Інформаційні технології та комп'ютерна інженерія

РЕАЛІЗАЦІЯ БАГАТОПОТОЧНОСТІ НА АРХІТЕКТУРІ МУЛЬТИМЕДІЙНИХ ПРОЦЕСОРІВ NEXPERIA

2022-12-13T15:28:19+02:00

Розглянуто структуру мультипроцесорних систем на архітектурі сучасних мультимедійних процесорів Nexperia з 32-розрядним обчислювальним ядром. Досліджено сфери застосування мультимедійних процесорів, як процесорів загального призначення та їх функції обробки даних. Мультимедійні процесори використовують або функціональні архітектури з обмеженою гнучкістю, але вищою швидкістю та ефективністю, або програмовані архітектури з підвищеною гнучкістю. Проаналізовано архітектуру одного з процесорів Nexperia – TriMedia ТМ-1300 та наведено схему його основних компонент, принцип роботи центрального арбітражу шини процесора та способи нарощення його швидкодії. Виявлено, що удосконалені процесори загального призначення забезпечують підтримку мультимедіа шляхом включення нових мультимедійних інструкцій і їх паралельного виконання за допомогою підходу співпроцесора SIMD. Вони забезпечують підтримку мультимедіа, включаючи мультимедіа інструкції в набір інструкцій. Замість виконання певних мультимедійних функцій (наприклад стиснення та 3D графіки), мультимедійні процесори надають спеціально створені інструкції для підтримки загальних операцій у обробці відео. Ці інструкції включають підтримку 8-бітних типів даних (пікселів), ефективну адресацію даних і інструкції вводу/виводу. У статті розглянуто можливості програмної реалізації розпаралелення роботи процесорів за допомогою технологій паралельної обробки, яка досягається способом поділу одного виконання завдання на декілька незалежних менших завдань. Запропоновано програмну реалізацію роботи статичним та анонімним методом. Наведені коди програм та результати їх тестування. Доведено, що розбиття різних частин завдання між кількома обчислювальними ресурсами СPU дає змогу скоротити час виконання програми та вдосконалюють потенційну обчислювальну потужність роботи комп’ютерної системи.

РОЗРОБКА МОДИФІКОВАНОЇ МОДЕЛІ ШЛІКА ДЛЯ ВИЗНАЧЕННЯ СПЕКУЛЯРНОЇ СКЛАДОВОЇ КОЛЬОРУ

2022-12-12T19:32:22+02:00

Проаналізовано найпоширеніші дистрибутивні функцій відбивної здатності (ДФВЗ), до числа яких відноситься функція Шліка. Ця функція порівняно з ДФВЗ Блінна та Фонга має меншу степінь, що дає можливість її використання у засобах динамічної комп’ютерної графіки. Функція Шліка для обчислення використовує коефіцієнт спекулярності поверхні та косинус кута між вектором нормалі до поверхні і серединним вектором. Недоліком функції є нереалістичне відтворення відблиску у зоні затухання.

З метою реалістичного відтворення як епіцентру відблиску, так і його блюмінгу запропоновано нову модифікацію функції Шліка з використанням поправочних коефіцієнтів і степенів. Розроблено програму підбору степенів і коефіцієнтів. Наведено граф-схему програми з детальним описом. Засобами Mathcad 2001 Professional здійснено порівняльний аналіз ДФВЗ Шліка, Блінна та модифікованої функції. Доведено перевагу модифікованої функції порівняно з ДФВЗ Шліка у швидкості падіння в зоні затухання.

Встановлено менше значення відносної похибки апрокимації модифікованої ДФВЗ Шліка на рівні епіцентру відблиску. Побудовано графіки залежностей максимальних відносних й абсолютних похибок апроксимації модифікованої ДФВЗ Шліка порівняно з ДФВЗ Блінна залежно від коефіцієнта спекулярності поверхні. Знайдено аргумент, при якому модифікована ДФВЗ досягає мулевого рівня. Доведено монотонні спадання запропонованої ДФВЗ на проміжку аргументів [0, ]. Для запропонованої ДФВЗ, ДФВЗ Шліка та Блінна розраховано інтервали обчислення спекулярної складової кольору. Граничні значення інтервалів використано при знаходженні відношень розмірів плям відблисків для модифікованої ДФВЗ і ДФВЗ Блінна, Шліка та Блінна. Відношення розмірів плям для ДФВЗ проілюстровані тривимірними графіками. Встановлено, що зона блюмінгу для модифікованої ДФВЗ обчислюється на меншому проміжку, ніж для ДФВЗ Шліка. Модифікована ДФВЗ може бути використана в системах високопродуктианого рендерингу та забезпечує підвищену реалістичність формуванння відблисків порівнянно з ДФВЗ Шліка.

