture of memory-driven cyber-physical computing is being improved, which is distinguished by the parallelism of procedures for the synthesis and analysis of logical schemes intended for modeling social processes and phenomena for the purposes of monitoring and management. Modernized qubit-matrix models of logic circuits, which differ in unitary coding of multivalued variables for the synthesis of sequencers for the purpose of parallel analysis of cybersocial processes. Qubit-vector, matrix methods of synthesis and analysis of logic circuits are proposed, which are characterized by unitary coding of values of multivalued variables for parallel modeling of social processes and phenomena. Qubit-matrix models, data structures, methods of synthesis and analysis of logical schemes of social processes are being developed, which allow modeling the reaction of the social system to the adoption of constructive and destructive decisions by a person, manager, official, thanks to the qubit description of standards of behavior, which makes it possible to actuatorically control citizens and infrastructure.

Keywords are cyber-social computing, social-logical schemes, cubic data structures, methods of synthesis and analysis of logical schemes, recognition of social phenomena and processes.

Література:

1. Abramovici M. Digital System Testing and Testable Design / M. Abramovici, MA Breuer and AD Friedman.- Comp. Sc. Press.- 1998.- 652 р.
2. Vladimir Hahanov. Cyber Physical Computing for IoT-driven Services. New York. Springer. 2018. 279p.
3. Hahanov V.I. Qubit technologies for analysis and diagnosis of digital devices / V.I. Hahanov, T. Bani Amer, S.V. Chumachenko, E.I. Litvinova // Electronic Modeling.- vol. 37, no. 3.- 2015.- P. 17-40.
4. Хаханов В.И. Кубитные структуры данных вычислительных устройств / В. И. Хаханов, В. Гариби, Е. И. Литвинова, А. С. Шкиль // Электронное моделирование. - 2015. - Т. 37, № 1. - С. 76-99.
5. 5. U. Reinsalu, J. Raik, R. Ubar and P. Ellervee, "Fast RTL Fault Simulation Using Decision Diagrams and Bitwise Set Operations," In 2011 IEEE International Symposium on Defect and Fault Tolerance in VLSI and Nanotechnology Systems, Vancouver, BC, pp. 164-170, 2011.
6. Rodrigo Fernandes de Mello, Moacir Antonelli Ponti. Machine Learning. Practical Approach on the Statistical Learning Theory. Springer, 2018. 362 p.
7. Forsyth David. Applied Machine Learning. Springer, 2019. 478 p.
8. Шумский С.А. Машинный интеллект. Очерки по теории машинного обучения и искусственного интеллекта. Москва: РИОР, 2019. 340 с.
9. Zhengbing Hu,Yevgeniy V. Bodyanskiy,Oleksii Tyshchenko. Self-learning and Adaptive Algorithms for Business Applications: A Guide to Adaptive Neuro-fuzzy Systems for Fuzzy Clustering Under Uncertainty Conditions (Emerald Points) Paperback – June 25, 2019. 120 p.
10. C. Zhu, VCM Leung, L. Shu and ECH Ngai, "Green Internet of Things for Smart World," in IEEE Access, vol. 3, pp. 2151-2162, 2015.
11. A. Zanella, N. Bui, A. Castellani, L. Vangelista and M. Zorzi, "Internet of Things for Smart Cities," in IEEE IoT Journal, vol. 1, no. 1, pp. 22-32, Feb. 2014.
12. Frahim J. Securing the Internet of Things: A Proposed Framework / J. Frahim // Cisco White Paper.- 2015.
13. Kharchenko V. Green IT Engineering: Concepts, Models, Complex Systems Architectures / V. Kharchenko, Y. Kondratenko, J. Kacprzyk (Eds.) // In the book series "Studies in Systems, Decision and Control" (SSDC) .- vol. 1.- Berlin, Heidelberg: Springer International Publishing.- 2017.
