CC BY
25
27. Schifano, E. D. Online updating of statistical inference in the big data setting. Tech. Rep. [Text] / E. D. Schifano, J. Wu, C. Wang, J. Yan, M.-H. Chen. - University of Connecticut, Storrs, Connecticut, 2014.
28. Advanced Statistical Methods for the Analysis of Large Data-Sets [Text] / A. Di Ciaccio, M. Coli, J. M. Angulo Ibanez (Eds.). -Springer, 2012. doi: 10.1007/978-3-642-21037-2
29. Computational statistics [Electronic resource]. - Available at: https://en.wikipedia.org/wiki/Computational_statistics
30. Wilkinson, L. The future of statistical computing [Text] / L. Wilkinson // Technometrics. - 2008. - Vol. 50, Issue 4. - P. 418-435. doi: 10.1198/004017008000000460
31. James, G. An Introduction to Statistical Learning with Applications in R [Electronic resource] / G. James, D. Witten, T. Hastie, R. Tibshirani. - AVailable at: http://www-bcf.usc.edu/
32. Schbidberger, M. State of the art in parallel computing with R [Text] / M. Schbidberger, M. Morgan, D. Eddelbuettel et. al. // Journal of Statistical Software. - 2009. - Vol. 31, Issue 1. - P. 1-27.
Розглянуто розтзнавання стану структури прихованог частини склад-них мережевих об'eктiв в умовах обме-женог шформацп вид гх важкодоступ-них елементiв. Метод розтзнавання стану мережних об'eктiв лк в основу побудови ттелектуальног системи тд-тримки прийняття ршень при експлу-атаци та ретжитрингу вгдновлюва-них бездротових комп'ютерних мереж з недоступними для мотторингу еле-ментами
Ключовi слова: штучний ттелект, зорове вiдображення, мережевi структури, важкодоступт елементи
Рассмотрено распознавание состояния структуры скрытой части сложных сетевых объектов в условиях ограниченной информации от их труднодоступных элементов. Метод распознавания состояния сетевых объектов лег в основу построения интеллектуальной системы поддержки принятия решений при эксплуатации и реинжиниринге восстанавливаемых беспроводных компьютерных сетей с недоступными для непосредственного мониторинга элементами
Ключевые слова: искусственный интеллект, зрительное отображение, сетевые структуры, труднодоступные элементы
-□ □-
УДК 004.08:005.8
|DOI: 10.15587/1729-4061.2015.51186|
ПЕРЕТВОРЕННЯ СТРУКТУРИ СКЛАДНОТ ТЕХН1ЧНОТ СИСТЕМИ 13 ЧАСТКОВО НЕДОСТУПНИМИ ЕЛЕМЕНТАМИ ДО ЗОРОВОГО ОБРАЗУ
С. А. Нестеренко
Доктор технических наук, профессор* Е-mail: san@opu.ua А. О. Становський
Кафедра компьютерных интеллектуальных систем и сетей*
Е-mail: redline@normaplus.ua А. В. Торопен ко Кандидат технических наук Кафедра нефтегазового и химического машиностроения**
Е-mail: alla.androsyk@gmail.com П . С. Швець Кандидат технических наук Кафедра электроснабжения и энергетического менеджмента** Е-mail: pshvets@mail.ru *Кафедра компьютерных интеллектуальных систем и сетей** **Одесский национальный политехнический университет пр. Шевченко, 1, г. Одесса, Украина, 65044
1. Вступ
Будь-яка система розтзнавання надшност пошко-джуваних тд час зберкання та експлуатацп мережевих об'екпв, тобто об'екпв, як складаються з окремих еле-менпв та зв'язюв мiж ними, потребуе, як мжмум, ввдо-мостей про початковий стан 1хньо1 структури, а також результапв аналiзу структури поточного стану. Якщо подiбнi об'екти спочатку або в результат пошкоджень
частково недоступт для мониторингу, з таким аналiзом виникають проблеми [1, 2].
В цьому випадку дослщник мае змогу отримати лише обмежену шформащю про значення деяких характеристик доступног частини мережевого об'екта за деякий перюд до поточного часу включно. Це можуть бути вимiрюванi на доступнш частиш часовi тренди параметрiв стану термодинамiчних систем (температура, тиск, концентращя, тощо), мехашчних характе-
©
ристик техшчних систем (напруження, деформащя, тощо), iнформацiйних складових комп'ютерних мереж та багато шшого.
