Наукові статті
Постійне посилання зібранняhttps://repository.lntu.edu.ua/handle/123456789/189
Переглянути
6 результатів
Результати пошуку
Item type:Наукова стаття, ОПТИМАЛЬНА ПОБУДОВА МАТЕМАТИЧНИХ ТАБЛИЦЬ І ВИЗНАЧНИКІВ МАТРИЦЬ У СИСТЕМІ LATEX(Луцьк: ЛНТУ, 2025-02-12) Губаль, Галина МиколаївнаУ статті здійснено оптимальну побудову математичних таблиць і визначників матриць у системі LaTeX. Створено нові команди (макроси), які будують математичні таблиці, в яких значення першого рядка автоматично заповнюються і здійснюється умовний друк значень другого рядка; записують введені матриці в пам’ять та виводять записані матриці; генерують визначники матриць шляхом виключення заданого рядка і заданого стовпця.Item type:Наукова стаття, Вдосконалення створення таблиць і деяких обчислень на мові програмування LATEX для математичних досліджень(Луцьк: ЛНТУ, 2024-07-01) Губаль, Галина МиколаївнаУ статті розглядається система LaTeX. Виконано автоматизацію створення даних у математичних дослідженнях за допомогою створених нових макросів у системі LaTeX на мові програмування LaTeX. Створено нові макроси, які генерують матриці випадкових чисел, розмірності яких можна ввести на етапі виконання макросів, які обчислюють і друкують суми введеної кількості доданків, піднесених до заданого степеня, які друкують рядки введених таблиць при заданій умові, які обчислюють і друкують суму елементів рядків і стовпців введених таблиць.Item type:Наукова стаття, ПОБУДОВА ВИБІРКОВОГО РІВНЯННЯ ПРЯМОЇ РЕГРЕСІЇ В СИСТЕМІ LATEX(Луцьк: ЛНТУ, 2024-12-20) Губаль, Галина МиколаївнаУ статті створено кореляційну таблицю у системі LaTeX. Автоматизовано обчислення вибіркових числових характеристик і побудову вибіркового рівняння прямої регресії. Для цього створено нові команди (макроси), які заокруглюють десяткові дроби до двох знаків після точки (коми), обчислюють вибірковий коефіцієнт кореляції, генерують вибіркове рівняння прямої регресії. Створені нові команди спрощують обчислення, написання і читання кодів, покращують структурованість LaTeX документів та підвищують продуктивність.Item type:Наукова стаття, Архітектура обчислювальних систем на базі нейроморфних процесорів нового покоління(2026) Губаль, Галина Миколаївна; Дудник, Олександр Олександрович; Іваненко, Руслан ОлександровичАктуальність дослідження зумовлена стрімким зростанням обсягів даних та ускладненням завдань інтелектуальної обробки інформації, що потребує створення обчислювальних систем із підвищеною енергоефективністю, паралельністю та адаптивністю. Традиційні архітектури процесорів, орієнтовані на послідовне виконання інструкцій, дедалі частіше виявляють обмеження під час розв’язання завдань ШІ, машинного навчання та оброблення сенсорних потоків. У зв’язку з цим значний інтерес становлять нейроморфні процесори нового покоління, архітектура яких наслідує принципи функціонування біологічних нейронних мереж і забезпечує ефективну реалізацію масово-паралельних обчислень. Метою статтіє аналіз архітектурних особливостей обчислювальних систем, побудованих на основі нейроморфних процесорів нового покоління, та обґрунтування підходів до підвищення їх функціональної ефективності під час розв’язання завдань інтелектуальної обробки даних. У процесі дослідження застосовано методи системного аналізу та узагальнення наукових джерел для визначення сучасних підходівдо побудови нейроморфних обчислювальних систем, методи порівняльного аналізу архітектурних рішень різних поколінь нейроморфних процесорів, а також методи структурного моделювання для оцінювання принципів організації обчислювальних модулів, механізмів паралелізації та обміну даними. У результаті дослідження проаналізовано основні архітектурні принципи побудови нейроморфних обчислювальних систем, визначено особливості організації обчислювальних ядер, нейронно-синаптичних структур та механізмів передачі сигналів у таких процесорах. З’ясовано, що використання подієво-орієнтованої моделі обчислень, локалізації пам’яті й паралельної обробки інформації забезпечує істотне зниження енергоспоживання та підвищення продуктивності під час виконання завдань розпізнавання образів, аналізу потокових даних і адаптивного навчання. Доведено, що інтеграція нейроморфних процесорів у сучасні обчислювальні платформи потребує оптимізації архітектури обміну даними, програмних інтерфейсів та засобів масштабування. У висновках зазначено,що використання нейроморфних процесорів створює передумови для формування нових типів обчислювальних систем, орієнтованих на високий рівень паралелізму, адаптивності