14. Kharchenko V. Green IT Engineering: Components, Networks and Systems Implementation / V. Kharchenko, Y. Kondratenko, J. Kacprzyk (Eds.) // In the book series "Studies in Systems, Decision and Control" (SSDC). - vol. 2.- Berlin, Heidelberg: Springer International Publishing.- 2017.
15. Memory-Driven Computing. [Online]. Available: https://www.labs.hpe.com/next-next/mdc
16. Benenti G., Casati G., Strini G. Principles of Quantum Computation and Information. Volume 1: Basic Concepts.-World Scientific.- 2004.- 256 p.
17. Imai Hiroshi, Hayashi Masahito. Quantum Computation and Information. From Theory to Experiment.- Springer.-2006.- 234 p.
18. Hahanov V. Cloud-driven Cyber Managing Resources / V. Hahanov, S. Chumachenko, E. Litvinova, O. Mishchenko, I. Yemelyanov, Bani Amer Tamer // Australian Journal of Scientific Reseach.– № 1(5).– 2014.– C. 202-215.
19. Hahanov I. QuaSim – Cloud Service for Digital Circuits Simulation / I. Hahanov, W. Gharibi, I. Iemelianov, T. Bani Amer // Proceedings of IEEE East-West Design & Test Symposium.– 2016.– Yerevan, Armenia.– P. 363- 370.
20. Tarraf Danielle C. Control of Cyber-Physical Systems. Workshop held at Johns Hopkins University, March 2013, Springer, 2013. 378p.
21. Mohammad A. Khan, Hillol Debnath, Cristian Borcea. Balanced Content Replication in Peer-to-Peer Online Social Networks. 2016 IEEE International Conferences on Big Data and Cloud Computing, Social Computing and Networking, 2016. Pages: 274 –283.
22. Maria R. Lee, Tsung Teng Chen. Understanding Social Computing Research. IT Professional. 2013. Volume: 15, Issue: 6 Pages: 56 – 62.
23. Jerry Higg, Varadraj Gurupur, Murat Tanik. A Transformative Software Development Framework: Reflecting the paradigm shift in social computing. 2011 Proceedings of IEEE Southeastcon. 2011 Pages: 339 – 344.
24. Cyber-Physical-Social Systems: The State of the Art and Perspectives. Jun Jason Zhang; Fei-Yue Wang; Xiao Wang; GangXiong; Fenghua Zhu; Yisheng Lv; Jiachen Hou; Shuangshuang Han; Yong Yuan; Qingchun Lu; Yishi Lee. IEEE Transactions on Computational Social Systems. Year: 2018, Volume: 5, Issue: 3. P. 134-144. 
25. Christopher M. Bishop. Pattern Recognition and Machine Learning, 2006. Springer. 738 p.
26. Susan Stepney, Steen Rasmussen, Martyn Amos. Computational Matter. Springer. 2018. 336 p.
27. Zhuge Hai. Cyber-Physical-Social Intelligence. On Human-Machine-Nature Symbiosis. Springer. 2020. 336 p.
28. Elias G. Carayannis. David F. J. Campbell. Marios P. Efthymiopoulos. Handbook of Cyber-Development, Cyber-Democracy, and Cyber-Defense. 2018. 1089 p.
29. Vladimir Hahanov; Svetlana Chumachenko; Eugenia Litvinova; Anastasia Hahanova. Cyber-physical social monitoring and governance for the state structures. IEEE 9th International Conference on Dependable Systems, Services and Technologies. 2018. P.123-127.
30. Vladimir Hahanov; Svetlana Chumachenko; Eugenia Litvinova; Abdullayev Vugar Hacimahmud; Anastasia Hahanova;Tetiana Soklakova. Cyber Social Computing. 2018 IEEE East-West Design & Test Symposium (EWDTS). 2018.
31. https://globenewswire.com/news-release/2018/12/03/1661174/0/en/ Wave-Computing-Appoints-Industry-Veteran-Art-Swift-As-President-of-its-Recently-Acquired-MIPS-Licensing-Business.html
32. https://www.springer.com/generic/marked+items?SGWID=0-1741513-93-0-0

