Штучний інтелект, 2017, № 3-4
http://dspace.nbuv.gov.ua:80/xmlui/handle/123456789/162306
2024-03-29T07:09:55ZПрименение технологии blockchain для повышения защищенности процесса проведения медицинского страхования
http://dspace.nbuv.gov.ua:80/xmlui/handle/123456789/162357
Применение технологии blockchain для повышения защищенности процесса проведения медицинского страхования
Чернега, К.С.; Комлевая, Н.О.
В данной статье рассматривается проблема реформирования медицинского страхования в Украине и путь ее решения с помощью технологии blockchain, которая позволяет сделать систему распределенной, децентрализованной и защищенной, что дает новые возможности для развития медицинского страхования, вызывает больше доверия у клиентов и защищает от мошенничества.; This article discusses the problem of reforming health insurance in Ukraine and the way to solve it with the help of blockchain technology, that makes the system be distributed, decentralized and protected, that gives new opportunities for the development of medical insurance, causes more confidence in clients and protects against fraud.
2017-01-01T00:00:00ZМоніторинг пацієнтів з використанням методів нечіткої логіки і машинного навчання
http://dspace.nbuv.gov.ua:80/xmlui/handle/123456789/162356
Моніторинг пацієнтів з використанням методів нечіткої логіки і машинного навчання
Хорозов, О.А.
Досліджуються методи штучного інтелекту для автоматичного виявлення погіршення стану пацієнта, використовуючи дані від спостережень пацієнтів у реальному часі. Метою є розробка системи для розрахунку рівня ризику здоров'ю пацієнта. Експертні оцінки, закладені у правила нечіткої логіки, порівнюються з поточними значеннями показників для оцінки ризику захворювання. Визначено клас «нормального» фізіологічного стану для формування моделі машинного навчання. Суттєве відхилення значення показників від норми ідентифікується як «аномальний» клас для подальшої діагностики причин погіршення стану пацієнта.; The methods of artificial intelligence for automatically detecting the deterioration of the patient's condition are studied, using data from patient observations in real time. The goal is to develop a system for calculating risk level of the patient's health. Expert assessments contained in the rules of fuzzy logic are compared with the current values of the indicators for assessing the risk of the disease. A class of "normal" physiological state for the formation of a model of machine learning is defined. The significant values deviation from the norm is identified as "abnormal" class for further diagnosis of deterioration causes of the patient's condition.
2017-01-01T00:00:00ZЗастосування методів компютерного зору для виявлення займання у приміщення
http://dspace.nbuv.gov.ua:80/xmlui/handle/123456789/162355
Застосування методів компютерного зору для виявлення займання у приміщення
Терещенко, В.М.; Терещенко, Я.В.; Бондарець, І.М.
Статтю присвячено розробці та застосуванню методів комп’ютерного зору для виявлення потенційних чинників пожежної небезпеки у приміщеннях та офісах і попередження пожежі. Запропоновано методику виявлення пожежі за допомогою послідовності кольорових зображень з камери відеоспостереження. Розроблено систему розпізнавання займання у приміщенні та алгоритм перевірки її на точність. Дана робота орієнтована на виявлення пожеж камерами із максимально різними характеристиками, в першу чергу, із поганими характеристиками задля зменшення вартості такої системи.; The article is devoted to the development and application of computer vision methods to identify potential fire risk factors in rooms and offices and fire prevention. We offer a method for detecting a fire using a sequence of color images from a surveillance camera. The system of fire detection in the room was developed and the algorithm of checking it for accuracy. This work is aimed at detecting fires using cameras with different characteristics and, first of all, with poor performance in order to reduce the cost of such a system.
2017-01-01T00:00:00ZArtificial intelligence methods in diagnostics of coal-biomass blends co-combustion in pulverised coal burners
http://dspace.nbuv.gov.ua:80/xmlui/handle/123456789/162354
Artificial intelligence methods in diagnostics of coal-biomass blends co-combustion in pulverised coal burners
Smolarz, A.; Lytvynenko, V.I.; Wójcik, W.; Gromaszek, K.
The paper presents technologies being developed in the Institute of Electronics and Information Technologies at Lublin University of Technology. They use optical sensors and artificial intelligence methods for process supervision and diagnostics. Research is aimed to develop a system allowing a parametric evaluation of the quality of pulverized coal burner operation. Due to the highly nonlinear nature of dependencies and lack of an analytical model, the artificial intelligence methods were used to estimate and classify the selected parameter, including a relatively new class of classification methods – artificial immunology algorithms. The article shows results for coal-shredded straw blends, yet the methodology may be applied for other types of blends.; У роботі представлені технології, розроблені в Інституті електроніки та інформаційних технологій Люблінського технологічного університету. Вони використовують оптичні датчики та методи штучного інтелекту для контролю та діагностики процесу. Дослідження спрямовано на розробку системи, що дозволяє провести параметричну оцінку якості роботи пиловугільного пальника. Через високу нелінійну природу залежностей та відсутність аналітичної моделі для оцінки та класифікації обраного параметра були використані методи штучного інтелекту, включаючи відносно новий клас методів класифікації - алгоритми штучної імунології. У статті наведені результати для солом'яно-вугільних сумішей, але методологія може застосовуватися і для інших типів сумішей.
2017-01-01T00:00:00Z