Зрозумiло, що в цьому випадку наявноси лише частини шформацп про стан структури мережевого об'екта, яку, тим не менш, необхiдно вiдтворити, вщно-сить систему розтзнавання до систем, що навчаються. Такi системи автоматизовано розпiзнають образи в умовах частково втрачених або вимушено розпара-лелених даних, вони можуть з деякою вiрогiднiстю й помилятися. Все це е ознакою систем 1з штучним 1н-телектом [3, 4].
На цьому шляху перспективним виглядае не безпосередня оцшка стану частково недоступних систем по вщгуках вщ И доступних елеменпв, а ство-рення промiжного iнтелектуального вщображення таких вiдгукiв - деякого зорового образу, з яким в подальшому i виконуються розпiзнавальнi дii. Все це робить розв'язання проблеми перетворення структури складноi технiчноi системи iз частково недоступними елементами до зорового образу над-звичайно актуальним.
2. Аналiз лiтературних даних i постановка проблеми
Останнiм часом все б^ьшого поширення набува-ють бездротовi комп'ютернi мережi (БКМ), якi доз-воляють значно краще пристосовуватись до потреб вели^ кiлькостi користувачiв iнформацiйних систем [5, 6]. Широке використання таких мереж призводить до росту вимог до iхньоi надшносп, вщмовостшко-сп та продуктивностi. Висока продуктивнiсть мережi забезпечуеться, в першу чергу, вщсутшстю явних i схованих вузьких мшць i дефектiв, що призводять як до параметричного упов^ьнення швидкостi роботи в мереж^ так i до структурноi недосяжностi окремих елементiв бездротовоi мережi iз-за виходу з ладу про-цесорiв та комунiкацiйних компоненив [7, 8]. При цьому штотним е час, затрачуваний на вщновлення працездатностi мережi.
При проектуваннi та експлуатацп БКМ важливо вмiти оцшювати стан iхньоi структури також тому, що саме ввд нього залежить працездатшсть мережi на протязi запланованого життевого циклу. На вщмшу вщ «звичайних» дротових мереж, бездротовi позбавле-нi можливостi постiйного внутрiшнього мониторингу своеi структури.
Проблема ускладнюеться також тим, що елементи БКМ не мають сталих «сусвдв» для взаемотестуван-ня, осюльки вони часто перемiщуються в простор^ постiйно змiнюючи перелiк найближчих серверiв та вузлiв iншого призначення [5, 6].
Розв'язок завдань структурного дiагностування БКМ являе собою ск ладне завдання ще й тому, що ме-режш структурнi несправностi деяться на рiзнi типи, для пошуку кожного з яких необхiдно використову-вати рiзнi методи i види дiагностичного обладнання [9-11]. До цього слщ додати, що надiйнiсть самих систем дiагностування потребуе постiйноi уваги до-слiдника [12, 13]. Пошук i усунення несправностей програмного забезпечення, як правило, не входить до завдання структурного дiагностування БКМ, i звiдси
виникае додаткова проблема ввдд^ення несправностей прикладного програмного забезпечення вщ несправностей мережь
Крiм цього, пошук структурних несправностей на-вiть одного типу ускладнюеться вiдсутнiстю единого формалiзованого пiдходу, загального алгоритму дiй адмшштратора^агноста. У практицi автоматизова-ного структурного дiагностування та синтезу БКМ використовуються рiзнi способи '¿хнього представлен-ня, кожний з яких мае своi переваги i недолiки, але не е единим [14].
Вщсутшсть формалiзованого методу визначення областi пiдозрюваних несправностей приводить до високих часових витрат на проведення дiагностичного експерименту ^ отже, на пошук несправность Також наразi вiдсутня едина формалiзована методолопя, теоретично обгрунтоване морфологiчне середовище [15, 16], що дозволяе локалiзувати кожного з видiв не-справностей.
Це призводить до необхщносп наявностi в дiа-гноста досить високого рiвня досвщу i знань в об-ласт морфологiчного аналiзу та прогнозування стану структури складних систем для забезпечення коректност постановки дiагностичного експерименту [17-19]. Зазначеш проблеми обумовлюють високi ча-совi витрати на пошук несправностi, а також звужу-ють дiапазон суб'екив, що забезпечують коректне розв'язання завдання пошуку структурно несправ-ностi, що, в свою чергу, призводить до високоi трудо-мiсткостi й складноси розв'язання даноi проблеми.