Хаханова Ганна Володимірівна, канд. техн. наук, доцент кафедри АПОТ ХНУРЕ. Наукові інтереси: комп’ютерна та кіберсоціальна інженерія. Адреса: Україна, 61166, Харків, пр. Науки, 14. e-mail: anna.hahanova@nure.ua

Khakhanova Anna Vladimirovna, Ph.D., Associate Professor, Design Automation Department, NURE. Address: Ukraine, 61166, Kharkov, Nauky Ave., 14, email: anna.hahanova@nure.ua

УДК 004.02+618.3

Розробка багатоагентних структур для вирішення проблем медичної системи діагностування / О.Я. Кузьомін, О.О. Василенко, І.О.Свистунов // Радіоелектроніка та інформатика. 2020. №2. С. 48-55.

Розглядається проблема моделювання у галузі медичної діагностики, показуються основні особливості існуючих рішень при використанні багатоагентного моделювання при розробці медичних інтелектуальних систем. Розробляється система підтримки прийняття рішень при діагностуванні та лікуванні. Описується система, яку можна використовувати в діагностичних установах, лікарнях, університетах як для лікувальних заходів, так і для навчання відповідних фахівців. Ця система дозволяє зменшити кількість досліджень, проведених для діагностики, а також підвищити її точність. Ключова перевага полягає в тому, що діагнози, поставлені лікарями, будуть більш точними та швидшими. Все це зменшує навантаження на лікувальні дії лікаря, збільшуючи швидкість діагностики та підвищуючи якість вибору сценаріїв лікування.

Ключові слова: медична інтелектуальна система (МІС), агент, багатоагентна модель, онтологія.

Рис. 4. Библиогр.: 9 наим.

УДК 004.02 + 618.3

Разработка многоагентных структур для решения проблем медицинской системы диагностики / А.Я. Куземин, А.А. Василенко, И.А. Свистунов // Радиоэлектроника и информатика. 2020. №2. С. 48-55.

Рассмотрена проблема моделирования в области медицинской диагностики, показаны основные особенности существующих решений при использовании многоагентного моделирования о разработке медицинских интеллектуальных систем. Для врача разработана система поддержки принятия решений при диагностировании и лечении. Такую модель системы можно использовать в диагностических учреждениях, больницах, университетах как для лечебных мероприятий, так и для обучения соответствующих специалистов. Эта система позволяет уменьшить количество исследований, проведенных для диагностики, а также повысить ее точность. Ключевое преимущество заключается в том, что диагнозы, поставленные врачам, будут более точными и быстрыми. Это уменьшает нагрузку на лечебные действия врача, увеличивая скорость диагностики и повышают качество выбора сценариев лечения.

Ключевые слова: медицинская интеллектуальная система (МИС), агент, многоагентная модель, онтология.

Іл. 4. Бібліогр.: 9 назв.

UDC 004.02 + 618.3

Development of multi-agent structures for solving problems of the medical diagnostic system / A.Ya. Kuzemin, A.A. Vasilenko, I.A. Svistunov // Radioelectronics and Informatics. 2020. N 2. Р. 48-55.

The paper considers the problem of modeling in the field of medical diagnostics, shows the main features of existing solutions using multi-agent modeling for the development of medical intelligent systems. A decision support system for diagnosis and treatment has been developed for the doctor. This model of the system can be used in diagnostic institutions, hospitals, universities for both treatment and training of relevant specialists. This system allows you to reduce the number of studies performed for diagnosis, as well as increase its accuracy. The key advantage is that diagnoses made by doctors will be more accurate and faster. All this reduces the load on the doctor's treatment, increasing the speed of diagnosis and improve the quality of choice of treatment scenarios.

Key words: medical intelligent system (MIS), agent, multi-agent model, ontology.

Fig. 4. Ref.: 9 items.

Література:

1. Core Software Ontology. Core Ontology of Software Components. Core Ontology of Services [OntoWare Group: http://cos.ontoware.org/].

