https://ir.lib.vntu.edu.ua//handle/123456789/451 Sat, 06 Jun 2026 01:50:10 GMT 2026-06-06T01:50:10Z https://ir.lib.vntu.edu.ua//handle/123456789/51649 Особливості синхронізації даних у телемедичних системах з розподіленою обробкою даних Яковишен, П. О.; Тужанський, С. Є.; Yakovyshen, P.; Tuzhanskyi, S. This work examines the problems of data synchronization in telemedicine systems based on distributed data processing. Particular attention is paid to the temporal and logical consistency of data received from independent medical information sources and processed at different computational levels. The factors that lead to synchronization disruption are analyzed, including sensor asynchrony, instability of network characteristics, and inconsistencies in the states of distributed nodes. A classification of the main desynchronization factors is presented, and their impact on the correctness of telemedical data processing in real-time systems is summarized.; У роботі розглядаються проблеми синхронізації даних у телемедичних системах, побудованих на основі розподіленої обробки даних. Особливу увагу приділено часовій та логічній узгодженості даних, що надходять із незалежних джерел медичної інформації та обробляються на різних обчислювальних рівнях. Проаналізовано чинники, які призводять до порушення синхронізації, зокрема асинхронність сенсорів, нестабільність мережевих характеристик та неузгодженість станів розподілених вузлів. Наведено класифікацію основних чинників десинхронізації та узагальнено їхній вплив на коректність обробки телемедичних даних у системах реального часу. Thu, 01 Jan 2026 00:00:00 GMT https://ir.lib.vntu.edu.ua//handle/123456789/51649 2026-01-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/51280 Система постановки діагнозу захворювань ендокринної системи Конохов, О. Ю.; Костішин, С. В.; Konokhov, О.; Kostishin, S. The paper presents an automated system for diagnosing endocrine system diseases, specifically hypothyroidism, nonsystemic goiter, and hyperaldosteronism. The operating principle of the software tool, based on the technology of stepby-step refinement of anamnesis data using a decision tree structure, is described. The main functional capabilities of the program are reviewed: disease selection, navigation between questioning stages, the ability to change answers, and exporting the refined diagnosis.; У роботі представлено автоматизовану систему для постановки діагнозу захворювань ендокринної системи, таких як гіпотиреоз, безсистемний зоб та гіперальдостеронізм. Описано принцип роботи програмного засобу, який базується на технології покрокового уточнення анамнестичних даних у вигляді дерева варіантів. Розглянуто основні функціональні можливості програми: вибір захворювання, навігація між етапами опитування, можливість зміни відповідей та експорт уточненого діагнозу. Thu, 01 Jan 2026 00:00:00 GMT https://ir.lib.vntu.edu.ua//handle/123456789/51280 2026-01-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/50887 Моделювання та оцінка глибинної нейронної мережі ResNET-50 для класифікації твердих побутових відходів Моторний, А. П.; Костішин, С. В.; Кабачій, В. В.; Motornyi, A.; Kostyshyn, S.; Kabachii, V. twork RESNET-50 for classifica-tion of household solid waste The article presents the results of a study of the effectiveness of the deep convolutional neural network ResNet-50, adapted for the task of automated classification of municipal solid waste. The aim of the work is to assess the accuracy of the model, identify typical classification errors and justify the possibilities of its integration into industrial sorting lines. The study used an extended dataset, which includes images of five main categories of waste: plastic, glass, metal, paper and organic materials. Pre-processing of the data involved the use of complex augmentation, which ensured the model's resistance to noise, changes in lighting, deformations and contamination of objects. To assess the effectiveness, the metrics of accuracy, completeness, F1-measure and error matrix were used, which allowed to establish structural patterns of false predictions. The results obtained demonstrate high classification quality for most classes, in particular, accuracy over 0.95, as well as stable agreement of training and validation curves without signs of overtraining. Analysis of the error matrix revealed a number of typical errors associated with the similarity of textural and spectral properties of individual classes, which is especially characteristic of plastic and organic waste, as well as paper and cardboard. Approaches to their elimination are proposed, in particular, the use of spectral data (NIR / MIR), the expansion of augmentations and fusion models of features. The practical significance of the study lies in the possibility of integrating the constructed model into robotic waste sorting systems, which ensures increased processing efficiency, reduced human factor and optimization of the operation of modern waste sorting complexes. The presented results can be used to create new generation industrial classifiers and develop intelligent waste management systems.; У статті представлено результати