МОДЕЛІ ГЛИБОКОГО НАВЧАННЯ ДЛЯ ВИРІШЕННЯ ЗАДАЧІ КЛАСИФІКАЦІЇ ТЕКСТОВОЇ ІНФОРМАЦІЇ

2022-12-13T10:33:02+02:00

Аналіз тексту в цілому є новою галуззю вивчення. Такі галузі, як маркетинг, управління продуктами, наукові дослідження та управління, вже використовують процес аналізу та вилучення інформації з текстових даних. У попередньому дописі ми обговорили технологію класифікації тексту, одну з найважливіших частин аналізу тексту. Класифікація тексту або категоризація тексту - це діяльність по позначенню текстів природною мовою відповідними категоріями із заздалегідь визначеного набору. Якщо говорити непросто, класифікація тексту - це процес вилучення загальних тегів із неструктурованого тексту. Ці загальні теги походять із набору заздалегідь визначених категорій. Класифікація вмісту та продуктів за категоріями допомагає користувачам легко шукати веб-сайт чи програму та переходити до них. Класифікація тексту, також відома як категоризація тексту, є класичною проблемою в обробці природної мови (NLP), метою якої є призначення міток або тегів для текстових одиниць, таких як речення, запити, абзаци та документи. Вона має широкий спектр застосувань, включаючи відповіді на запитання, виявлення спаму, аналіз настроїв, категоризацію новин, класифікацію намірів користувача, модерування вмісту тощо. Текстові дані можуть надходити з різних джерел, включаючи веб-дані, електронні листи, чати, соціальні мережі, квитки, страхові виплати, відгуки користувачів, а також запитання та відповіді від служби підтримки клієнтів. Текст є надзвичайно багатим джерелом інформації. Але витягувати корисні дані з тексту зазвичай складно та займає багато часу через неструктурований характер природно-мовної інформації. Моделі, засновані на глибокому навчанні, перевершили класичні підходи на основі машинного навчання в різних завданнях класифікації текстів, включаючи аналіз настроїв, категоризацію новин, відповіді на запитання та умовивід природної мови. У цій статті проводиться огляд найбільш поширених моделей класифікації текстів на основі глибокого навчання, розроблених за останні роки, проаналізовано їхній технічний внесок, схожість та сильні сторони.

АНАЛІЗ ЗАГРОЗ БЕЗПЕКИ МІКРОКОНТРОЛЕРІВ

2022-12-13T12:41:28+02:00

В статті розглянуто і приведено матеріали окремих досліджень щодо основних проблем безпеки у мікроконтролерах, які функціонують в складі систем управління як загальних, так і спеціалізованих пристроїв. Зокрема в матеріалах досліджень проаналізовані основні тенденції розвитку загроз безпеки і наведено основні вектори атак. Проаналізовано закордонний та вітчизняний досвід прояву несанкціонованих впливів та кіберзагроз в основні найбільш критичні місця архітектури мікроконтролерів. Аналіз показав, що базовими точками прояву загроз безпеки втручань в роботу мікроконтролера є: регістри, стек, АЛП, пам’ять (EEPROM та Flash), порти введення-виведення, схеми та інтерфейси передачі даних в МК, схеми додаткового функціоналу підключення до зовнішніх периферійних пристроїв і канали підключення осцилятора тактової частоти. Крім того, проведено дослідження основних загроз пам'яті мікроконтролерної системи, а саме: втручання із прямим доступом до пам’яті, доступ до регістрів керування і доступ до буфера мікроконтролера, переповнення стеку буфера, віддалений запуск коду, зовнішній доступ та атаки по вторинним каналам (в т.ч. по зовнішнім лініям передачі даних у МК), зміна порядку адресації в МК, зміна/підміна значень адрес і нумерації стеку, втручання в роботу регістрів даних та індикації стану портів введення/виведення мікроконтролера. Також досліджено ряд механізмів захисту мікроконтролерів, які у комплексі дозволяють знизити ризики несанкціонованих впливів на мікроконтролерну систему. До них відносяться такі: циклічний контроль надмірності коду, моніторинг живлення і моніторинг ресурсів, використання ізольованості і контролю функціональності системи тактування, контроль цілісності та достовірності вмісту пам'яті, контроль зовнішніх фізичних і електричних параметрів МК, віртуалізація основного обчислювального процесу та його багаторівневе резервування копіюванням і відновленням попередніх станів, Використання криптографічних систем і алгоритмів обробки даних, використання багаторівневої програмно-апаратної ізоляції.

