Електронний архів наукових та освітніх матеріалів КПІ ім. Ігоря Сікорського

ELAKPI – інституційний репозитарій, що накопичує, зберігає, розповсюджує та забезпечує довготривалий, постійний та надійний доступ через Інтернет до наукових та освітніх матеріалів професорсько-викладацького складу, співробітників, студентів, аспірантів та докторантів КПІ ім. Ігоря Сікорського. За посиланням можна ознайомитися з положенням про ELAKPI.

Доступ до матеріалів ELAKPI

Доступ до повних текстів матеріалів ELAKPI вільний в мережі Інтернет, крім:

  • частини матеріалів з зібрань факультетів/кафедр, завантажених до 2016 року, доступ до яких надається в локальній мережі університету, що вказано в описі матеріалу;
  • звітів про НДР – доступ з комп’ютерів у залі № 6.6 НТБ;
  • дисертацій та авторефератів, завантажених до 2016 року, які доступні тільки для перегляду з комп’ютерів у залі № 6.6 НТБ.

Щоб отримати права на перегляд/скачування повних текстів ресурсів, доступних тільки в локальній мережі університету, зареєстровані користувачі Бібліотеки КПІ ім. Ігоря Сікорського можуть скористатися послугою Віддалений доступ до "локальних" ресурсів.

Розміщення матеріалів в ELAKPI
Контакти

Бібліотека КПІ ім. Ігоря Сікорського, зал № 4.4, тел. +38 (044) 204-96-72, elakpi@library.kpi.ua, elakpi.ntb@gmail.com

 

Фонди

Виберіть фонд, щоб переглянути його зібрання.