З шшого боку, в останнш час значного поширення отримали методи обробки зорових зображень [20-23] та ввдеопотоюв [24, 25], сучасних штелектуальних методiв розтзнавання образiв [26-28], тощо, якi на-дають можливостi «витягнути» з навгть пошкодже-ного зображення суттеву шформащю, необхiдну для дiагностики поточного стану, ввдтворення або реш-жинiрингу БКМ. Залишаеться лише не до кшця роз-робленою проблема вiдображення складноi структури на зорове зображення, тобто структурна вiзуалiзацiя складних систем [29, 30].
3. Мета i задачi дослщження
Метою роботи було пiдвищення працездатностi бездротових комп'ютерних мереж шляхом своечасно-го '¿хнього вщновлення або реiнжинiрингу за рахунок розробки та впровадження штелектуального методу розтзнавання стану структури пошкоджуваних ме-режевих об'екпв iз частково недоступними для мош-торингу елементами за допомогою и морфологiчного вiдображення на зоровий образ та наступноi штелек-туальноi обробки цього образу.
Для досягнення цiеi мети необхiдно було розв'яза-ти наступнi задачi:
- запропонувати загальну структуру методу пере-творення структури до зорового образу;
- сформулювати теоретичш основи методу;
- провести випробування запропонованого методу в рамках загальноi системи тдтримки працездатно-ст та реiнжинiрингу пошкоджуваних бездротових комп'ютерних мереж.
4. Метод перетворення структури об'екта до зорового образу
4. 1. Описання структури методу
Як вщомо, на серверах бездротовоi мережi тд час и роботи накопичуеться багато iнформацii, яка може взагалi не використовуватися користувачами для основноi роботи, але яка, в той же час, мктить на при-хованому рiвнi важливi знання про структуру мереж1 та и «шторш» вiд початку експлуатацп до поточного часу.
Важливо, що з виходом з ладу окремих структур-них одиниць системи, шформащя, яка зберпаеться на доступних вузлах, залишаеться (до певних меж) iнформативною з точки зору дiагностики.
Такi знання носять ймовiрнiсний характер, але використання сучасних штелектуальних методiв «ви-тягування» корисних знань з, на перший погляд, не-шформативних трендiв (нейроннi мереж^ марковсью моделi, тощо) робить цей шлях до дiагнозiв структури БКМ вельми актуальним.
В робот запропонований iнтелектуальний метод розтзнавання структури частково недоступного для мошторингу мережевого об'екта, зокрема БКМ, за-гальна схема якого наведена на рис. 1.
Розшзнавання зорового образу
Перетворення до зорового образу (чорно-бтого зображення)
V
Вiдтворення структури частково недоступного об'екта
Рис. 1. Схема штелектуального методу розтзнавання структури частково недоступного для мошторингу мережевого об'екта
4. 2. Теоретична основа методу
Хай об'ектом розгляду е БКМ iз частково недоступ-ними для будь-якого мошторингу елементами, яка тд час експлуатацп ще й частково пошкоджуеться (для спрощення будемо без втрат для загальних розмiрку-вань вважати, що будь-який елемент мережi може зна-ходитися лише в одному з двох сташв: працездатному або непрацездатному). Таким чином з однiеi та тiеi ж БКМ, тобто з уах и елеменпв, видшяються двi тдме-режк частково недоступна мотторингу та частково пошкоджена або двi множини елеменпв: недоступт (множина НМ) та пошкоджеш (множина ПШ). Щ множини у загальному випадку можуть ствпадати, частково перетинатися або не перетинатися взагал!
Тобто в реальнш БКМ пiсля деякого часу експлуатацп можуть кнувати чотири типи поточного стану елеменпв:
- доступний для спостереження, працездатний;
- доступний для спостереження, непрацездатний;
- недоступний для спостереження, працездатний;
- недоступний для спостереження, непрацездатний.
Вiзьмемо в якост прикладу найпростiшу БКМ
(рис. 2, а).
