Інші праці КІТС (ДМетІ)

Permanent URI for this collection

http://crust.ust.edu.ua/handle/123456789/14594

Browse

Now showing 1 - 20 of 53

Матеріали Міжнародної науково-технічної конференції «Інформаційні технології в металургії та машинобудуванні. ITMM’25»
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2025)
UKR: У збірник включені тези доповідей, які були представлені на Міжнародній науково-технічній конференції «Інформаційні технології в металургії та машинобудуванні. ІТММ’2025».
Огляд методів ШІ для прогнозування покладів вуглеводнів з 3D-сейсмічних зображень
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2025) Дмитрієва, Ірина Сергіївна; Дмитренко, Андрій Миколайович
UKR: Ця робота досліджує, як методи штучного інтелекту можна використовувати для виявлення потенційних скупчень вуглеводнів за допомогою 3D-сейсмічних зображень. Вона заглиблюється в сучасні досягнення ШІ в інтерпретації сейсмічних даних, охоплюючи такі методи, як згорткові та рекурентні нейронні мережі, графові нейронні мережі та трансформери. У статті також розглядаються значні перешкоди, такі як проблеми з доступністю та якістю навчальних даних, труднощі із застосуванням моделей до нових областей та складнощі, пов'язані з розумінням результатів. Крім того, вона торкається методів підготовки сейсмічних зображень та вилучення релевантних ознак, підходів до роботи з обмеженими даними та пропонує потенційні шляхи для майбутніх досліджень у цій галузі.
Застосування методів прийняття рішень для вибору місця розташування станцій сонячної енергетики в Україні
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2025) Мала, Юлія Анатоліївна; Селівьорстова, Тетяна Віталіївна
UKR: У статті розглянуто актуальність розвитку сонячної енергетики в Україні в контексті кліматичних змін, енергетичної безпеки та повоєнного відновлення. Особливу увагу приділено задачі вибору оптимального місця розташування сонячних електростанцій (СЕС) з урахуванням природних, соціально-економічних та екологічних факторів. Для обґрунтування рішень запропоновано використання методів багатокритеріального аналізу — AHP та TOPSIS. Проведено порівняння зазначених методів щодо їх доцільності застосування в задачах просторового планування. Визначено, що метод TOPSIS є ефективним при великій кількості альтернатив і наявності кількісних даних, тоді як AHP доцільний на етапі формування структури критеріїв. Також представлено сучасні інструменти для програмної реалізації обраних методів у середовищі Python, що дозволяють автоматизувати аналіз і візуалізацію результатів для ухвалення зважених рішень у сфері сталого розвитку енергетики.
Контекстно залежна адаптація відповідей генеративних LLM
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2025) Березюк, Микита Олександрович; Гуда, Антон Ігорович
UKR: В умовах кризових ситуацій оперативність реагування набуває вирішального значення. Великі мовні моделі (LLM) здатні генерувати корисні рекомендації, однак їх стандартна поведінка часто не враховує специфічний контекст надзвичайних подій. У цій доповіді пропонується Adaptive Injectable Realignment Model (Adaptive IRM) як підхід для досягнення контекстно залежної генерації відповідей. Adaptive IRM – це невеликий нейронний модуль, який інтегрується у прямий прохід LLM та ін’єктує контекстні сигнали для корекції внутрішніх представлень моделі без зміни її основних ваг. Наша розробка орієнтована на кризовий контекст, з використанням N нейронів (у нашому випадку N = 4), які відповідають за стихійні лиха (землетрус, повінь, пожежу та ураган). Вихідні сигнали Adaptive IRM, які додаються на різних шарах трансформера, модифікує механізми уваги з метою підсилення інформації, релевантної конкретному контексту. У доповіді окреслено архітектуру IRM, описано запропоновані розширення, а також подано план використання датасету HumAID для навчання Adaptive IRM. Експериментальні результати поки відсутні; натомість, обговорено концепцію, мотивацію та перспективи впровадження запропонованої системи.
Використання моделі на основи безпеки для захисту хмарних середовищ
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2025) Бобренок, Вячеслав Віталійович; Гуда, Антон Ігорович
UKR: Стрімкий ріст популярності хмарних середовищ вимагає приділяти особливу увагу безпеці ресурсів та даних, розташованих у хмарі. Розглянута концепція довіри та її властивості, завдяки яким вона може бути використана для опису взаємодії компонентів у хмарних середовищах. Завдяки цьому моделі на її основі можуть бути застосовані для захисту цих середовищ. Розглянуті реалізації подібних моделей, а саме: TNA-SL, InterTrust, ODTMF, Fuzz Art та їх модифікації. Були визначені вимоги до них, відомі недоліки та переваги. Як результат, був зроблений висновок, що моделі на основі довіри можуть бути використані для захисту хмарних середовищ, проте вони потребують оптимізацій як часу виконання, так і масштабування для подальшого використання. Також було визначено, що варто звернути увагу на їх використання у об’єднаних хмарних середовищах.