Зараз показуємо 1 - 38 з 38

Нові надходження

Ескіз недоступний
ДокументВідкритий доступ
Моделі і прогнози ризику вигорання працівників за показниками робочого навантаження
(КПІ ім. Ігоря Сікорського, 2026) Кузьмич, Ірина Олександрівна; Левенчук, Людмила Борисівна
Дипломна робота: 105 с., 18 рис., 8 табл., 2 додатки, 19 джерел. Тема: Моделі і прогнози ризику вигорання працівників за показниками робочого навантаження. Об’єкт дослідження – процес розвитку професійного вигорання працівників. Предмет дослідження – математичні моделі та програмні засоби для прогнозування ризику професійного вигорання. Мета роботи – розробити програмне рішення для аналізу та прогнозування рівня вигорання персоналу із використанням сучасних методів машинного навчання, а також оцінити ступінь впливу ключових факторів на цей процес. У роботі розглянуто основні теоретичні аспекти та моделі професійного вигорання, виконано порівняння моделей прогнозування (множинна лінійна регресія, Random Forest, XGBoost, LightGBM), реалізовано вибрані методи у програмному середовищі Python. Для забезпечення прозорості та інтерпретованості результатів застосовано фреймворк SHAP. Програмний засіб дозволяє прогнозувати рівень професійного вигорання на основі індикаторів робочого навантаження та ментальної втоми, що є актуальним для превентивного управління кадровими ризиками. Шляхи подальшого розвитку предмету дослідження – оптимізація гіперпараметрів моделей, впровадження алгоритмів глибинного навчання, розширення спектра аналізованих факторів робочого середовища та створення зручного вебінтерфейсу для інтеграції корпоративні системи.
Ескіз недоступний
ДокументВідкритий доступ
Розробка інструментарію синтезу булевих правил для класифікації інформаційних маніпуляцій у SAS Content Categorization на основі LLM-агентів
(КПІ ім. Ігоря Сікорського, 2026) Кубарич, Степан Ігорович; Савастьянов, Володимир Володимирович
Дипломної робота: 125 с., 18 рис., 18 табл., 31 джерел, 5 додатків. Актуальність теми. Стрімкий розвиток цифрових комунікацій і соціальних мереж призвів до різкого збільшення кількості маніпулятивного контенту в інформаційному просторі. В умовах російсько-української війни ця проблема набула критичного виміру, оскільки інформаційні операції стали невід'ємною складовою гібридного протистояння. Автоматизоване виявлення маніпуляцій ускладнюється тим, що вони реалізуються через емоційне забарвлення, вибіркове цитування та риторичні прийоми, які вимагають глибокого контекстуального розуміння тексту. Традиційні підходи (ручне укладання словників або ML-класифікатори) є або занадто трудомісткими, або втрачають інтерпретованість результатів. Перспективним вирішенням є використання великих мовних моделей (LLM) як автономних агентів для автоматизованого синтезу явних, аудитабельних булевих правил, придатних для застосування у промислових системах категоризації контенту. Мета роботи — розробка програмного інструментарію, що реалізує двохагентний конвеєр на основі LLM для автоматизованого синтезу булевих правил класифікації інформаційних маніпуляцій у форматі SAS Content Categorization, та експериментальне дослідження ефективності отриманих правил порівняно з іншими підходами. Для досягнення поставленої мети вирішено такі задачі дослідження: 1) проведено огляд наукової літератури з питань методів виявлення маніпуляцій та архітектур LLM-агентів; 2) проаналізовано базовий корпус UNLP 2025 Shared Task; 3) сформовано власний анотований корпус із 300 текстів для доповнення рідкісних класів маніпуляцій; 4) формалізовано задачу багатомічкової класифікації маніпуляцій та побудовано ієрархічну таксономію технік. Об'єкт дослідження — процес автоматизованої класифікації інформаційних маніпуляцій у текстах соціальних медіа. Предмет дослідження — методи та засоби синтезу інтерпретованих булевих правил класифікації маніпулятивного контенту на основі LLMагентів у форматі SAS Content Categorization. Методи дослідження. У роботі використано методи корпусної лінгвістики текстових даних, методи prompt engineering (chain-of-thought, fewshot prompting), методи символьної формалізації знань, булевої алгебри, обчислювального експерименту та порівняльного аналізу. Наукова новизна. Вперше запропоновано двохагентну архітектуру синтезу булевих правил для системи SAS Content Categorization, в якій спеціалізований агент аналізу корпусу формує структуровані гіпотези про мовні патерни, а агент синтезу автоматично транслює їх у формальні булеві вирази з валідацією синтаксису. Практичне значення. Розроблений інструментарій може бути застосований у медіааналітичних організаціях для автоматизованого моніторингу маніпулятивного контенту. Синтезовані булеві правила є готовими до промислового розгортання в SAS Studio і не потребують наявності LLM-інфраструктури під час класифікації, що знижує операційну вартість системи. Сформований анотований корпус планується до відкритої публікації.
Ескіз недоступний
ДокументВідкритий доступ
Система підтримки прийняття рішень для керування процесами протидії шкідливому ПЗ в комп’ютерних мережах
(КПІ ім. Ігоря Сікорського, 2026) Кос, Катерина Олександрівна; Куєвда, Юлія Валеріївна
Дипломна робота: 99 сторінки, 8 таблиць, 21 рисунок, 2 додатки, 20 джерел. Об'єктом дослідження є процеси поширення шкідливого програмного забезпечення в розподілених комп'ютерних мережах, що включають динаміку зараження вузлів у багатосегментних корпоративних інфраструктурах та механізми взаємодії між ізольованими підмережами. Предметом дослідження є математичні моделі та методи оптимального керування для розрахунку стратегій протидії кіберепідеміям, зокрема узагальнена епідеміологічна SIR-модель для довільної кількості підмереж, алгоритми параметричної ідентифікації коефіцієнтів поширення вірусу та лінійно-квадратичний регулятор. Постановка задачі: використовуючи епідеміологічні моделі та теорію оптимального керування, розробити СППР для керування протидією шкідливому ПЗ в мережах довільної топології з автоматичною оцінкою параметрів поширення вірусу та синтезом оптимальної стратегії патчування. Метою роботи є створення СППР, яка реалізує узагальнену SIR-модель для довільної кількості підмереж, алгоритми параметричної ідентифікації коефіцієнтів зараження на основі МНК, синтез LQR-регулятора через рівняння Ріккаті та покроковий веб-інтерфейс із можливістю порівняння стратегій керування і експорту результатів.
Ескіз недоступний
ДокументВідкритий доступ
Методи класифікації діабетичної ретинопатії на основі глибоких згорткових нейронних мереж
(КПІ ім. Ігоря Сікорського, 2026) Кабанова, Єлізавета Ігорівна; Кузнєцова, Наталія Володимирівна
Дипломна робота: 163 c., 40 рис., 20 табл., 2 дод., 64 джерела. Об’єкт дослідження: процес класифікації стадій діабетичної ретинопатії за фундус-зображеннями. Предмет дослідження: методи глибокого навчання для класифікації діабетичної ретинопатії та підходи до підвищення надійності прогнозів. Мета дослідження: розробка підходу для класифікації діабетичної ретинопатії з підвищеною точністю та надійністю прогнозів шляхом аналізу підготовки даних, моделей глибокого навчання та оцінки невизначеності Методи дослідження: методи комп’ютерного зору та згорткові нейронні мережі з трансферним навчанням, механізми уваги, балансування даних, попередня обробка зображень і методи оцінки невизначеності. Актуальність: висока поширеність діабетичної ретинопатії та потреба в автоматизованій діагностиці з високою точністю. Важливим є врахування невизначеності прогнозів для зменшення ризику помилок у медицині. Отримані результати: розроблено метод класифікації стадій діабетичної ретинопатії на основі глибокого навчання. Проведено аналіз підготовки даних і балансування класів, оцінено точність і надійність моделей. Запропоновано інтегральний показник якості з врахуванням точності та невизначеності. Подальші дослідження: перевірка на більших наборах фундус-зображень і вдосконалення методів класифікації та оцінки невизначеності. За матеріалами роботи опубліковано статтю в Applied Aspects of Information Technology («Diabetic retinopathy diagnosis using deep neural networks») та тези доповіді на CMIS-2026 («Comparison of HOG-based Classical Classifiers and CNN Models for Diabetic Retinopathy Diagnosis»).
Ескіз недоступний
ДокументВідкритий доступ
Device for separation of sheet material from the stock with automatic adjustment of the angle of the working plane
(International Science Group, 2026-09-29) Makatora, Dmytro; Zenkin, Mykola; Karpeshko, Andrii