Хай елементи 3, 6 та 9 в нш недоступш для мошторингу (множина НМ). Побудуемо для структури цiеi мережi матрицю сумiжностi (рис. 2, б), причому
дискретну яскравшть ze фону кожноi клгтинки (тк-селя) цiеi матрицi оберемо в межах 8-бiтовоi оцiнки яскравосп вiд 0 до 255 та пропорцшно ймовiрностi ре достовiрностi шформацп про працездатнiсть поточного елементу:
= [255ре ] .
(1)
б
в
Рис. 2. Схема приведення характеристик працездатносп
БКМ до зорового образу: а — характеристики працездатносп БКМ; б — схема приведення на початку експлуатацп; в — схема приведення тсля пошкоджень тд час експлуатацп (р=1 — елемент на 100 % працездатний;
р=0 — елемента не було в мережi спочатку або вш повнютю втратив працездатнють; 0<р<1 — працездатнiсть елемента не вщома достовiрно)
Як випливае з визначення матриц сумiжностi, для двонаправлених зв'язюв мiж елементами вона завжди симетрична вщносно головноi дiагоналi.
На рис. 2 наведенi приклади такого сшввщно-шення: якщо ре дорiвнюе одиницi, тобто якщо елемент стовщсотково працездатний, яскравiсть його шкселя максимальна (255, бiлий), якщо стовщсо-тково непрацездатний, яскравiсть його ткселя мь нiмальна (0, чорний), якщо працездатшсть може бути оцшена лише з деякою дробовою ймовiрнiстю
0 <ре<1, то i колiр вiдповiдного пiкселя буде ««рим» (0^е<255). На рис. 2 видно, що на початку експлуатацп шнують ильки два стани шкселей - бший (вщ-повiдний елемент шнуе i вiн повнiстю працездатний)
1 чорний (елемент з початку експлуатацii БКМ вза-галi не шнував). Для цього випадку зоровий образ початкового стану БКМ чорно-бший, без нашвтошв (рис. 2, б). По закшченню деякого часу експлуатацп частина елеменив БКМ виходить з ладу, причому для доступних елеменив (як належать до множини
а
ПШ, в даному прикладi - це елемент № 4) точно вщомо, що тiльки в цього доступного елемента р е i3 одинищ перетворилася на нуль, при цьому вщпо-вiдний «бший» пiксель «почорше», а для недоступ-них (вони у« «пiдозрiлi» на пошкодження) можемо отримати лише приблизну шформащю (при цьому вщповщний «бiлий» пiксель стае ««рим»). Для цього випадку зоровий образ частково пошкоджено'1 БКМ iз частково недоступними елементами набувае нашвтошв (рис. 2, в).
Вщомо, що для представлення структури об'екта найчастше використовуються моделi у виглядi графiв [31-33]. Розглянемо тестову БКМ, граф структури яко'1 наведено на рис. 3, а. Всього в мережi 100 вузлiв, зв'язки мiж якими створюють матрицю сумiжностi по типу зображено'1 на рис. 2. На рис. 3, б вид^ена множи-на НМ, про яку точно вщомо, що вона недоступна для мониторингу.
Пiсля початку експлуатацп мережi в нiй з'являють-ся структурш втрати (наприклад, знищення лиака, на якому були розташованi деяю з елементiв мережi). На рис. 3, в, г таю втрати позначен зiрочками. У тдсум-ку маемо БКМ iз наявними пошкодженими та недоступними елементами та зоровий образ ïï структури, придатний до подальшого використання в системах вщновлення таких мереж.
в г
Рис. 3. Структура тестовоТ 100-елементноТ БКМ: а — початковий стан; б — стан БКМ iз частково недоступними елементами; в — стан БКМ iз частково недоступними елементами шсля першого перюду експлуатацiТ; г — стан БКМ iз частково недоступними елементами шсля другого перюду експлуатацп
5. Обговорення результаив дослщження
Таким чином, запропонований метод вiдрiзняеться вщ вiдомих тим, що мктить додатковий етап перетво-рення шформацп вiд БКМ на зоровий образ, а суть дослщження полягае у розробщ технологи такого перетворення.
Перевагою даного дослщження е те, що завдяки промiжному перетворенню вщбитюв стану струк-тури БКМ до зорового образу з'являеться додаткова можлившть застосування до дiагностики БКМ велико'! юлькоси iснуючих на сьогодш методiв обробки останнього.