дослідження ефективності глибокої згорткової нейронної мережі ResNet-50, адаптованої для автоматизованої класифікації твердих побутових відходів. Метою роботи є оці-нювання точності моделі, визначення типових помилок класифікації та обґрунтування можливостей її інтегра-ції в промислові лінії сортування. У дослідженні використано розширений набір даних, що містить зображення п`яти основних категорій відходів: пластик, скло, метал, папір та органічні матеріали. Попередня обробка даних передбачала застосування комплексної аугментації, що забезпечило стійкість моделі до шумів, зміни освітлення, деформацій та забруднення об`єктів. Для оцінювання ефективності використано метрики точ-ності, повноти, F1-міри та матрицю помилок, що дало змогу встановити структурні закономірності хибних передбачень. Отримані результати демонструють високу якість класифікації для більшості класів, зокрема точність понад 0,95, а також стійке узгодження тренувальних і валідаційних кривих без ознак перенавчання. Аналіз матриці помилок виявив низку типових похибок, пов`язаних зі схожістю текстурних та спектральних властивостей окремих класів, що особливо характерно для пластика та органічних відходів, а також папе-ру й картону. Запропоновано підходи до їх усунення, зокрема використання спектральних даних (NIR / MIR), розширення аугментацій та ф`южн-моделей ознак. Практичне значення дослідження полягає в можливості інтеграції побудованої моделі в роботизовані системи сортування відходів, що забезпечує підвищення ефек-тивності переробки, зменшення людського фактору та оптимізацію роботи сучасних сміттєсортувальних комплексів. Представлені результати можуть бути використані для створення промислових класифікаторів нового покоління та розвитку інтелектуальних систем управління відходами. Thu, 01 Jan 2026 00:00:00 GMT https://ir.lib.vntu.edu.ua//handle/123456789/50887 2026-01-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/50585 Zoom vario-optical systems of optoelectronic sensors with immobile components Chyzh, І.; Tymchyk, G.; Gubiychuk, R.; Karas, О.; Чиж, І. Г.; Тимчик, Г. С.; Губійчук, Р. О.; Карась, О. В. The main focus of this paper is on the application of adaptive optics elements in variooptical systems of optoelectronic sensors. The aim is to provide vario-systems with variable values of their external paraxial parameters and characteristics under the condition of immobility of the system components. The basics of preliminary design of optical autofocusing systems, zoom-afocal systems and zoom-relay systems have been developed, which allow to synthesize such systems taking into account the requirements to their external characteristics and parameters. The results of studies of two-component vario-systems of these types with the use of liquid vario-lenses functioning on the effect of electro-wetting or on the use of elastomeric membrane, the shape of which is regulated by external mechanical pressure, are presented. These are the products of Corning® Varioptic®,. Optotune®. Studies of auto-focusing systems, Galileo- and Kepler-type zoom-afocal systems, and zoom-relay optical systems have shown the influence on their external paraxial parameters and on the size of their field of view of the working ranges of the optical power of vario-lenses and the diameters of their apertures. It is shown that it is possible to create zoom-optical systems of all the above-mentioned types using only two liquid vario-lenses. The influence of functional parameters of these liquid vario-lenses on the dimensions of optical systems is also shown. The materials of the article are addressed to specialists who create zoom-optical systems of optoelectronic sensors.; Основна увага в цій статті приділяється застосуванню елементів адаптивної оптики у варіооптичних системах оптоелектронних сенсорів. Метою є забезпечення варіосистем змінними значеннями їх зовнішніх параксіальних параметрів та характеристик за умови нерухомості компонентів системи. Розроблено основи попереднього проектування оптичних систем автофокусування, зум-афокальних та зум-релейних систем, які дозволяють синтезувати такі системи з урахуванням вимог до їх зовнішніх характеристик та параметрів. Представлено результати досліджень двокомпонентних варіосистем цих типів з використанням рідинних варіолінз, що функціонують на ефекті електрозмочування або на використанні еластомерної мембрани, форма якої регулюється зовнішнім механічним тиском. Це продукти Corning® Varioptic®. Optotune®. Дослідження систем автофокусування, зум-афокальних систем типу Galileo та Kepler, а також оптичних систем з зум-релейним керуванням показали вплив робочих діапазонів оптичної сили варіолінз та діаметрів їх апертур на їх зовнішні параксіальні параметри та розмір їхнього поля зору. Показано, що можливо створювати зум-оптичні системи всіх вищезгаданих типів, використовуючи лише дві рідкі варіолінзи. Також показано вплив функціональних параметрів цих рідких варіолінз на розміри оптичних систем. Матеріали статті адресовані фахівцям, які створюють зум-оптичні системи оптоелектронних датчиків. Wed, 01 Jan 2025 00:00:00 GMT https://ir.lib.vntu.edu.ua//handle/123456789/50585 2025-01-01T00:00:00Z