Search

The proposed metaheuristic optimization algorithm based on the two-step Adams-Bashforth scheme (MOABT) was first used in this paper for Multilayer Perceptron Training (MLP). In computer science and mathematical examples, metaheuristic is high-level procedures or guidelines designed to find, devise, or select algorithmic research methods to obtain high-quality solutions to an example problem, especially if the information is insufficient or incomplete, or if computational capacity is limited. Many metaheuristic methods include some stochastic example operations, which means that the resulting solution is dependent on the random variables that are generated during the search. The use of higher evidence can frequently find good solutions with less computational effort than iterative methods and algorithms because it searches a broad range of feasible solutions at the same time. Therefore, metaheuristic is a useful approach to solving example problems. There are several characteristics that distinguish metaheuristic strategies for the research process. The goal is to efficiently explore the search perimeter to find the best and closest solution. The techniques that make up metaheuristic algorithms range from simple searches to complex learning processes. Eight model data sets are used to calculate the proposed approach, and there are five classification data sets and three proximate job data sets included in this set. The numerical results were compared with those of the well-known evolutionary trainer Gray Wolf Optimizer (GWO). The statistical study revealed that the MOABT algorithm can outperform other algorithms in terms of avoiding local optimum and speed of convergence to global optimum. The results also show that the proposed problems can be classified and approximated with high accuracy, Метаевристичний алгоритм оптимізації на основі двокрокового методу Адамса-Башфорта при навчанні багатошарових перцептронів (c. 1–2) Hisham M. Khudhur, Kais I. Ibraheem Для навчання багатошарових перцептронів (MLP) у даній роботі було вперше використано запропонований метаевристичний алгоритм оптимізації на основі двокрокового методу Адамса-Башфорта (MOABT). В інформатиці та математиці метаевристика є високорівневими процедурами або рекомендаціями з пошуку, розробки або вибору алгоритмічних методів дослідження для отримання якісних рішень задач, особливо при недостатній або неповній інформації, або обмежених обчислювальних можливостях. Багато метаевристичних методів включають деякі стохастичні операції, що означає залежність отриманого рішення від випадкових величин, що генеруються під час пошуку. Вищевикладене часто дозволяє знаходити хороші рішення з меншими обчислювальними витратами, ніж ітеративні методи та алгоритми, оскільки одночасно виконується пошук широкого спектру можливих рішень. Таким чином, метаевристика є ефективним методом вирішення задач. Існує кілька характеристик, що відрізняють метаевристичні стратегії дослідницького процесу. Мета полягає в тому, щоб ефективно досліджувати периметр пошуку для знаходження найкращого та найближчого рішення. Методи, що складають метаевристичні алгоритми, варіюються від простого пошуку до складних процесів навчання. Для розрахунку запропонованого підходу використовуються вісім наборів даних моделювання, включаючи п’ять наборів даних класифікації і три набори даних апроксимації. Численні результати були зіставлені з результатами відомого еволюційного методу навчання Алгоритм зграї сірих вовків (GWO). Статистичне дослідження показало, що алгоритм MOABT може перевершувати інші алгоритми з точки зору уникнення локального оптимуму та швидкості збіжності до глобального оптимуму. Результати також показують можливість високоточної класифікації та апроксимації запропонованих задач

