Міжнародна науково-технічна конференція «Інформаційні технології в металургії та машинобудуванні. ІТММ'24»
Permanent URI for this collection
ENG: Scientific and Technical International Conference «Information Technology in Metallurgy and Machine Engineering. ITMM'24», April 10-11, 2024
Browse
Browsing Міжнародна науково-технічна конференція «Інформаційні технології в металургії та машинобудуванні. ІТММ'24» by Subject "artificial intelligence"
Now showing 1 - 4 of 4
Results Per Page
Sort Options
Item Дослідження особливостей застосування штучного інтелекту в інженерії програмного забезпечення(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2024) Гуда, Антон Ігорович; Булавка, О. С.; Довидовський, Е. О.; Селівьорстова, Тетяна ВіталіївнаUKR: Проведений аналіз трансформаційного впливу штучного інтелекту на сферу розробки програмного забезпечення, демонструючи, як інструменти на основі ШІ оптимізують робочі процеси та підвищують продуктивність. Від автоматизації створення документації за допомогою таких інструментів, як Rewind.ai і Mutable.ai до перекладу коду на людську мову для легшого розуміння за допомогою Figstack, ШІ революціонізує практику розробки. Ці інновації підкреслюють ключову роль штучного інтелекту в зміні процесів розробки програмного забезпечення, покращенні якості коду та сприянні ефективній командній роботі в дедалі динамічнішому середовищі.Item Застосування штучного інтелекту для розв'язання інженерних задач. Переваги та виклики(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2024) Красношапка, Никита Сергійович; Малієнко, Станіслав Євгенович; Гуда, Антон Ігорович; Селівьорстова, Тетяна ВіталіївнаUKR: Штучний інтелект (ШІ) стає невід'ємною частиною сучасної інженерії, обіцяючи трансформувати способи проектування, виробництва та управління системами. Його застосування варіюється від автоматизації процесів до оптимізації виробничих циклів, підвищуючи ефективність та надійність. Проте, незважаючи на переваги, існують виклики, такі як інтеграція ШІ в етап проектування, вимоги до безпеки та конфіденційності даних. Особливо в індустрії EPC, де кожен проект має унікальні вимоги, а високі стандарти безпеки ускладнюють впровадження ШІ. Також необхідність у кваліфікованих фахівцях та ефективних механізмах збору даних створюють додаткові перешкоди. Успішне впровадження ШІ вимагає інтеграції досвіду компаній, стратегічного підходу та підтримки вищого керівництва.Item Комплексні онтологічні та нейромережеві моделі фотографічних образів(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2024) Галушка, Олександр Валентинович; Шинкаренко, Віктор ІвановичUKR: Ця стаття досліджує інноваційний підхід до розробки систем комп'ютерного зору, заснований на глибокій інтеграції онтологічних та нейромережевих моделей для ефективного аналізу фотографічних зображень. У цій роботі пропонується новий гібридний метод у контексті сучасних викликів, пов'язаних з розпізнаванням зображень, таких як висока різноманітність класів та проблеми оклюзії об'єктів на фотографіях низької якості. Цей метод надає моделям комп'ютерного зору здатність до глибшого розуміння контексту та семантики зображень, використовуючи онтологічні структури для представлення візуального вмісту. Аналітичний процес включає ідентифікацію ключових об'єктів на зображенні та визначення їхнього онтологічного контексту, що дозволяє нейронним мережам ефективно виконувати градієнтну трансформацію вхідних даних для більш точного розпізнавання та класифікації. Запропонована модель демонструє потенціал для отримання переваги над традиційними методами у задачах комп'ютерного зору, відкриваючи нові можливості для розширення застосувань комп'ютерного зору у науковій, промисловій та побутовій сферах.Item Рефакторинг крос-платформних застосунків з використанням штучного інтелекту(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2024) Сирота, Олександр Анатолійович; Горячкін, Вадим МиколайовичUKR: У сфері розробки програмного забезпечення продуктивність рефакторингу коду збільшується завдяки використанню штучного інтелект (ШІ). У процесі рефакторингу можна використовувати такі методи ШІ, як машинне навчання (ML), обробка природної мови (NLP) та генетичні алгоритми (GA). Кожен з методів має певний вплив на процес, як позитивний так і негативний. Зважаючи на це робота, що виконується ШІ, вимагає ретельного управління, щоб уникнути ряду проблем, наприклад "галюцинацій". Дослідження продовжують вивчати нові методи, оцінювати порівняльну ефективність та оптимізувати моделі ШІ для конкретних фреймворків і мов.