ПОКРАЩЕННЯ ІНФОРМАЦІЙНОЇ ТЕХНОЛОГІЇ УПРАВЛІННЯ КРИПТОВАЛЮТНИМИ АКТИВАМИ

2022-12-13T12:53:40+02:00

Робота присвячена удосконаленню дуже актуальної та важливої у наш час програмно-апаратної технології управління криптовалютними активами. Ця технологія, як і додатки, що її реалізують, одержала назву «криптовалютний гаманець». З метою визначення першочергових напрямків удосконалення даної технології було детально проаналізовано сучасні програмно-апаратні рішення існуючих додатків по управлінню криптовалютними активами. Аналіз та вибір методологічних а також технологічних рішень здійснювався, у першу чергу, із застосуванням критеріїв функціональності, зручності та безпеки. У результаті аналізу було показано, що найефективнішою, за вищевказаними критеріями, є технологія, що базується на створенні окремих, так званих «не кастодіальних» мобільних додатків із прив’язкою до відбитку пальця або FACE ID. За результатами здійсненого аналізу було також виявлено, що жодне із наведених технологічних рішень не передбачає реалізацію функції автоматизованого оцінювання рівня привабливості пропозицій із продажу криптовалюти, а також подальшого ранжування пропозицій за цим показником. Саме тому, з метою розширення функціоналу інформаційної технології управління криптовалютними активами було розроблено нову інформаційну технологію, що передбачає уведення функцій оцінювання рівня привабливості пропозицій із продажу криптовалюти, а також ранжування пропозицій провайдерів, залежно від результатів такого оцінювання. Крім того, наведено етапи процесу оцінювання привабливості наявних пропозицій. Запропонована технологія, у свою чергу, є складовою частиною технології криптовалютного гаманця та використовує апарат нечітких множин. Також, у роботі формалізована та змодельована задача оцінювання рівня привабливості пропозицій продажу криптовалют із використанням теорії нечіткої логіки та нечітких множин.

АНАЛІЗ ІНСТРУМЕНТІВ МЕТАПРОГРАМУВАННЯ В МОВАХ ПРОГРАМУВАННЯ ЗАГАЛЬНОГО ПРИЗНАЧЕННЯ

2022-12-13T14:13:22+02:00

Розглянуто та проаналізовано сучасні методи метапрограмування, що використовуються у мовах загального призначення. Підхід метапрограмування використовується для багатьох сценаріїв роботи з кодом програм, важливим серед них є генерування вихідного коду. Кожна мова програмування включає окремий набір інструментарію для вирішення завдань метапрограмування. Одним з методів метапрограмування є побудова процесорів анотацій, проте тут не визначаються особливості генерування коду. Іншим методом є побудова плагінів компіляторів, що є можливим у мовах програмування типу Kotlin. Інтерфейс плагінів може надавати доступ до багатьох стадій компіляції програм, проте їх недоліком є підвищена складність програм, що значно впливає на швидкість розробки й на швидкодію роботи результуючого програмного забезпечення. Технології типу KotlinPoet та JavaPoet дозволяють генерувати текст вихідних програм з частковим дотриманням безпечної типізації на рівні інструкцій. Недоліком таких технологій є значна відмінність коду програми, що виконує генерування, від вихідного згенерованого коду, що підвищує складність роботи з цим інструментом та загальне когнітивне навантаження. На противагу їм можна використовувати рядки з механізмом інтерполяції, що забезпечують декларативність, проте тут відсутня валідація типів. Мови програмування типу MetaOCaml, Scala реалізують механізми метапрограмування й багатоетапного програмування, зокрема, на рівні синтаксису з використанням конструкцій цитування і зрощування та механізмів вбудовування і макросів. Макроси присутні також у мовах С та С++, вони за допомогою директив препроцесора дозволяють виконувати попереднє перетворення коду перед основною стадією компіляції. Коректне поєднання елементів метапрограмування дозволить створити універсальний підхід до використання функціоналу декларативного метапрограмування, що надасть потужний інструментарій для масштабування обсягів генерованого коду і підвищить якість кінцевого програмного продукту.