Аналіз настроїв користувачів Twitter на основі текстових даних з використанням згорткової нейронної мережі
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2025) Гнатушенко, Володимир Володимирович; Каштан, В. Ю.; Овчаренко, М. А.; Іванько, А. М.
UKR: Розглянуто застосування згорткових нейронних мереж (CNN) для аналізу настроїв користувачів на основі текстових даних соціальної мережі Twitter. Актуальність роботи зумовлена зростаючим обсягом неструктурованих текстових даних у соціальних мережах та необхідністю їх ефективної обробки для розуміння громадської думки. Запропонована модель CNN включає представлення текстових даних у векторному просторі, згорткові та пулінгові шари для вилучення релевантних ознак, а також повністю зв'язані шари для класифікації настроїв на позитивні та негативні. Для запобігання перенавчанню застосовано шари випадкового виключення нейронів (Dropout). Експериментальна оцінка моделі проводилася на спеціально підготовленому наборі даних із Twitter. Результати тестування демонструють перспективність використання CNN для автоматизованого аналізу настроїв користувачів соціальних мереж.
Автоматична семантична сегментація зображень Sentinel-2: інтеграція методів кластеризації та великих мовних моделей для інтерпретації кластерів
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2025) Гончаров, Олександр Геннадійович; Гнатушенко, Вікторія Володимирівна
UKR: Семантична сегментація супутникових зображень, зокрема даних Sentinel-2, є важливим інструментом екологічного моніторингу та управління земними ресурсами. У роботі запропоновано метод автоматичної класифікації земного покриву без використання маркованих даних. Підхід ґрунтується на поєднанні кластеризації (K-Means, DBSCAN, автоенкодери) та мультимодального маркування за допомогою великих мовно-візуальних моделей (GPT-4, Claude, Gemini 2.0 тощо). Інтерпретація кластерів здійснюється на основі візуалізацій, що автоматично аналізуються моделями. Методологія дозволяє досягти точності сегментації на рівні 85–90%, порівнянної з супервізованими підходами, та забезпечує інтерпретованість і масштабованість. Система також підтримує нормалізацію термінів і голосування кількох моделей для підвищення надійності. Результати валідуються з використанням карт ESA WorldCover. Підхід є перспективним для швидкого картографування в умовах обмежених ресурсів.
Використання нейронних мереж реального часу у системах виявлення мережевих вторгнень
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2025) Горбатов, Віталій Сергійович; Журба, Анна Олексіївна
UKR: В роботі розглянуто нагальні обмеження сучасних систем виявлення вторгнень (NIDS), які зазвичай базуються на статичних текстових правилах. Такий підхід перешкоджає виявленню нових або модифікованих атак, оскільки зловмисники можуть легко обійти ці статичні правила за допомогою мінімальних модифікацій. Як перспективний напрям розглянуто впровадження нейронних мереж, оснащених можливостями онлайн-навчання. Проаналізовано декілька найсучасніших рішень, у тому числі Online Sequential Extreme Learning Machine (OSELM), T-DFNN і різні інкрементні моделі глибоких нейронних мереж, усі з яких демонструють здатність адаптуватися в реальному часі. Робота не лише узагальнює поточні методології, але й підкреслює значний потенціал онлайн-навчання для підвищення ефективності та гнучкості систем кібербезпеки, зокрема в динамічному виявленні zero-day загроз.
Оцінка стану забруднення водних об’єктів на основі спектральних індексів
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2025) Кавац, Юрій Віталійович; Сергєєва, Катерина Л.; Фененко, Тетяна Михайлівна; Дібрій, Данило Андрійович
UKR: У дослідженні описано основні забруднювачі водних ресурсів України та методи оцінки ступеня забруднення за допомогою супутникового моніторингу. Супутникові дані дозволяють швидко отримувати дані з високою просторовою роздільною здатністю і великим просторовим покриттям для важкодоступних ділянок земної поверхні. Суттєвим аспектом супутникового моніторингу є можливість отримання інформації про зміни поверхневих вод на основі аналізу їх забруднення. Різночасові дані, в тому числі архівні, дають змогу оцінити стан водойм за кілька років. В якості основного масиву даних запропоновано мультиспектральні зображення супутника Sentinel-2, спектральні характеристики яких дозволяють отримати широкий спектр інформації. Проаналізовано приклади застосування дистанційного підходу для оцінки ступеня забруднення водойм на великих територіях. Вказано перспективні методи подальших досліджень для вирішення прикладних задач.