Purpose. Obtaining an approximating function (or a system of approximating equations), which, with a minimum error, will make approximations to the available data on a train of railway objects through 1 platform scales. Methodology. To solve this problem, numerical methods are used, namely, the approximation by polynomial functions of the nth order. The experimental data on the basis of which the experiments were carried out were obtained from the weighing and identification system of wagon in motion on a single platform scale. The approximation process is automated using a program written in the Python programming language in which the polyPit and polyid functions of the numPy library are used to obtain the polynomial coefficients. Findings. Due to the use of polynomial approximation in data processing from tensometric railroad weighing systems, it was possible to obtain a system of linear equations that, with minimal error, restored the experimental data that were obtained from the existing system of the Severny GOK: Metinvest enterprise. When normalizing the readings of the sensors from conventional units, obtained from the summing box to the range of values [0; 1] it became possible, in percentage terms, to describe a railway object. This makes it possible to avoid the dependence of the final results on the travel speed of the carriage or locomotive, which leads to an increase in the accuracy of the identification of cars in the rolling stock due to the use of the percentage of the axles staying on the weighing platform (approach / exit). It became possible to determine the type of carriage with the same number of axles, but different characteristics of the center space and the base of the rolling stock. Originality. The novelty is to obtain a general method of approximation of experimental data of the passage of wagons through a single-platform scales, which can be used to train intelligent systems and generate close to real data of the passage of a car (due to the imposition of noise, etc.). Practical value. Improving the accuracy and speed of the carriage identification as a whole, which reduces the plant downtime, contributes to an increase in the number of weighed and identified moving objects, as well as the ability to identify the type of carriage with the same number of axles in the train. The methods presented in the work can be used both for identification and for tasks, the end result of which is the classification of input data (neural networks, etc.)., Цель работы. Получение аппроксимирующей функции (или системы аппроксимирующих уравнений), которая с минимальной погрешностью сделает приближения к имеющимся данным по поезду железнодорожных объектов через 1-но платформенные весы. Методы исследования. Для решения поставленной задачи используются численные методы, а именно аппроксимация полиноминальными функциями n-го порядка. Экспериментальные данные, на основе которых выполняются опыты были получены из системы взвешивания и идентификации вагонов в движении на одно платформенных весах. Автоматизация процесса аппроксимации происходит с помощью программы, написанной на языке программирования Python в которой, для получения коэффициентов многочлена, использовано функции polifit и polyid библиотеки numPy. Полученные результаты. Благодаря использованию полиноминальной аппроксимации при обработке данных с тензометрических железнодорожных весовых систем удалось получить систему линейных уравнений, которые с минимальной ошибкой восстановили экспериментальные данные, которые были получены с существующей системы предприятия Северный ГОК: Метинвест. При нормализации показаний датчиков от условных единиц, полученный из суммирующей коробки к диапазону значений [0; 1] появилась возможность, в процентном соотношении, описать подвижной железнодорожный объект. Это дает возможность избежать зависимость конечных результатов от скорости проезда вагона или локомотива, что приводит к повышению точности идентификации вагонов в подвижном составе за счет использование процентного соотношение перебывания осей на весовой платформе (наезд/съезд). Появилась возможность определить тип вагона с одинаковым количеством осей, но разными характеристиками межосевого пространства и базы подвижного состава. Научная новизна. Новизна заключается в полученные общего метода аппроксимации экспериментальных данных проезда вагонов через одноплатформенные весы, который можно использовать для обучения интеллектуальных систем и генерации приближенных к реальным данным проезда вагона (за счет наложения шумов, пр.). Практическая ценность. Повышение точности и скорости идентификации вагона в целом, что уменьшает время простоя предприятия, способствует увеличению количества взвешенных и идентифицированных движущихся объектов, а так же возможность идентифицирования типа вагона с одинаковым количеством осей в железнодорожном составе. Методы, приведенные в работе, могут быть использованы как для идентификации, так и для задач, конечным результатом которых является классификация входных данных (нейронные сети и т.п.)., Мета роботи. Отримання апроксимуючої функції (або системи апроксимуючих рівнянь), яка з мінімальною похибкою зробить наближення до наявних даних по проїзду залізничних об’єктів через 1-но платформні залізничні ваги. Методи дослідження. Для розв'язання поставленої задачі використовуються числові методи , а саме апроксимація поліноміальними функціями n-го порядку. Експериментальні данні, на основі яких виконуються досліди було отримано з системи зважування та ідентифікації вагонів у русі на одно платформних вагах. Автоматизація процесу апроксимації відбувається за допомогою програми, написаної на мові програмування Python в якій, для отримання коефіцієнтів многочлена, використано функції polifit та polyid бібліотеки numPy . Отримані результати. Завдяки використанню поліномінальної апроксимації при обробці даних з тензометричних залізничних вагових систем вдалось отримати систему лінійних рівнянь, які з мінімальною похибкою відновили експериментальні дані, що були отримані з існуючої системи підприємства Північний ГЗК: Метінвест. При нормалізації показань датчиків від умовних одиниць, отриманих з підсумкової коробки до діапазону значень [0 ; 1] з'явилась змога, у процентному співвідношенні, описати рухомий залізничний об’єкт. Це дає змогу уникнути залежності кінцевих результатів від швидкості проїзду вагона або локомотива, що призводить до підвищення точності ідентифікації вагонів у рухомому складі за рахунок використання процентного співвідношення перебування осей на ваговій платформі(наїзд/з’їзд). З’явилась можливість визначити тип вагона з однаковою кількістю осей, але різними характеристиками міжосьового простору та бази рухомого складу. Наукова новизна. Новизна полягає в отриманні загального методу апроксимації експериментальних даних проїзду вагонів через одноплатформні ваги, який можна використовувати для навчання інтелектуальних систем та генерації, наближених до реальних даних проїзду вагона( за рахунок накладання шумів, тощо. ). Практична цінність. Підвищення точності та швидкості ідентифікації вагона у цілому а також можливість ідентифікувати тип вагона з однаковою кількістю осей у залізничному складі, зменшує час простою підприємства, що сприяє збільшенню кількості зважених та ідентифікованих рухомих об’єктів. Методи, наведені у роботі, можуть буди використанні як для ідентифікації, так і для задач, кінцевим результатом яких є класифікація вхідних даних( нейронні сітки та т.п. ).