та енергоефективності. Виявлено основні науково-практичні проблеми їх упровадження, пов’язані зі складністю апаратної реалізації, обмеженою програмною підтримкою та необхідністю інтеграції з традиційними обчислювальними архітектурами.Item type:Наукова стаття, Теорія ігор у бізнесі: математичні моделі взаємодії(Луцьк: ЛНТУ, 2025) Губаль, Галина Миколаївна; Панасенко, Олексій Борисович; Пугачов, Володимир МиколайовичСтаття присвячена аналізу застосування математичних моделей теорії ігор у бізнесі для моделювання взаємодії економічних агентів, з акцентом на конкурентні стратегії, поведінку компаній та споживачів у динамічному ринковому середовищі. Отримані наукові результати демонструють, що теорія ігор ефективно моделює конкурентну поведінку компаній, зокрема через домінуючі стратегії та рівноваги Неша, дозволяючи прогнозувати наслідки цінових війн та зриву домовленостей, як у класичній дилемі ув’язненого. У моделюванні споживчої поведінки виділено феномен демонстративного споживання, де ігрові матриці витрат-вигод показують, як соціальні ефекти впливають на вибір, формуючи ігри з нульовою сумою та змішані стратегії для мінімізації втрат. У маркетингових рішеннях, на прикладі ринку систем кондиціювання, платіжні матриці з корекційними коефіцієнтами дозволяють визначати оптимальні комбінації стратегій, таких як розширення мережі чи рекламні кампанії, з урахуванням відсутності сідлових точок та переходу до ймовірнісних профілів. Модель Антуана- Огустіна Курно ілюструє динаміку дуополії, де кооперативні стратегії забезпечують вищі прибутки, але конкурентні стимули, підкреслюють необхідність координаційних ігор для стійкого розвитку. Практична цінність дослідження полягає в наданні інструментів для бізнес-менеджменту, зокрема для оптимізації стратегій у маркетингу, логістиці та ціноутворенні, що допомагає компаніям мінімізувати ризики в умовах конкуренції та підвищувати прибутковість. Застосування запропонованих моделей дозволяє прогнозувати реакції конкурентів та споживачів, сприяючи ефективному прийняттю рішень у реальних ринкових ситуаціях, таких як роздрібна торгівля чи ланцюги постачання.Item type:Наукова стаття, Нестаціонарні процеси на базі методів сингулярного розкладання і штучних нейронних мереж(Odessa: State Academy of Civil Engineering and Architecture, 2025) Губаль, Галина Миколаївна; Гуда, Оксана Вікторівна; Одновол, Дмитро ГеннадійовичСтаття присвячена дослідженню нестаціонарних процесів із використанням методів сингулярного розкладання та штучних нейронних мереж як інструментів для аналізу складних динамічних систем із мінливою структурою та високим рівнем стохастичності. У ній розглядаються підходи до моделювання таких процесів через адаптивні інтелектуальні системи, здатні до автоматичного виявлення закономірностей і прогнозування поведінки в умовах невизначеності. Розвиток інтелектуальних технологій, зокрема поєднання сингулярного розкладання та нейронних мереж, відкриває нові можливості для автоматизації аналізу та управління такими процесами. Метою дослідження є розробка гнучкої моделі для ідентифікації, класифікації та прогнозування станів нестаціонарних систем шляхом інтеграції методів сингулярного спектрального розкладання та штучних нейронних мереж із двоетапним стохастичним програмуванням. У роботі використано методи сингулярного розкладання для декомпозиції часових рядів на структурно значущі компоненти, такі як тренди, коливання та шум, а також багатошарові штучні нейронні мережі, зокрема модель персептрона з адаптивними коефіцієнтами зв’язків і зворотним зв’язком, для навчання на декомпонованих даних і прогнозування поведінки системи. Отримані результати демонструють, що запропонована модель забезпечує високу точність розпізнавання динамічних змін і прогнозування розвитку нестаціонарних процесів завдяки комбінації декомпозиції даних і машинного навчання, перевершуючи традиційні підходи в умовах високої невизначеності. Розроблена схема двоетапного управління, яка включає стратегічні та тактичні рішення, дозволяє ефективно адаптувати систему до мінливих умов, формуючи оптимальні реакції на основі реальних даних. Перспективи подальших досліджень пов’язані з удосконаленням алгоритмів навчання нейронних мереж для роботи з великими обсягами багатовимірних даних, інтеграцією глибокого навчання для аналізу складніших нестаціонарних процесів, а також розширенням моделі на нелінійні системи з урахуванням додаткових стохастичних факторів, що сприятиме підвищенню її універсальності та практичної застосовності в реальних умовах.