Перегляд за Автор "Molchanova, M.O."

Зараз показуємо 1 - 7 з 7
  • Ескіз
    Документ
    Algorithmic scaling of textile prints for serial multicolor printing with palette reproduction using neural networks
    (2025) Kazmirchuk, Y.M.; Mykytiuk, M.O.; Molchanova, M.O.; Mazurets, O.V.; Мазурець, Олександр Вікторович
    This paper proposes an algorithmic method for scaling textile prints for serial multicolor production that preserves contour geometry and palette reproducibility across different product formats. The approach integrates neural network upscaling trained to maintain boundary accuracy without inventing false textural details, joint geometric transformation of all color layers in a single deformation field, and controlled palette rescaling based on measured print parameters. This coordinated process ensures invariant contours, stable optical density, and consistent color perception during repeated runs, reducing manual correction, prepress iterations, ink usage, and batch defects. Experimental verification demonstrates stable geometry and color accuracy under realistic application conditions, supporting industrial reproducibility and resource efficiency within circular economy frameworks. Future work will focus on expanding training corpora, refining protocols for serial quality assessment, and integrating feedback from online spectrophotometric monitoring.
  • Ескіз
    Документ
    Approach for Comparative Analysis of Effectiveness of using MobileNetV3 and ViT Neural Network Models for Graphical Localization of Destroyed Buildings Remains Areas
    (2025) Didur, V.O.; Molchanova, M.O.; Tyschenko, O.O.; Mazurets, O.V.; Мазурець, Олександр Вікторович
    This study presents a comparative analysis of MobileNetV3 and Vision Transformer (ViT) neural networks for graphical localization of destroyed building remains. A custom software solution was developed to process images from robotic systems, train both models on a labeled dataset, and evaluate their performance in realistic conditions. Results showed that both architectures achieved high accuracy, with ViT offering strong classification precision and MobileNetV3 excelling in efficiency for edge deployment. The findings highlight each model's potential for disaster response applications involving automated debris analysis.
  • Ескіз
    Документ
    Effectiveness research of using ViT neural network architecture for classifying the destroyed buildings remains
    (2025) Hladun, O.V.; Molchanova, M.O.; Zalutska, O.O.; Mazurets, O.V.; Мазурець, Олександр Вікторович
    This study explores the effectiveness of the Vision Transformer (ViT) neural network for classifying remains of destroyed buildings in post-disaster environments. A software system was developed to preprocess images, train ViT and MobileNetV3 models, and integrate them into a user-friendly application. The models, trained on real-world construction debris images from robotic systems, showed high classification accuracy. Results confirm the ViT model’s potential for reliable, automated damage assessment, supporting faster and safer disaster response.
  • Ескіз
    Документ
    Object-Oriented Intelligent System for Neural Network Detection of Sugar Crystallization Zones
    (2024) Mazurets, O. V.; Klimenko, V. I.; Molchanova, M.O.; Sultanov, A.V.; Мазурець, Олександр Вікторович
    A method for detecting sugar crystallization zones in production has been developed to optimize processes and automate problem detection. It uses a trained neural network and image analysis to classify and explain crystallization zones. The system's object-oriented architecture includes four subsystems and a database, with detailed functions and roles described. The design comprises nine classes, outlining the functional purpose and software components for neural network-based image multi-classification. Key implementation features of the intelligent system are also highlighted.
  • Ескіз
    Документ
    Practical Implementation of Neural Network Method for Stress Features Detection by Social Internet Networks Posts
    (2024) Mazurets, O.V.; Sobko, O.V.; Molchanova, M.O.; Zalutska, O.O.; Yurchak, A.V.; Мазурець, Олександр Вікторович
    The article considers a neural network method for stress features detection by social internet network posts, designed for automated analysis of text messages posted on social networks in order to identify signs of stress in posts. Based on the designed functional and design architectures of the information system for detecting stress in posts, the software implementation was carried out to study the effectiveness of the developed neural network method for stress features detection by social internet network posts. The practical implementation of the neural network method has determined that the developed method allows detecting stress features in social Internet network posts with an accuracy of 90%.
  • Ескіз
    Документ
    Дослідження впливу параметрів навчання когнітрону на якість розпізнавання вихідних образів
    (Хмельницький національний університет, 2014) Молчанова, М.О.; Протасов, М.В.; Molchanova, M.O.; Protasov, M.V.
    У статті запропоновано уточнену цілісну математичну модель нейронної мережі типу когнітрон. Досліджено вплив параметрів навчання на роботу нейронної мережі. Встановлено, що дані параметри повинні підлаштовуватися під конкретні задачі, та можуть змінюватись в залежності від розміру зображення та його форми. Також відмічено можливість нейронної мережі типу когнітрон до відновлення пошкоджених образів. Дана робота може бути використана для подальшої реалізації та аналізу параметрів математичної моделі неокогнітрону, який у порівнянні з когнітроном є стійким не лише до шумів та пошкоджень, але й до поворотів та масштабування.
  • Ескіз
    Документ
    Критерії та оцінки ефективності застосування когнітрону і двошарового персептрону з нелінійними функціями активації для розв’язання задачі розпізнавання 2d об’єктів з великою кількістю бінарних ознак
    (Хмельницький національний університет, 2014) Молчанова, М.О.; Molchanova, M.O.
    Досліджується розпізнавання 2D об’єктів з великою кількістю бінарних ознак. Ставиться задача сформулювати критерії ефективності та застосувати їх для визначення оптимального класифікатора у вирішенні задачі розпізнавання 2D об’єктів з великою кількістю бінарних ознак. Для цього виконується порівняльний аналіз двох альтернативних нейронних мереж – двошарового персептрону та когнітрону. На основі виконаного порівняльного аналізу формулюються наступні критерії: час навчання нейронної мережі; відсоток коректного розпізнавання "чистих" образів; відсоток коректного розпізнавання “зашумлених" образів; відсоток коректного розпізнавання зображень з поворотом. Застосувавши цей набір критеріїв, персептрон виявився оптимальним класифікатором за трьома критеріями, окрім критерію “час навчання нейронної мережі” за умов його навчання на репрезентативній вибірці генеральної сукупності.