Ранiше використовуваний метод, в основу якого покладеш шформацшш структурнi статистичнi моде-лi [1], не передбачав створення та обробку промiжних зорових зображень, а результат тестування частково недоступних мереж цим методом не задовольняв потреби в тдтримщ працездатностi систем вiдповiдаль-ного призначення.
В рамках запропонованого методу використову-вали способи ф^ьтрацп, якi Грунтуються на ращ-ональному використаннi даних як з робочо'1 точки, так i з ïï околицi [22]. При виршенш задач фiльтрацiï використовували iмовiрнiснi моделi зображення i застосовували статистичнi критерп оптимальностi.
Це пов'язано з випадковим характером можливих завад i праг-ненням отримати мiнiмальну в середньому рiзницю мiж результатом обробки та деякого «ще-ального» сигналу, який вiдбива6 невiдомий реальний стан струк-тури БКМ.
Це робить запропонований метод корисним для широкого застосування при проектуванш та експлуатацП БКМ вщповщаль-ного призначення: таких, що роз-ташовуються на тлотованих та безпiлотних лiтаках, космiчних апаратах, атомних електростан-щях, тощо.
В подальшому метод може бути вдосконалений з урахуван-ням конкретних архiтектур БКМ, з одного боку, i нових методiв обробки зображень та вщеопотоюв, з шшого.
Науково-технiчна комгая провела аналiз використання результат дослiдження в Розввду-вальному управлшня штабу Ко-мандування Сухопутних вшськ Збройних Сил Украши.
Практичним результатом дос-лщження е складовi штелекту-ально'1 системи «OBMIN» (objects with elements, inaccessible to monitoring) комп'ютерного розтзна-вання структури складних по-шкоджуваних об'ектiв з частково недоступними для мониторингу елементами, до яких слщ
а
зокрема, ввднести бездротовi комп'ютернi мережi, частково встановлеш на безпiлотних лиальних апаратах-дронах.
Використання iнтелектуального методу комп'ю-терного розпiзнавання та ввдтворення зорового образу структури складних пошкоджуваних об'eктiв i3 не-доступними для мошторингу елементами дозволяе з високим ступенем ймовiрностi оцiнити поточний стан мереж^ а саме вибуття з ладу деяких ïï елементiв по сигналах, отриманих вщ завiдомо справних елеменпв, що залишаються на базових позищях.
Практика пiдтверджуе можливiсть тдвищення можливостi своечасного ремонту та замши пошкодже-них елементiв бездротовоï комп'ютерноï мережi, що гарантуе пiдвищення загального рiвня працездатностi останньоï на 22,3-26,3 %.
6. Висновки
Встановлено, що використання зорового ввдобра-ження структури бездротовоï комп'ютерноï мережi дозволяе покращити показники надiйностi таких систем за рахунок вчасного виявлення та вщновлення (решжишрингу) втрачених елементiв.
Сформульоваш теоретичнi основи методу, якi по-лягають у створеннi та обробки промiжних зорових зо-
бражень структури БКМ, з подальшим застосуванням способiв фiльтрацiï, якi Грунтуються на ращональ-ному використаннi даних як з робочоï точки, так i з ïï околищ. При вирiшеннi задач фшьтрацп використо-вували iмовiрнiснi моделi зображення i застосовували статистичнi критерп оптимальностi, що дозволило використовувати останнш в реальних умовах практичного застосування.
В робот метод використовували для штелекту-альноï дiагностики БКМ в рамках загальноï системи пiдтримки працездатностi та решжишрингу пошко-джуваних бездротових комп'ютерних мереж частково встановлених на борту безтлотних лiтальних апара-тiв iз позитивним тактико-технiчним результатом.
Використання штелектуального методу комп'ю-терного розпiзнавання та вщтворення зорового образу структури складних пошкоджуваних об'еклв iз не-доступними для мошторингу елементами дозволяе з високим ступенем ймовiрностi ощнити поточний стан мереж^ а саме вибуття з ладу деяких ïï елеменпв по сигналах, отриманих ввд завщомо справних елементiв, що залишаються на базових позищях.
Практика шдтверджуе можлившть пiдвищення можливостi своечасного ремонту та замши пошкодже-них елементiв бездротовоï комп'ютерноï мережi, що гарантуе тдвищення загального рiвня працездатностi останньоï на 22,3-26,3 %.
