The analysis of linear motor magnetic properties and application of several linear motor models at work have been performed in consideration of its constructional speciality. The mathematical model of linear motor have been composed on programme QuickField. Varying parameters of linear motor (elements position, materials proportion of motors elements, thickness of secondary element, its position on air gap symmetry) have been maked magnetic properties, specific for several model of linear motor. The teoretical part represent generalized review of linear motors and description of its characteristics. The features of linear motors have been analysed here. The investigation part involving the creation of several linear motor models and analysis of magnetic properties on programme QuickField. This discribing geometric models creation, its parameters setting and making results for several models of linear motors. The programme displaying results in grafic, color map, vector and tables shapes. The results have been analysed and summarized. Finally the conclusions of investigation of linear motor have been formulated: efficiency, operating conditions, application of linear motors are conditioned by constructional speciality of several linear motor. The results of investigation can be used for rational and optimal realization of linear motors in various technological systems.

Duomenų klasifikavimas – sudėtingas procesas, kurio metu pradinių duomenų aibės apdorojamos taip, kad būtų sukurta sistema, leidžianti automatizuoti objektų atpažinimą ir informacijos srautus. Darbe pristatomi ir aptariami pagrindiniai objektų atpažinimo metodai, siekiama ištirti ar modelių modifikacijos padidina objektų atpažinimo tikslumą. Darbo tikslas – išanalizuoti statistinio objektų atpažinimo metodus, pasiūlyti naują hibridinį metodą ir patikrinti jo patikimumą. Siekiant užsibrėžto tikslo, analitinėje dalyje aptariami objektų atpažinimo metodai, nagrinėjamos objektų atpažinimo problemos, toliau pateiktas siūlomo hibridinio metodo aprašymas ir jo teorinė nauda. Eksperimentinėje dalyje aprašyta visa tyrimo eiga, duomenų apdorojimo procesas, apibendrinami rezultatai. Įvertinus objektų atpažinimo metodus, pasiūlytas hibridinis metodas, apjungiantis tiesinės diskriminantės ir neuroninio tinklo metodus. Lyginant standartinius objektų atpažinimo metodus su hibridiniais, parodyta, kad hibridiniai metodai leidžia pasiekti didesnį tikslumą (apie 10%) atpažinimo procese. Darbą sudaro 56 lapai, aprašą pagyvina 25 paveikslai, 7 lentelės ir 2 priedai. / Data classification is a complex process in which the set of initial data is treated to create a system that allows the identification of automated objects and data flows. The paper presents and discusses the main methods of object identification, seeks to examine whether the modification of models increases the accuracy of object recognition. The aim is to analyze the methods of statistical object detection, offer a new hybrid method and verify its reliability. In order to achieve this objective, analytical part deals with methods of object identification and analyzes the object recognition problems. Further, the description of the proposed hybrid method is suggested and its theoretical benefits are indicated. Experimental part describes the whole research process, data treatment processing and summarizes the results. After evaluating the methods of object identification, hybrid method, that unifies linear discriminant and methods of neuron system, is proposed. Comparing the standard object recognition methods with the hybrid ones, it was demonstrated, that the hybrid methods allow for greater accuracy (approximately 10%) in the process of identification. Paper consists of 56 pages, inventory is enlivened by 25 pictures, 7 tables and 2 appendixes.

Darbe apžvelgtos bazinės neuroninių tinklų savybės, architektūra ir kombinavimo metodikos. Atlikta neuroninių tinklų tiesinių kombinavimo metodų analizė. Palyginti skirtingi neuroninių tinklų diversiškumo matavimai ir pritaikyti eksperimente. Išnagrinėta duomenų balinimo transformacija ir jos taikymo galimybės neuroninių tinklų kontekste. Šio darbo tikslas – ištirti duomenų balinimo operacijos poveikį tiesinių kombinavimo metodų ir skirtingų ekspertų parinkimui, formuojant kokybiškesnį neuroninių tinklų kolektyvą. Pritaikytas naujas metodas blogos kokybės skirtingų ir geros kokybės panašių ekspertų klasifikatoriams sudaryti. Svarbiausios eksperimento išvados: -Balinimo transformacija taikoma pradiniams duomenims klasifikatorius padaro panašesnius. -Duomenų balinimo transformacijos taikymas ekspertų aibės atsakymams blogos kokybės skirtingus klasifikatorius padaro pranašesnius uţ geros kokybės vienodus klasifikatorius net iki 40%. / The purpose of this study was to research the effect of data whitening for different linear combination and diversity measure methods selection in context of building better classifier ensemble. In work main characteristics, architecture and combination methods of neural network were identified. Different linear combination methods and diversity measures were analyzed in context of data whitening. In experiment classifier quality effect of data whitening transformation was researched with different classifiers. The new method for designing bad quality different and good quality similar classifiers was constructed. Most important experiment conclusions: -Data whitening transformation applied for initial data vectors makes classifiers more similar. -Applying data whitening transformation for single classifier set answers makes bad quality different classifiers better than good quality similar classifiers in lower generalization error range up to 40%.

Šiame darbe pasiūlytas algoritmas, gebantis spręsti dviejų klasių problemą bei pasitelkiant tik tekstinį turinį skirtas analizuoti ir klasifikuoti tokius daugialypės terpės dokumentus kaip HTML puslapiai. Taip pat Mozilla Firefox įskiepio pagrindu sukurtas turinio filtras, klasifikuojantis pagal darbe pasiūlytą klasifikavimo algoritmą. Klasifikatoriui apmokyti pasitelktas PHP programavimo kalba realizuotas tiesinis atraminių vektorių algoritmas (SVM). Pagrindinės realizuoto turinio filtro savybės, išskiriančios jį iš daugumos rinkoje esančių analogiškų įrankių, tai galimybė klasifikuoti dar algoritmui nežinomus interneto puslapius bei priklausomai nuo parametrų blokuoti tik dalį arba visą internetinį dokumentą. / An algorithm, able to solve two class problem, designed to analyse and classify multimedia documents such as HTML pages by using textual content, is suggested in the paper. Moreover, content filter based on Mozilla Firefox extension was developed to classify web pages according to the algorithm. Linear support vector machine (SVM) was developed using PHP programming language in order to train the classifier. The main advantage of the content filter we developed which distinguishes it from other analogical tools existing in the market is its ability to classify web pages unfamiliar to the algorithm and to block a part or entire web document depending on setup.

The present research paper deals with the comparison of static and dynamic data structures: static array, dynamic array, pointers array - class TList (Delphi) and dynamic doubly linked list, created with the help of recursive record.To compare the above mentioned structures, sorting (Bubble) and convex hull creation algorithms (Graham, Endrew) are realized, with the time of their implementation analysed. The algorithm of sorting (Bubble) is realized by four ways: static array, dynamic array, pointers array (class TList) and a dynamic doubly linked list, created with the help of recursive record.The algorithms of convex hull creation (Graham, Endrew) is realized by three ways: static array, dynamic array and pointers array (TList).The research paper also describes the pointers array class TList (Delphi), its properties and methods. The sorting method Sort of this class is compared with the sorting method of a “Bubble”. Using class templates, a universal class MList (C++) was created for work with dynamic linear linked lists.