2. Соловьев В.Д., Добров Б.В., Иванов В.В., Лукашевич Н.В. Онтологии и тезаурусы. Казань, Москва, 2006. 173 c.

3.Gruninger Michael. An Ontology Framework / Michael Gruninger, Leo Obrst // Ontology Summit – NIST. Gaithersburg, MD April 22 – 23, 2007.

4. Агеева Т.И., Балдин А.В., Барышников В.А. и др. Информационная управляющая система МГТУ им. Н.Э. Баумана «Электронный университет»: концепция и реализация / Под ред. И.Б. Фёдорова, В.М. Черненького. М.: МГТУ им. Н.Э. Баумана, 2009. 376 с.

5.  Информационные технологии в инженерном образовании / Под ред. С.В. Коршунова, В.Н. Гузненкова. М.: МГТУ им. Н.Э. Баумана, 2007. 432 с.

6. Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы. М.: Финансы и статистика, 2004. 424 с.

7. Искусственный интеллект. Модели и методы: Справочник. Книга 2 / Под ред. Д. А. Поспелова. М.: Радио и связь, 1990. 304 с.

8. Братко И.Программирование на языке Пролог для искусственного интеллекта: Пер. с англ. М.: Мир, 1990. 560 с.

9. Адаменко А.Н., Кучуков А.М.Логическое программирование и Visual Prolog. СПб.: БХВ-Петербург, 2003. 992 с.

Transliterated bibliography:

1. Core Software Ontology. Core Ontology of Software Components. Core Ontology of Services [OntoWare Group: http://cos.ontoware.org/].
2. Solov'ev V.D., Dobrov B.V., Ivanov V.V., Lukashevich N.V. Ontologii i tezaurusy. Kazan', Moskva, 2006. 173 c.
3. Gruninger Michael. An Ontology Framework / Michael Gruninger, Leo Obrst // Ontology Summit – NIST. Gaithersburg, MD April 22 – 23, 2007.
4. Ageeva T.I., Baldin A.V., Baryshnikov V.A. i dr. Informacionnaja upravljajushhaja sistema MGTU im. N.Je. Baumana «Jelektronnyj universitet»: koncepcija i realizacija / Pod red. I.B. Fjodorova, V.M. Cher-nen'kogo. M.: MGTU im. N.Je. Baumana, 2009. 376 s.
5. Informacionnye tehnologii v inzhenernom obrazovanii / Pod red. S.V. Korshunova, V.N. Guznenkova. M.: MGTU im. N.Je. Baumana, 2007. 432 s.
6. Andrejchikov A.V., Andrejchikova O.N. Intellektual'nye informacionnye sistemy. M.: Finansy i statistika, 2004. 424 s.
7. Iskusstvennyj intellekt. Modeli i metody: Spravochnik. Kniga 2 / Pod red. D. A. Pospelova. M.: Radio i svjaz', 1990. 304 s.
8. Bratko I. Programmirovanie na jazyke Prolog dlja iskusstvennogo intellekta: Per. s angl. M.: Mir, 1990. 560 s.
9. Adamenko A.N., Kuchukov A.M. Logicheskoe program-mirovanie i Visual Prolog. SPb.: BHV-Peterburg, 2003. 992 s.

Кузьомін Олександр Якович, д-р техн. наук, професор кафедри Інформатики ХНУРЕ. Адреса: Україна, 61166, Харків, пр. Науки, 14, e-mail: oleksandr.kuzomin@nure.ua.

Василенко Олексій Олександрович, керівник напрямку архітектури департаменту Аналітики та Big Data корпорації Toyota (Сідней, Австралія), закінчив аспірантуру ХНУРЕ за напрямком «Інформаційні технології» у 2015 році. Адреса: Україна, 61166, Харків, пр. Науки, 14.

Свистунов Ілля Олексійович, студент 4 курсу ХНУРЕ, група ІТІНФ-16-1. Адреса: Україна, 61166, Харків, пр. Науки, 14.