Адаптивна система оцінювання ризиків онлайн транзакцій на основі інтелектуального аналізу
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2025) Носов, Валерій Олександрович; Островська, Катерина Юріївна
UKR: З кожним роком кількість фінансових операцій неспинно зростає, а з нею і відповідні кіберзагрози, зокрема шахрайство, тому виявлення ризикових транзакцій в електронній комерції набуває все більшої актуальності. У дослідженні розглянуто адаптивний підхід до оцінювання ризиків онлайн транзакцій на основі інтелектуального аналізу даних, зокрема машинного навчання. Запропонована система передбачає багаторівневу структуру в яку входять поведінковий аналіз, семантична оцінка транзакцій та інтеграція результатів для формування фінального індикатора ризику. Увагу приділено виявленню відхилень від типових шаблонів, зіставленню історичних даних з поточними діями користувача, а також гнучкому реагуванню на підозрілі активності та аномалії у режимі реального часу. Зазначений підхід дозволить підвищити точність виявлення шахрайських операцій, зменшити кількість хибнопозитивних спрацювань, і забезпечити здатність моделі до адаптації в умовах постійно зростаючих загроз у динамічному середовищі.
Система багаторівневої верифікації персональних даних у блокчейн-середовищі
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2025) Ситник, Роман Сергійович; Гнатушенко, Вікторія Володимирівна
UKR: У роботі запропоновано інноваційний підхід до вирішення проблеми верифікації та захисту персональних даних у системах на основі технології блокчейн. Розроблено метод забезпечення достовірності та цілісності даних, що базується на математичній моделі з використанням комплексної функції валідації та ієрархічної структури вузлів верифікації. Запропонована модель представляє кожен елемент даних як кортеж компонентів, що включає версію даних, цифровий підпис джерела, часову мітку, геш попередньої версії та метадані верифікації. Достовірність оцінюється через інтегральний показник, що враховує різні аспекти валідації. Впроваджено систему "довірених джерел" з динамічним оновленням рівня довіри на основі історії операцій та алгоритму консенсусу Proofof-Authority. Архітектурно система реалізується через створення ієрархічної структури вузлів верифікації, де кожен рівень відповідає за певний аспект перевірки даних. Запропоноване рішення забезпечує баланс між захистом даних та зручністю їх використання.
Сучасні підходи до оптимізації інтерфейсів веб-застосунків: інтерактивність, функціональність та доступність
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2025) Царик, Владислав Юрійович; Гнатушенко, Вікторія Володимирівна; Селівьорстова, Тетяна Віталіївна
UKR: В роботі розглянуто сучасні підходи до оптимізації інтерфейсів веб-застосунків, спрямовані на підвищення їхньої інтерактивності, функціональності та доступності. Аналізуються ключові аспекти проектування користувацьких інтерфейсів, включаючи юзабіліті-тестування, технічну оптимізацію, інтерактивні елементи та принципи доступності. У результаті запропоновано рекомендації для розробників, що сприяють створенню адаптивних і зручних веб-ресурсів, які відповідають сучасним вимогам конкурентного цифрового середовища.
Аналіз емоцій з використанням голосових ознак
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2025) Дмитрієва, Ірина Сергіївна; Бімалов, Дмитро Вікторович
UKR: У роботі описані методи розпізнавання емоцій людини. Ця сфера штучного інтелекту стрімко розвивається і відіграє ключову роль у підвищенні ефективності взаємодії між людиною та комп'ютером. У процесі дослідження аналізуються наявні підходи щодо розпізнавання емоцій за участю голосових ознак. У цій роботі розглядаються методи аналізу емоцій на основі голосових ознак. Описуються основні параметри, такі як частота, темп, інтонація, тембр і гучність, які дають змогу визначити емоційний стан людини за її мовленням. Розглядаються сучасні підходи, включно з використанням алгоритмів машинного навчання та нейромережевих моделей для опрацювання аудіофайлів і класифікації емоцій. Це дослідження сприяє розвитку вивчення емоцій, надаючи глибше розуміння людських емоційних станів.
Створення безсерверних serverless веб-додатків на платформі Azure Functions з використанням .NET
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2025) Красношапка, Никита Сергійович; Селівьорстова, Тетяна Віталіївна