АНАЛІЗ ЕМОЦІЙНОГО ЗАБАРВЛЕННЯ ТЕКСТУ ДЛЯ ПРОГНОЗУВАННЯ ДАНИХ НА ФІНАНСОВИХ РИНКАХ

2022-12-13T14:40:24+02:00

Прогнозування даних на фінансових ринках є актуальним завданням в сучасному світі, оскільки змога передбачати напрямок руху ринку допомагає інвесторам уникати очевидних ризиків та позбутись додаткових фінансових витрат. Розроблено багато різних торгівельних платформ для швидкого отримання доступу до великих масивів історичних даних, що дозволяє аналізувати фінансовий ринок з будь якої точки планети та в реальному часі, використовуючи тільки ноутбук чи стаціонарний персональний комп’ютер. Такі платформи дозволяють розробляти спеціальні стратегії та підходи на основі фундаментального або технічного аналізу, які враховують новини про ту чи іншу компанію, її дохід, капіталізацію та суму дивідендів, які вона повинна вчасно виплачувати, а також різні технічні індикатори. Новини про ту чи іншу компанію допомагають визначити потенційному інвестору певні ризики, зокрема, кадрові, виробничі чи, найчастіше в сучасних реаліях, репутаційні. Тому при формуванні фундаментального аналізу велику роль грає аналіз текстів новин, і саме тому найбільш ефективно це можна зробити за допомогою використання нейронних мереж. За останнє десятиліття нейронні мережі завдяки технологічним інноваціями та розробкам займають важливе місце в аналізі великих масивів даних, зокрема текстових. Оскільки кожна новина про ту чи іншу компанію, яка є об’єктом для потенційного інвестора чи трейдера, має в собі певне емоційне забарвлення, наприклад, позитивне чи негативне, то його можна визначити за допомогою саме навченої нейронної мережі, що допоможе вносити коректні прогнози на фінансвоих ринках та розробляти ефективні стратегії. В комплексі з технічним аналізом розробка та дослідження такого підходу до прогнозування може давати точні результати. Саме тому наукове дослідження в цьому напрямку є актуальним. В даній науковій статті обгрунтовано актуальність розробки системи прогнозування даних на основі аналізу емоційного забарвлення текстів. Розроблено програмне забезпечення на основі мови програмування Python. Описано результати дослідження, а також представлено вихідні дані роботи розробленої програми з отриманою точністю аналізу. За результатами наукового дослідження зроблено висновки.

РОЗРОБКА МАТЕМАТИЧНОЇ МОДЕЛІ ОПТИМАЛЬНОГО ВИРОБНИЦТВА ТА РОЗВИТКУ ВИРОБНИЧИХ СИСТЕМ З ДЕКОМПОЗИЦІЄЮ ПЛАНОВОГО ПРОЦЕСУ РОЗВИТКУ НА ІНТЕРВАЛИ

2022-12-13T19:29:14+02:00

Розглянуто проблему побудови ефективних моделей оптимального розвитку та функціонування сучасних виробничих систем, що функціонують у активному оточенні. Після аналізу аналогів було виявлено, що для виробництв класу "виробництво-розвиток", які функціонують у активному оточенні – конкурентів, посередників, постачальників та споживачів – адекватні моделі відсутні. Базовий аналог – рішення варіаційної задачі розвитку і виробництва має обмежену область адекватності – це виробництва зі статичним зовнішнім оточенням. В розглянутому нами аналозі оптимальна стратегія розвитку створюється на весь плановий період, що зазвичай становить 2-10 років. На такий довгостроковий період неможливо передбачити стан ринків продукції, фінансів, технологій. Зазначене вище обумовлює актуальність даної роботи. В даній роботі використовується узагальнена модель оптимального розвитку на базі методології оптимального агрегування. Використання методології оптимального агрегування дозволяє перейти від багатовимірної задачі нелінійного програмування до системи одновимірних задач оптимізації. Обчислювальна складність при цьому зростає лінійно, що дозволяє використати цю методологію для виробничих систем з великою кількістю та нелінійністю зв'язків між елементами. В роботі виконується модифікація базової моделі оптимального розвитку з розбиттям процесу розвитку на інтервали. На початку кожного інтервалу оптимальна стратегія розвитку коригується з урахуванням уточнення інформації про майбутній стан активного середовища: дії конкурентів, споживачів, постачальників, посередників, світових ринків. Для визначення оптимального значення та оптимального розподілу ресурсів між підсистемами на кожному інтервалі визначаються максимуми критерію – параметризованої функції ефективності системи. Наведено приклади моделювання та тестування моделей.