Kuzоmin Оlexander Yakovlevich, Professor, Dr. (Habil) of the Department of Informatics, Kharkiv National University of Radioelectronics. Address: Ukraine, 61166, Kharkiv, Nauky Ave, 14, e-mail: oleksandr.kuzomin@nure.ua.

Vasylenko Oleksii, Manager of Architecture for the Big Data and Analytics department, Toyota corp., Sydney, Australia. PhD of the ‘Information Technology’ stream NURE. Finished an internship at the GoGet Carshare Australia (Sydney, Australia) 2012-2013 at the Data Architecture stream. Address: Ukraine, 61166, Kharkiv, Nauky Ave, 14.

Svistunov Ilya Alekseevich, student of the 4th course, Kharkiv National University of Radioelectronics., group ITINF-16-1. Address: Ukraine, 61166, Kharkiv, Nauky Ave, 14.

УДК 004.02+618.3

Розробка структур медичних агентів для вирішення проблем медичної системи діагностування / О.Я. Кузьомін, О.О. Василенко, А.В. Горшколєпов // Радіоелектроніка та інформатика. 2020. №2. С. 56-65.

Пропонуються основні ідеї для побудови багатоагентної моделі інтелектуального моделювання для діагностування. Зазначаються особливості дій у певній системі медичного середовища. Визначається функція медичного агента, яка пропонує дії, що можуть бути використані медичним агентом у відповідь на будь-яку послідовність актів сприйняття медичних даних і знань. Розробляються показники продуктивності медичної системи, які оцінюють поведінку медичного агента в середовищі. Розглядається проблема розробки специфікації проблемного медичного агента. Обираються напрямки розробки проблемного медичного середовища. Розглядаються вимоги щодо створення рефлексних медичних агентів, які відповідають безпосередньо на акти сприйняття. Приділяється особлива увага використанню навчальних медичних агентів.

Ключові слова: агент, медичний агент, багатоагентна модель, інтелектуальна медична діагностична система, штучний інтелект.

Іл. 5. Бібліогр.: 4 назв.

УДК 004.02 + 618.3

Разработка структур медицинских агентов для решения проблем медицинской системы диагностирования / А.Я. Куземин, А.А. Василенко, А. В. Горшколепов // Радиоэлектроника и информатика. 2020. №2. С. 56-65.

Предлагаются основные идеи для построения многоагентной модели интеллектуального моделирования для диагностики. Указанные особенности действий в определенной системе медицинского среды. Определенная функция медицинского агента, которая определяет действия, которые могут быть использованы медицинским агентом в ответ на любую последовательность актов восприятия им медицинских данных и знаний. Разработанные показатели производительности медицинской системы, оценивают поведение медицинского агента в среде. Рассмотрена проблема разработки спецификации проблемного медицинского агенту. Избранные направления разработки проблемного медицинской среды. Показано направление разработки программы медицинского агента. Рассмотреть требования по созданию рефлексных медицинских агентов, которые отвечают непосредственно на акты восприятия. Также рассмотрены требования к проектированию агентов, действующих на основе цели. Определены особое внимание к использованию учебных медицинских агентов.

Ключевые слова: агент, медицинский агент, многоагентная модель, интеллектуальная медицинская диагностическая система, искусственный интеллект.

Рис. 5. Библиогр.: 4 наим.

UDC 004.02 + 618.3

Developing medical agents structures for solving problems of a medical diagnostic system / A.Ya. Kuzemin, A.A. Vasilenko, A.V. Gorshkolepov // Radioelectronics and Informatics. 2020. N 2. P. 56-65.

The main ideas for building a multi-agent model of intelligent modeling for diagnosis are offered. The peculiarities of actions in a certain system of medical environment are indicated. The function of a medical agent is defined, which determines the actions that can be used by a medical agent in response to any sequence of acts of perception of medical data and knowledge. Performance indicators of the medical system that assess the behavior of the medical agent in the environment. The problem of development of the specification of the problem medical agent is considered. Selected areas of development of the problematic medical environment. The direction of development of the program of the medical agent is shown. Consider the requirements for the creation of reflex medical agents that respond directly to acts of perception. The requirements for the design of target-based agents are also considered. Special attention is paid to the use of educational medical agents.

