Том 3 № 152 (СТ ІПБТ)
Permanent URI for this collection
Volume 3 No. 152 (ST IIBT)
Browse
Recent Submissions
Item Дослідження системи розпізнавання природної мови Amazon Lex V2(Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2024) Носов, Валерій Олександрович; Островська, Катерина ЮріївнаUKR: У сучасних реаліях все більше використовуються системи з розпізнаванням тексту та голосу, бо процес взаємодії з людиною все більше автоматизується. Технологія розпізнавання людської мови є фундаментальним для розвитку штучного інтелекту. Системи, які побудовані на цій технології, мають можливість вирішувати досить велику кількість задач, пов’язаних з аналізом даних, пошуку інформації, виконанням запитів користувачів. Популярними і досить поширеними рішеннями систем з NLP (Natural Language Processing) є голосові помічники, системи розумного дому (такі як Amazon Alexa чи Google Assistant). Дослідження цієї технології та аналіз її інтеграції в хмарних середовищах надає можливість самостійно використати її особливості у якості автоматизованих ад’ютантів, чи наприклад, як частину вже існуючої інтелектуальної системи. NLP ядро сервісу Amazon Lex V2 надає можливість розгорнути власноручно налаштований чат-бот на задану тему, тому з точки зору розробки та дослідження він привертає увагу розробників та аналітиків. Але, перед цим, постає багато питань щодо його можливостей та обмежень, перед якими зіткнеться інтегратор цієї служби.Item Використання технології Orange для інтелектуального аналізу даних в освітній галузі(Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2024) Мала, Юлія Анатоліївна; Селівьорстова, Тетяна Віталіївна; Гуда, Антон ІгоровичUKR: Розвиток систем електронного навчання та впровадження цифрових технологій у традиційний освітній процес призводить до появи великих інформаційних об’ємів, дослідженням яких займається інтелектуальний аналіз освітніх даних (ІАОД) - наукова дисципліна, пов'язана із застосуванням методів інтелектуального аналізу даних до інформації, яку продукують освітні заклади. Актуальність теми зумовлена необхідністю підвищення якості освітнього процесу за рахунок виявлення прихованих закономірностей в масиві освітніх даних. У роботі розкрите визначення інтелектуального аналізу освітніх даних, показана актуальність і необхідність подальшого розвитку даного напрямку в сучасних умовах. В якості прикладу побудована схема аналізу освітніх даних з метою демонстрації ефективного використання інструменту візуального програмування Orange для дослідження освітніх даних з застосуванням методів Data Mining, що дозволяє фахівцям в освітній галузі проводити якісний аналіз з подальшим використанням отриманих результатів при розробці стратегій для забезпечення ефективного процесу навчання та розвитку освіти.Item Розробка методів прогнозування технологічних показників роботи вібраційного грохота з еластичними ситами(Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2024) Кононов, Дмитро Олександрович; Єрмократьєв, Віктор Олексійович; Пелих, Ігор ВолодимировичUKR: Грохочення є одною з основних операцій при переробки сипкого матеріалу. У процесі експлуатації конструкції просіваючих поверхонь повинні мати високі показники ефективності процесу грохочення в залежності від умов класифікації і як можна довше зберігати постійними розміри просіваючих отворів (щілин), щоб мінімізувати можливості закрупнення або задрібненості класифікованого матеріалу розрахункової крупності. На кафедрі галузевого машинобудування УДУНТ розроблено нову конструкцію еластичної просіючої поверхні, яка має високі експлуатаційні показники роботи. На вібраційному грохоті з розробленим еластичним ситом, проведені експериментальні дослідження та отримані залежності ефективності грохочення від параметрів роботи вібраційного грохота. Розроблено математичну та комп'ютерну моделі, які дозволять за допомогою отриманих експериментальних даних прогнозувати ефективності грохочення залежно від параметрів роботи вібраційного грохоту. Проведено порівняння результатів, отриманих регресійним методом та машинним навчанням. Найменшу похибку дають моделі регресії гаусівського процесу. Зокрема, найкращий результат показує регресія з експоненціальною функція ядра. Порівнюючи результати, можна зробити висновок, що моделі отримані методом машинного навчання, дають точніший результат (δmax=5,3%), а при застосуванні рівняння множинної регресії похибка становить 16,2%.Item Комп’ютерне моделювання течії надзвукового газу в каналах змінного перерізу засобами OpenFOAM(Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2024) Дмитрієва, Ірина СергіївнаUKR: На сьогодні існує низка різних програмних комплексів, як пропрієтарних, так і з відкритим вихідним кодом. Одним з таких пакетів з відкритим вихідним кодом є OpenFOAM, який володіє широким спектром можливостей для розв'язання будь-яких завдань, від складних потоків рідини, включно з хімічними реакціями, турбулентністю і теплообміном, до акустики, механіки твердого тіла і електромагнетизму. В роботі розглядається задача комп’ютерного моделювання течії надзвукового газу в каналах змінного перерізу.Item Дослідження впливу існуючих алгоритмів оптимізації обробки правил на швидкодію системи виявлення мережевих вторгнень Snort 3(Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2024) Горбатов, Віталій Сергійович; Журба, Анна ОлексіївнаUKR: Системи виявлення вторгнень у мережу (NIDS) є ключовим компонентом кібербезпеки, працюючи на попередженні, виявленні та реагуванні на потенційні загрози в мережі. Вони аналізують мережевий трафік для виявлення аномальних або зловмисних дій, таких як спроби несанкціонованого доступу, віруси, експлуатація програмного забезпечення та інше. Для високої ефективності системи виявлення вторгнень мають виконувати інспекцію пакетів на швидкості кабелю або близько до неї. Швидкість роботи систем виявлення вторгнень має вирішальне значення, оскільки вона дозволяє вчасно виявити потенційні кіберзагрози, забезпечуючи безперервну роботу бізнес-процесів. Snort 3 є розвитком однієї з найпопулярніших систем виявлення вторгнень - Snort, і є відкритою багатопотоковою системою виявлення вторгнень, яка працює в операційних системах подібних до UNIX. У цьому дослідженні розглянута архітектура системи Snort 3, а також основні алгоритми оптимізації обробки правил та їх вплив на швидкодію системи в різних сценаріях. Швидкодія системи вимірювалася за часом обробки запису мережевого трафіку, який містить як звичайні робочі пакети, так і шкідливі, на двох різних конфігураціях.