| ÏÎËß ÒÀ ÑÈÃÍÀËÈ Ó ÍÅÎÄÍÎвÄÍÈÕ ÑÅÐÅÄÎÂÈÙÀÕ
| e_files/1x1.gif) |
| Íàçàð÷óê 3. Ò., Çèáîâ Â. Ì.
Ðåàë³çàö³ÿ áàãàòîôàêòîðíèõ âèì³ðþâàíü ó âèõðîñòðóìîâîìó êîíòðîë³
|
7-12
|
|
Äæàëà Â. P., Êàïêî Ë. ².
Ìåòîä ³ ïðèñòð³é äëÿ âèì³ðþâàííÿ êîìïëåêñíîãî
êîåô³ö³ºíòà â³äáèâàííÿ ó ðàä³îõâèëüîâîìó ä³àïàçîí³ äîâæèí õâèëü
|
13-18
|
ÌÀÒÅÌÀÒÈ×Ͳ ÌÎÄÅ˲ ÑÈÃÍÀ˲ ÒÀ ÑÈÑÒÅÌ
Ìóðàâñüêèé Ë. ²., Êîøîâèé Â. Â., Îë³éíèê Î.Ò., Ïàíàñþê Â. Â., Ôåäîð³â Ð. Ô.
Âèêîðèñòàííÿ ãåî³íôîðìàö³éíèõ òåõíîëîã³é äëÿ ìîí³òîðèíãó ëîêàëüíèõ åêîñèñòåì Óêðà¿íè
|
19-22
|
|
Äèâàê Ì. Ï., Ïóêàñ À. Â., Ñàïîæíèê Ã. Â.
Îïòèìàëüíà àäàïòèâíà ïðîöåäóðà ïðèéíÿòòÿ ð³øåíü íà îñíîâ³ ³íòåðâàëüíèõ ìîäåëåé
|
23-28
|
|
ªðîõ³í À. Ë.
³çóàë³çàö³ÿ íåøòàòíèõ ïîä³é ó ñêëàäíî-îðãàí³çîâàíèõ cèñòåìàõ
| 29-34 |
|
Áèêîâ Ì. Ì.
Óí³âåðñàëüíèé ìåòîä ïðåäñòàâëåííÿ ³íôîðìàö³¿ â åâîëþö³éíèõ ³íòåëåêòóàëüíèõ ñèñòåìàõ
|
35-42
|
|
Ðîãóøèíà Þ. Â., Ãëàäóí À. ß.
Âèêîðèñòàííÿ îíòîëî㳿 ÿê çàñîáó ³íòåãðàö³¿ çíàíü ïðî ³íôîðìàö³éíó ñèñòåìó
|
43-48
|
|
Þçåôîâè÷ Ð. Ì., Ìèõàéëèøèí Â. Þ., ßâîðñüêèé ². Ì.
Âèá³ð ³íòåðâàëó äèñêðåòèçàö³¿ çà îö³íþâàííÿ õàðàêòåðèñòèê ðåãóëÿðíîãî õîäó
ñòîõàñòè÷íèõ â³áðàö³éíèõ íàâàíòàæåíü
|
49-55
|
|
Âäîâè÷åíêî ². Í.
Ìåòîäè îáðîáêè ³íôîðìàö³¿, îòðèìàíî¿ â ðåçóëüòàò³ åêñïåðòíî¿ îö³íêè
|
56-58
|
ÎÁÐÎÁÊÀ ÂÈ̲ÐÞÂÀËÜÍί ²ÍÔÎÐÌÀÖ²¯
Dubalski Â., Marciniak T., Zabludowski A.
Analysis of autocorrelation function of multilevel pseudonoise sequences generated by
accumulative registers
|
59-65
|
|
Äçåëåíäçÿê Ó. Þ.
Àíàë³ç óñòàëåíèõ ðåæèì³â áåçêîíòàêòíîãî ôàçî÷óòëèâîãî âèïðÿìëÿ÷à åêñòðàïîëÿö³éíèì ìåòîäîì
|
66-70
|
|
Ìàêñèìîâè÷ Â. Ì.
Äâ³éêîâî-äåñÿòêîâèé îáåðíåíî ïðîïîðö³éíèé ïåðåòâîðþâà÷ ÷èñëî-³ìïóëüñíîãî êîäó
|
71-76
|
|
Ïðîö³â Ð. Î., Õîìà Â. Â.
Óí³ô³êàö³ÿ ñòðóêòóðè ³ àëãîðèòì³â ôóíêö³îíóâàííÿ áàãàòîö³ëüîâèõ âèì³ðþâà÷³â ³ì³òàíñó
|
77-84
|
|
Íàêîíå÷íèé À. É.
ϳäâèùåííÿ åôåêòèâíîñò³ ïîåòàïíîãî ïåðåòâîðåííÿ äâîâèì³ðíèõ ñèãíàë³â
|
85-90
|
ÎÁÐÎÁÊÀ ÇÎÁÐÀÆÅÍÜ ÒÀ ÐÎÇϲÇÍÀÂÀÍÍß ÎÁÐÀDzÂ
Ñèíÿâñüêèé À. Ò., Ðóñèí Á. Ï., ²âàíèöüêèé ß. Ë.
Âèçíà÷åííÿ ðîçïîä³ëó ïîâåðõíåâèõ ïåðåì³ùåíü íà îñíîâ³ âàð³àö³éíîãî ï³äõîäó äî îáðîáêè
ïîñë³äîâíîñò³ çîáðàæåíü
|
91-98
|
|
Òàÿíîâ Â. À., Êîðí³é Â. Â., Ëóöèê Î. À., Ëèñàê Þ. Â.
Âèçíà÷åííÿ êëàñó çåðíèñòîñò³ ñòàë³ íà îñíîâ³ àíàë³çó ¿¿ ìåòàëîãðàô³÷íèõ øë³ô³â
|
99-103
|
|
²âàñåíêî ². Á., Æóðàâåëü ². Ì., Áåðåãóëÿê Î. Ð.
Âèçíà÷åííÿ ë³í³é ñòèêó îá'ºêò³â ï³ä ÷àñ åëåêòðîííî-ïðîìåíåâîãî çâàðþâàííÿ
|
104-109
|
|
Ìåëüíèê Ð. À., Àëåêñººâ Î. À.
Êëàñòåðèçàö³ÿ êëþ÷³â îáðàç³â íà îñíîâ³ äåêîìïîçèö³¿ ¿õ ìíîæèíè
|
110-114
|
ÀËÃÎÐÈÒ̲×ÍÅ ÒÀ ÏÐÎÃÐÀÌÍÅ ÇÀÁÅÇÏÅ×ÅÍÍß
Ïàðõóöü Ë. Ò.
Àëãîðèòì ïîøóêó äèñïåðñ³éíî¿ ìåä³àíè ãðàôà
|
115-118
|
|
Yatsymirskyy M. M., Liskevych Î. ².
Neuronet system for generalized discrete trigonometric transformations modeling
|
119-123
|
|
Ó ñâ³ò³ êíèã
| 124 |