Keywords: agent, medical agent, multi-agent model, intelligent medical diagnostic system, artificial intelligence

Fig. 5. Ref.: 4 items.

Література:

1. Russell, Stuart J. (Stuart Jonathan), Norvig, Peter, author. Artificial intelligence: a modern approach / Stuart J. Russell and Peter Norvig. Description: Fourth edition. | Hoboken : Pearson, [2020] | Series: Pearson series in artificial intelligence | Includes bibliographical references and index. | Summary: “Updated edition of popular textbook on Artificial Intelligence.” Provided by publisher. Identifiers: LCCN 2019047498 | ISBN 9780134610993 (hardcover) Subjects: LCSH: Artificial intelligence. Classification: LCC Q335.R86 2021 | DDC 006.3–dc23 LC record available at https://lccn.loc.gov/2019047498.

2. Core Software Ontology. Core Ontology of Software Components. Core Ontology of Services [Электронныйресурс OntoWare Group. Режим доступа: http://cos.ontoware.org/].

3. Gruninger Michael. An Ontology Framework / Michael Gruninger, Leo Obrst // Ontology Summit – NIST, (Gaithersburg, MD April 22 – 23, 2007). Gaithersburg, 2007.

4. Turing A. A. Computing machinery and intelligence. Mind, 59, p. 433-460.

Transliterated bibliograpy:

1. Russell, Stuart J. (Stuart Jonathan), Norvig, Peter, author. Artificial intelligence: a modern approach / Stuart J. Russell and Peter Norvig. Description: Fourth edition. | Hoboken: Pearson, [2020] | Series: Pearson series in artificial intelligence | Includes bibliographical references and index. | Summary: “Updated edition of popular textbook on Artificial Intelligence.” Provided by publisher. Identifiers: LCCN 2019047498 | ISBN 9780134610993 (hardcover) Subjects: LCSH: Artificial intelligence. Classification: LCC Q335.R86 2021 | DDC 006.3–dc23 LC record available at https://lccn.loc.gov/2019047498.
2. Core Software Ontology. Core Ontology of Software Components. Core Ontology of Services [Jelektronnyj resurs OntoWare Group. Rezhim dostupa: http://cos.ontoware.org/].
3. Gruninger Michael. An Ontology Framework / Michael Gruninger, Leo Obrst // Ontology Summit – NIST, (Gaithersburg, MD April 22 – 23, 2007). Gaithersburg, 2007.
4. Turing A.A. Computing machinery and intelligence. Mind, 59, p. 433-460.

Кузьомін Олександр Якович, д-р техн. наук, професор кафедри Інформатики ХНУРЕ. Адреса: Україна, 61166, Харків, пр. Науки, 14, e-mail: oleksandr.kuzomin@nure.ua.

Василенко Олексій Олександрович, керівник напрямку архітектури департаменту Аналітики та Big Data корпорації Toyota (Сідней, Австралія), закінчив аспірантуру ХНУРЕ за напрямком «Інформаційні технології» у 2015 році. Адреса: Україна, 61166, Харків, пр. Науки, 14.

Горшколєпов Антон Викторович, студент 4 курсу групи ІТІНФ-16-1, ХНУРЕ. Адреса: Україна, 61166, Харків, пр. Науки, 14.

Kuzomin Alexander Yakovlevich, Professor, DrSc., Prof., Department of Informatics NURE. Address: Ukraine, 61166, Kharkiv, 14 Nauki Ave., e-mail: oleksandr.kuzomin@nure.ua.

Vasylenko Oleksii Oleksandrovich, Manager of Archi- tecture for the Big Data and Analytics department, Toyota corp., Sydney, Australia. PhD of the ‘Information Technology’ NURE. Finished an internship at the GoGet Carshare Australia (Sydney, Australia) 2012-2013 at the Data Architecture stream. Address: Ukraine. 61166. Kharkiv, Nauki Ave, 14.