UKR: У дослідженні розглядаються переваги використання безсерверної архітектури на базі Azure Functions у поєднанні з технологіями .NET для створення сучасних веб-додатків. Проаналізовано обмеження традиційних підходів до розробки, зокрема складність масштабування, витрати на інфраструктуру та обмежену гнучкість. Проведено огляд актуальних наукових публікацій щодо застосування безсерверних технологій та особливостей інтеграції Azure Functions з іншими сервісами Azure. Експериментальне дослідження показало, що використання Azure Functions сприяє скороченню часу розробки, підвищенню надійності та гнучкості додатків. У роботі наголошено на важливості безпеки, авторизації та правильного вибору архітектурних рішень. Запропоновано напрями подальших досліджень, пов’язані з інтеграцією безсерверних рішень у сферах IoT, Big Data та Machine Learning.
Топ 4 онлайн фото генераторів штучного інтелекту використання фото генераторів ШІ для створення фонових зображень сайту
(Scientific Publishing Center “Sci-conf.com.ua”, MDPC Publishing, 2024) Коробань, Любов Миколаївна; Дмитрієва, Ірина Сергіївна
UKR: Метою виконання роботи є ознайомитися з програмним забезпеченням онлайн фото генераторів штучного інтелекту для створення зображень із слів та створити фонові зображення для сайту. Об’єкт дослідження – наявні онлайн фото генератори штучного інтелекту та їх ефективність обробки тексту. Предмет дослідження – функціонал веб-програм та якість створення зображення відповідно до заданого тексту.
Випуск 3 (158). Системні технології
(Український державний університет науки і технологій, ННІ «Дніпровський металургійний інститут», ІВК «Системні технології», Дніпро, 2025)
UKR: У збірнику публікуються результати досліджень в галузі техніки, присвячених проблемам системного моделювання процесу технічних об'єктів, обробки інформації, оптимізації керування параметрами процесу.
Випуск 2 (157). Системні технології
(Український державний університет науки і технологій, ННІ «Дніпровський металургійний інститут», ІВК «Системні технології», Дніпро, 2025)
UKR: У збірнику публікуються результати досліджень в галузі техніки, присвячених проблемам системного моделювання процесу технічних об'єктів, обробки інформації, оптимізації керування параметрами процесу.
Випуск 1 (156). Системні технології
(Український державний університет науки і технологій, ННІ «Дніпровський металургійний інститут», ІВК «Системні технології», Дніпро, 2025)
UKR: У збірнику публікуються результати досліджень в галузі техніки, присвячених проблемам системного моделювання процесу технічних об'єктів, обробки інформації, оптимізації керування параметрами процесу.
Особливості застосування лінійних двигунів у промисловій автоматизації
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2023) Булавка, О. С.; Гуда, Антон Ігорович
UKR: Лінійні двигуни забезпечують високу точність, високу швидкість і високе співвідношення сили до ваги, що робить їх ідеальними для застосувань, де потрібен швидкий і точний лінійний рух. Крім того, їх конструкція з прямим приводом усуває потребу в передачах або механічних зв’язках, що зменшує тертя та підвищує ефективність системи. У статті також згадується, що лінійними двигунами можна керувати для отримання різних швидкостей і прискорень, змінюючи послідовність і інтенсивність струму, що протікає через котушки. Однак лінійні двигуни також мають деякі недоліки, які слід враховувати, наприклад їх вартість, складність і чутливість до факторів навколишнього середовища. Незважаючи на ці недоліки, переваги використання лінійних двигунів роблять їх популярним вибором у багатьох додатках промислової автоматизації.
Стратегії визначення оптимальної кількості вхідних даних для розпізнавання об’єктів на супутникових зображеннях
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2023) Солдатенко, Дмитро Володимирович; Гнатушенко, Вікторія Володимирівна
UKR: Розпізнавання супутникових зображень є життєво важливим застосуванням комп’ютерного зору з численними потенційними варіантами використання в таких сферах, як боротьба зі стихійними лихами, землекористування та міське планування. Це дослідження спрямоване на визначення оптимальної кількості вхідних даних, необхідних для навчання нейронної мережі для розпізнавання супутникових зображень. З цією метою проводиться серія суворих експериментів, щоб дослідити вплив кількості вхідних даних на кілька показників продуктивності, включаючи точність, конвергенцію та узагальнення моделі. Висновки показують, що збільшення кількості вхідних даних загалом покращує продуктивність моделі до точки насичення, після якої подальше збільшення не призводить до значних покращень і навіть може призвести до переобладнання. Дослідження пропонує кілька стратегій для визначення цієї точки насичення та пом’якшення наслідків переобладнання. Результати, отримані в результаті цього дослідження, можуть допомогти в розробці більш ефективних моделей розпізнавання супутникових зображень.

Browse

Recent Submissions