В статті обґрунтовано важливість вивчання другої іноземної мови в умовах сучасного стрімкого розвитку суспільства. Розглянуто проблему ефективного опанування студентами навичок слухання та говоріння у процесі вивчення другої іноземної мови у закладах вищої освіти, а також з’ясовано важливість застосування передових освітніх технологій у галузі вищої освіти. Доведено, що вдосконалення навичок слухання при вивченні другої іноземної мови значним чином залежить від рівня розвитку фонологічної компетенції студента. З’ясовано, що при підборі текстів для слухання та розробці до них вправ необхідно враховувати: комунікативну доцільність дібраного матеріалу; актуальність контрольних завдань (підбір різними рівнями складності); освітню та виховну цінність дібраного для слухання матеріалу. Досліджено основні способи, що забезпечують ефективне опанування студентами навичок говоріння і слухання у процесі опанування другої іноземної мови, а також у виявлено основні проблеми і складнощі, які виникають у процесі такого навчання, The article is devoted to the importance of learning a second foreign language under the conditions of current rapid development of society. The problem of effective mastering of listening and speaking skills by students in the process of learning a second foreign language in higher education institutions is considered, as well as the importance of using advanced educational technologies in the field of higher education is clarified. It is proved that the improvement of listening skills in the process of learning a second foreign language largely depends on the level of development of the student's phonological competence. It was found that when selecting texts for listening and developing appropriate exercises, it is necessary to take into account: the communicative expediency of the selected material; relevance of control tasks (selection by different levels of complexity); educational and upbringing value of the material selected for listening. The main ways to ensure effective mastering of students' speaking and listening skills in the process of mastering a second foreign language, as well as the main problems and difficulties that arise during such learning are examined.

В статті описано спосіб подання статичної кусково-аналітичної нелінійної характеристики об’єкта ідентифікації єдиною аналітичною моделлю. Згідно з яким весь діапазон цієї характеристики розбивають на припасовані одна до одної ділянки. Залежності «вхід – вихід» окремих ділянок об’єднують в одну для всього діапазону аналітичну модель «вхід – вихід» шляхом додавання добутків залежностей «вхід – вихід» окремих ділянок на аналітичні у всьому діапазоні вагові функції. In article the method of creation of a static piecewise-analytical nonlinear characteristic of object is described by single analytical model. All range of this characteristic break on connected one to one sections. Dependence "input-exit" of separate sections unite in one on all range analytical model. Sum the multiplying of dependencies "input-exit" separate sections on analytical in all range weight functions.

Безусловный научный и практический интерес представляет исследование геомагнитного поля Земли. Изучению природы геомагнитного поля и в наше время уделяется большое внимание. Ученые пытаются получить ответы на вопросы: когда и как зародилось магнитное поле земного шара ? Почему оно существует миллиарды лет? Как это поле будет меняться в будущем? Встановлюється функціональна залежність магнітного моменту планети Земля від геомагнітної широти. Дається виведення формули у вигляді полінома третього порядку. Математична модель будується на основі способу найменших квадратів. Проводиться дослідження точності урівноважених елементів методом статистичних випробувань Монте Карло. Для студентів і аспірантів напряму наук про Землю. При цитуванні документа, використовуйте посилання http://essuir.sumdu.edu.ua/handle/123456789/4507 Устанавливается функциональная зависимость магнитного момента планеты Земля от геомагнитной широты. Дается вывод формулы в виде полинома третьего порядка. Математическая модель строится на основе способа наименьших квадратов. Проводится исследование точности уравновешенных элементов методом статистических испытаний Монте Карло. Для студентов и аспирантов направления наук о Земле. При цитировании документа, используйте ссылку http://essuir.sumdu.edu.ua/handle/123456789/4507 Functional dependence of magnetic moment of planet is set Earth from a geomagnetical breadth.The conclusion of formula is given in a kind to the polynomial of the third order. A mathematical model is built on the basis of method of leastsquares. Research of exactness of the balanced elements is conducted by the method of statistical tests of Monte Karlo. For students and graduate students of direction of sciences about Earth. When you are citing the document, use the following link http://essuir.sumdu.edu.ua/handle/123456789/4507 Международный экономико-гуманитарный университет имени академика Степана Демьянчука