Gorshkolepov Anton Viktorovich, 4th year student, group ITINF-16-1, NURE. Address: Ukraine, 61166, Kharkiv, Nauki Ave., 14.

УДК 004.8

Моделирование временных аспектов семантических продукций / М. А. Копоть, С.А. Марьин // Радиоэлектроника и информатика. 2020. №2. С. 73-76.

Рассматриваются задержки получения результатов обычного продукционного правила, кратко рассмотрены теоретические вопросы формирования временных продукций, исследованы возможности описания форматов и их разновидности. Проведено предварительное исследование функционирования многоуровневой базы знаний, построенной на временных продукционных правилах.

Ключевые слова: семантические продукции, временные задержки срабатывания продукций, общий вид временной семантической продукции, требование непрерывности задержки семантической продукции.

Библиогр.: 6 наим.

УДК 004.8

Моделювання часових аспектів семантичних продукцій / М. А. Копоть, С.А. Мар’їн // Радіоелектроніка та інформатика. 2020. №2. С. 73-76.

Проаналізовано причини затримок при отриманні результатів звичайного продукційного правила. Розглянуто теоретичні питання формування часових продукцій, досліджено можливості опису їх форматів, а також їх різновиди. Проведено попереднє дослідження функціонування багаторівневої бази знань, яка побудована на основі часових продукційних правил.

Ключові слова: семантичні продукції, часові затримки спрацьовування продукцій, загальний вид часової семантичної продукції, вимога безперервності затримки семантичної продукції.

Бібліогр.: 6 назв.

UDC 004.8

Modeling of temporal aspects of semantic productions / M. A. Kopot, S. A. Maryin // Radioelectronics & Informatics. 2020. N 2. H. 73-76.

The article analyzes the reasons for the delays in obtaining the results of the usual production rule. The theoretical issues of the formation of temporary products are considered, the possibilities of describing their formats, as well as their varieties, are investigated. A preliminary study of the functioning of a multilevel knowledge base built on the basis of temporary production rules is carried out.

Key word: semantic products, time delays of products triggering, general view of semantic rules, requirement of continuity of delay of semantic products, situational relations.

Ref.: 6 items.

Литература:

1. Терзиян В. Я. Многоуровневые динамические модели управления базами знаний и их применение в автоматизированных информационных системах. Автореферат дис. ... д-ра техн. наук : 05.25.05 "Информационные системы и процессы" / Терзиян В.Я. Харьков: ХНУРЭ, 1993. 40 с.

2. Davis R., King J. An overview of production systems // Computer Science Department Stanford University, Report STAN-CS75–524. 1975. P. 38.

3. Иванов А.С. Математические модели и алгоритмы функционирования продукционных баз знаний: автореф. дис. … канд. физ.-мат. наук (05.13.18 – математическое моделирование, численные методы и комплексы программ) / А.С. Иванов. Саратов, 2007. 28 с.

4. Логунова Е. А. Обзор методов формирования баз знаний [Текст] // Технические науки: теория и практика: материалы Междунар. науч. конф. (г. Чита, апрель 2012). Чита: Молодой ученый, 2012. С. 62-64. URL https://moluch.ru/conf/tech/archive/7/2191

5. Mayoh B. Constraint Programming and Artificial Intelligence // Constraint Programming. NATO ASI Series F: Computer and Systems Sciences. 1993. V. 131. P. 17–50.

6. Гурьев A. Динамическая семантическая сеть, основанная на действиях, Москва, 2019. URL: http://www.real-ai.ru/action-based-dynamic-semantic-network.