Лиература
1. Савельева, О. С. Метод дистанционной структурной диагностики низкочастотной аналоговой сети, частично недоступной мониторингу [Текст] / О. С. Савельева, В. Г. Максимов, Д. А. Пурич // Пращ Одеського полiтехшiчшого ун1верситету. -2012. - Вип. 2 (39). - С. 208-213.
2. Нестеренко, С. А. Структурная диагностика частично недоступных мониторингу нефтегазовых объектов [Текст]: матер. мiжш. наук.-прак. конф. / С. А. Нестеренко, Д. А. Пурич, Ан. А. Становский // Технжа i прогресившi технологи у нафтога-зовш шженери. - Iвашо-Фрашкiвськ, 2012. - С. 181-183.
3. Гаврилова, Т. А. Базы знаний интеллектуальных систем [Текст] / Т. А. Гаврилова, В. Ф. Хорошевский. - СПб.: Питер, 2000. - 384 с.
4. Бондаренко, М. Ф. Теория интеллекта: учебник [Текст] / М. Ф. Бондаренко, Ю. П. Шабанов-Кушнаренко. - Харьков: СМИТ, 2006. - 576 с.
5. Беспроводные сети [Электронный ресурс]. - Режим доступа: http://xreferat.com/33/466-1-besprovodnye-seti.html -14.08.2015.
6. Понятие и виды беспроводных сетей [Электронный ресурс]. - Режим доступа: http://inphormatika.ru/lectures/ponyatie_i_ vidy_besprovodnyh_setei.html - 13.07.2015.
7. Нестеренко, С. А. Оценка состояния сетевых структур с латентными элементами с помощью скрытых марковских моделей [Текст]: мiжш. конф. з управлшня / С. А. Нестеренко, Д. А. Пурич, Ан. А. Становский // Автоматика - 2012. - Кшв: НУХТ, 2012. - С. 231.
8. Пахомов, С. Беспроводные сети: ломаем, чтобы защищать. Методы защиты беспроводных сетей [Электронный ресурс] / С. Пахомов, М. Афанасьев. - Режим доступа: http://compress.ru/article.aspx?id=19154 - 11.07.2015.
9. Савельева, О. С. Морфологические модели отказоустойчивости сложных технических систем [Текст] / О. С. Савельева, О. Е. Плачинда, Д. А. Пурич // Восточно-европейский журнал передовых технологий. Информационные технологии. -2011. - Т. 3, № 2 (51). - С. 39-42. - Режим доступа: http://journals.uran.ua/eejet/article/view/1496/1394
10. Пурич, Д. А. Экспресс-анализ структурной надежности сложных технических систем с нагруженным резервированием [Текст] / Д. А. Пурич, О. С. Савельева, В. М. Тонконогий // Суча^ технологи в машишобудувашшi: збiршик наукових праць. - 2013. - Вип. 8. - С. 272-280.
11. Рябинин, И. А. Надежность и безопасность структурно-сложных систем [Текст] / И. А. Рябинин. - СПб: Политехника, 2000. - 248 с.
12. Савельева, О. С. Пщвищення надшност систем дистанцыного дiагшостувашшя [Текст] / О. С. Савельева, О. Л. Становський, Д.О. Пурiч // Науюж вют «Галицька академiя». - 2009. - № 15 (1). - С. 58-63.
13. Налева, Г. В. Интеллектуальные методы повышения надежности телеметрической диагностики оборудования [Текст]: зб. наук. пр. / Г. В. Налева, О. С. Савельева, Д. А. Пурич // Теорiя i практика процеав. Подрiбшешшя, роздшення, змшування i ущ^льнення. - 2009. - Вип. 14. - С. 95-103.
14. Акимов, С. В. Компьютерные модели для автоматизированного структурно-параметрического синтеза [Текст]: тр. 5-й меж-дун. конф. / С. В. Акимов // Компьютерное моделирование 2004. Ч. 1. - СПб.: Нестор, 2004. - С. 191-197.
15. Четвериков, Г. Г. Формальное описание логического пространства [Текст] / Г. Г. Четвериков, И. Д. Вечирская // Штучний штелект. - 2008. - № 3. - С. 781-789.
16. Зшько, Р. В. Морфолопчне середовище для дослщження техшчних систем: монографiя [Текст] / Р. В. Зшько. - Львiв: Видавництво Львiвськоi пол^ехшки, 2014. - 386 с.