ЧИСЛОВЕ МОДЕЛЮВАННЯ ЯК ОДНА ІЗ СКЛАДОВИХ ФУНДАМЕНТАЛЬНОЇ МАТЕМАТИЧНОЇ ПІДГОТОВКИ ІНЖЕНЕРІВ

2022-12-13T20:24:41+02:00

У статті досліджено проблему оволодіння навичками числового моделювання студентами інженерних спеціальностей під час вивчення курсу вищої математики. Значна увага приділяється формуванню творчого мислення студентів у процесі навчання вищої математики. Основними компонентами методичної системи є використання систем комп’ютерної математики (СКМ) під час лекцій, практичних та індивідуальних занять. Використовуючи СКМ MathCAD, Maple та інші, студент може абстрагуватися від технічних деталей програмування, особливостей операційної системи та зосередити увагу на аналізі особливостей таких понять, як обумовленість задачі, стійкість методу, оцінювання результатів розрахунків. Професійна спрямованість підготовки майбутніх фахівців розглядається як творча, сповнена сучасних знань з математики та інформатики діяльнісь. Наведені приклади завдань можуть бути використані студентами з високим когнітивним рівнем для самостійного опрацювання. Пропонується формування змісту курсу вищої математики здійснювати у таких напрямках: підсилення ролі числових методів і їх реалізацію за допомого СКМ; використання математичного моделювання під час розв’язування прикладних задач; оволодіння студентами математичними змістово-фаховими знаннями, необхідними для аналітичного і числового моделювання практичних інженерних задач, створення власних бібліотек користувача програмних продуктів. Виділено головні вміння й навички, які можуть бути сформовані у студентів під час інтегрованих занять з вищої математики і елементів числового моделювання: уміння використовувати необхідні програмні засоби в середовищі СКМ; уміння зіставляти результати в різних формах подання (аналітичне й графічне подання); уміння використовувати нові можливості, що надаються комп'ютерними технологіями, заснованими на використанні середовища СКМ; уміння проектувати в середовищі СКМ програмні засоби першого рівня складності для розв’язування навчальних і предметних завдань.

АУТСОРСИНГ IT-ПОСЛУГ В УКРАЇНІ

2022-12-13T20:47:35+02:00

На основі статистичних даних проведено поточний аналіз ринку ІТ-послуг України, який показав, що існує великий потенціал для розвитку цієї інноваційної сфери діяльності в нашiй країні. Здійснено прогнозування обсягів ринку ІТ України на 2022 рiк з урахуванням умов нинiшнього воєнного стану внаслiдок росїйської агресiї. Виявлено фактори, якi найбільше впливають на обсяг ринку ІТ. Спрогнозовано позитивну тенденцію обсягів ринку ІТ в Україні у 2021-2022 роках, розглянутi та проаналiзованi головні фактори, що впливають на розвиток ринку високотехнологічних послуг. Також сформульованi чинники, якi можуть позитивно вплинути на швидше просування сфери IT-послуг, що особливо важливо у воєнний та пiслявоєнний часи, оскiльки це єдина галузь, яка майже не зазнала втрат через високу мобiльнiсть спеціалістів та низьку капіталомісткість. До того ж, прибутки від розроблених програмних продуктів і сервісів значно перевищують витрати. Наукова новизна дослідження полягає в систематизації науково-практичної основи розвитку сфери високотехнологічних послуг у контексті глобальної економічної інтеграції. Практичне значення отриманих результатів та висновкiв бачиться у використаннi вітчизняними та iншими науковцями, практиками та державними установами матеріалів цієї статті для аналізу розвитку й конкурентоспроможності високотехнологічних послуг України на світовому ринку. Аналіз факторів формування експортного потенціалу високотехнологічних послуг національних економік провідних країн є вкрай актуальним науковим завданням для подальшого дослідження шляхiв розвитку аутсорсингу та IT-послуг як в Українi, так i у свiтi, оскiльки вони тiсно зв’язанi мiж собою.