Transliterated bibliography:

1. Terzian V. Ya. Multilevel dynamic models of knowledge base management and their application in automated information systems: dis. ... Dr. tech. Sciences: 05.25.05 "Information systems and processes" / Terziyan V.Y.; Kharkiv. Institute of Radio Electronics, 1993. 400 p.
2. Davis R., King J. An overview of production systems // Computer Science Department Stanford University, Report STAN-CS75-524. 1975. p. 38.
3. Ivanov A.S. Mathematical models and algorithms for the functioning of production knowledge bases: author. dis. ... Cand. Phys.-Mat. sciences (05.13.18 - mathematical modeling, numerical methods and program complexes) / А.S. Ivanov. S., 2007. 117 p
4. Logunova Ye. A. Review of the methods of forming knowledge bases [Text] // Technical Sciences: Theory and Practice: Materials of the Intern. scientific conf. (Chita, April 2012). Chita: Young Scientist Publishing House, 2012. Р. 62-64. URL: https://moluch.ru/conf/tech/archive/7/2191/
5. Mayoh B. Constraint Programming and Artificial Intelligence // Constraint Programming. NATO ASI Series F: Computer and Systems Sciences. 1993. Vol. 131. P. 17-50.
6. Action-based dynamic semantic network, Alexander Guryev, Moscow, 2019, http://www.real-ai.ru/action-based-dynamic-semantic-network.

Копоть Михаил Андреевич, ассистент кафедры ФОЭТ ХНУРЭ. Научные интересы: моделирование поведения заряженных частиц, электродинамика. Адрес: Украина, 61166, Харьков, пр. Науки, 14, E-mail: mykhaylo.kopot@nure.ua

Марьин Сергей Александрович, канд. техн. наук, доцент кафедры ПИ ХНУРЭ. Научные интересы: искусственный интеллект, моделирование поведения заряженных частиц, электродинамика. Адрес: Украина, 61166, Харьков, пр. Науки, 14, E-mail: serhiy.maryin@nure.ua

Kopot Mikhail Andreevich, assistent of Department of Physical Fundamentals of Electronic Technology, Kharkov National University of Radio Electronics. Research interests: modeling the behavior of charged particles, electrodynamics. Address: Ukraine, 61166, Kharkov, аve. Nauki 14, E-mail: mykhaylo.kopot@nure.ua

Maryin Sergey Alexandrovich, Ph.D., associate professor, associate professor of Software engineering department, Kharkov National University of Radio Electronics. Research interests: artificial intelligence, modeling the behavior of charged particles, electrodynamics. Address: Ukraine, 61166, Kharkov, Nauki аve 14, E-mail: serhiy.maryin@nure.ua

УДК 621.327:681.5

ТЕХНОЛОГІЯ КОДУВАННЯ  ПОСЛІДОВНОСТІ ФРЕЙМ-СПЛАЙНОВИХ ТЕНЗОРІВ ДЛЯ ПІДВИЩЕННЯ  ЕФЕКТИВНОСТІ ОБРОБКИ  ДИНАМІЧНОГО ВІДЕОРЕСУРСУ

БАРАННІК В.В., ПАРХОМЕНКО М.В., ХАХАНОВА А.В., БАРАННІК Н.В.

Обґрунтовано, що загальним технологічним принципом в процесі кодування послідовності передбачених кадрів та їх окремих блоків в спектрально-диференційованому просторі для ІТОПДВ сімейства Н26* є застосування локальної позиційно-диференційованої технології обробки кадрів в КТ-структурі в залежності від їх типу у потоці та ваги щодо досягнення компромісу між рівнем інформаційної інтенсивності бітового потоку динамічного відеоресурсу та їх цілісністю. Стверджено необхідність представлення послідовності передбачених кадрів у вигляді сукупностей фрейм-сплайнових тензорів, які складаються з динамічної послідовності сукупностей параметрів структурних сплайнів спектрально-диференційованих блоків. Виявлені проблемні недоліки для існуючих технологій обробки сукупності позиційних координат, які описують довжину незначимих компонент ТД-блоків.

Ключові слова: динамічний відеоресурс; послідовність передбачених кадрів; структурний сплайн; ефективне кодування; пікове відношення сигнал/шум.

Keywords: dynamic videoresource; sequence of the foreseen shots; structural spline;  effective code; peak signal-to-noise rati.