17. Ивченко, Б. П. Теоретические основы информационно-статистического анализа сложных систем [Текст] / Б. П. Ивченко, Л. А. Мартыщенко, М. Л. Монастырский. - СПб.: Лань, 1997. - 320 с.
18. Панкратова, Н. Д. Стратепя застосування методу морфолопчного анашзу в процеа технолопчного передбачення [Текст] / Н. Д. Панкратова, I. О. Савченко // Науюж вши НТУУ «КП1» - 2009. - № 2. - С. 35-44.
19. Зшько, Р. В. Морфолопчне середовище для моделювання техшчних систем [Текст] / Р. В. Зшько // Мiжвузiвський збiрник «Науюж нотатки». -2012. - Вип. 38. - С. 61-66.
20. Solomon, C. J. Fundamentals of Digital Image Processing: A Practical Approach with Examples in Matlab [Text] / C. J. Solomon, T. P. Breckon. - Wiley-Blackwell, 2010. - 328 p. doi: 10.1002/9780470689776
21. Burger, W. Digital Image Processing: An Algorithmic Approach Using Java [Text] / W. Burger, Mark J. Burge. - Springer, 2007. - 565 p.
22. Fisher, R. Dictionary of Computer Vision and Image Processing [Text] / R. Fisher, K. Dawson-Howe, A. Fitzgibbon, C. Robertson, E. Trucco. - John Wiley, 2010.
23. Bhat, P. Gradientshop: A gradient-domain optimization framework for image and video filtering [Text] / P. Bhat, C. L. Zitnick, M. Cohen, B. Curless // ACM Transactions on Graphics. - 2010. - Vol. 29, Issue 2. - P. 1-14. doi: 10.1145/1731047.1731048
24. Малахов, Е. В. Кодирование информации для поиска видеопотоков в хранилищах данных [Текст] / Е. В. Малахов, П. А. Становский // Труды ОНПУ. - 2008. - Вып. 2 (30). - С. 156-159.
25. Становский, П. А. Кодирование и поиск подвижных и неподвижных изображений в хранилищах данных [Текст] / П. А. Становский // Електромашинобудування та електрообладнання. Тематичний випуск «Комп'ютерш системи та мере-жЬ. - 2009. - Вип. 72. - С. 231-234.
26. Wolfram Language Artificial Intelligence: The Image Identification Project [Electronic resource]. - Available at: http://blog. stephenwolfram.com/2015/05/wolfram-language-artificial-intelligence-the-image-identification-project/ -14.05.2015.
27. Fooprateepsiri, R. A Highly Robust Approach Image Identification based-on Hausdorff-Trace Transform [Text] / R. Fooprateepsiri, W. Kurutach // International Journal of Digital Content Technology and its Applications. - 2010. - Vol. 4, Issue 1. - Р. 26-31. doi: 10.4156/jdcta.vol4.issue1.3
28. Srisuk, S. A General Framework for Image Retrieval using Reinforcement Learning [Text] / S. Srisuk, R. Fooprateepsiri, M. Petrou, S. Waraklang and K. Sunat // The Image and Vision Computing. - 2003. - Р. 36-41.
29. Физика визуализации изображений в медицине. Т. 1, 2 [Текст]. - М.: Мир, 1991. - 156 с.
30. Harel, D. Statecharts: A Visual Formalism for Complex Systems ^xt] / D. Harel // Science of Computer Programming. -1987. - Vol. 8, Issue 3. - Р. 231-274. doi: 10.1016/0167-6423(87)90035-9
31. Кузьо, I. В. Застосування графiв при дослщженш функщонування транспортних засобiв з пружно зчленованими елемента-ми [Текст] / I. В. Кузьо, Р. В. Зшько, I. С. Лозовий // Науковий вюник НЛТУ. - 2010. - Вип. 20.12. - С. 111-116.
32. Черевко, Ю. М. Використання графiв структури зв'язгав для анашзу мехашчних систем з пружно зчленованими елементами [Текст] / Ю. М. Черевко, Р. В. Зшько, I. С. Лозовий // Автошляховик Украни. - 2009. - № 4. - С. 12-15.
33. Зшько, Р. В. Методика використання графiв при дослщженш роботи машини з гусеничним рушieм [Текст] / Р. В. Зшько // Науковий вюник НЛТУ. - 2011. - Вип. 21.13. - С. 117-122.
