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 ELAKPIДоступ до повних текстів матеріалів ELAKPI вільний в мережі Інтернет, крім:
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. | КонтактиБібліотека 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.
- Вільний доступ
- Доступ у читальній залі № 6.6 НТБ
- Припинив існування 1.07.2020
- Доступ у читальній залі № 6.6 НТБ
- Стара назва до 1.09.2025 року - Інженерно-хімічний факультет (ІХФ)
- Припинив існування 1.07.2018
- Раніше - Факультет прикладної математики (ФПМ)
- Припинив існування 1.07.2020
Нові надходження
Макро- та міроекономічний аналіз. Курсова робота
(КПІ ім. Ігоря Сікорського, 2025) Вовк, Ольга Миколаївна
В навчальному посібнику «Макро- та мікроекономічний аналіз: курсова робота» викладено організаційні аспекти написання курсової роботи з освітньої компоненти. Навчальний посібник містить опис усіх необхідних структурних елементів курсової роботи з макро- та мікроекономічного аналізу та рекомендації щодо її написання й оформлення. Приділено увагу роз’ясненню щодо застосування методичних підходів до аналізу закономірностей у національній економічній системі, на окремих ринках та у діяльності мікроекономічних суб’єктів господарювання. Наведено характеристику і вимоги до змісту, наповнення та оформлення курсової роботи. Навчальний посібник призначений для здобувачів освітнього ступеня «бакалавр», які навчаються за спеціальністю 051 «Економіка».
Пристрій для безманжетного вимірювання артеріального тиску на основі аналізу фотоплетизмограми
(КПІ ім. Ігоря Сікорського, 2025) Козлянський, Костянтин Олександрович; Чернов, Артем Сергійович
Об’єктом дослідження є електронна система для неінвазивного безманжетного вимірювання артеріального тиску на основі фотоплетизмограми (ФПГ).
Мета роботи — розробка та оптимізація схемотехнічного рішення пристрою для безманжетного вимірювання артеріального тиску за аналізом ФПГ, що може слугувати основою для створення повноцінного вимірювального приладу.
У розділі 1 розглянуто сучасні методи вимірювання АТ: ручну аускультацію, автоматичні сфігмоманометри, інвазивний моніторинг та безманжетні методи на основі ФПГ. Проаналізовано фізіологічні основи ФПГ-сигналів, їх отримання та обробку для оцінки тиску: часові параметри (PTT), морфологію хвилі, вимірювання на зап’ясті.
У розділі 2 наведено технічний опис і аналіз існуючих безманжетних пристроїв: Sempulse Halo, Aktiia Bracelet, Samsung Galaxy Watch, SOMNOtouch NIBP. На основі порівняння обґрунтовано вибір елементної бази: мікроконтролер nRF52840, сенсор MAX30102, e-ink дисплей GDEW0154M09 та акумулятор LP303035. Враховано переваги й недоліки компонентів для носимого медичного пристрою.
У розділі 3 запропоновано структурну та принципову електричну схему.
Розроблено модуль живлення, розраховано пасивні елементи, описано підключення ключових блоків: MAX30102, дисплея, кнопок, мікроконтролера.
Забезпечено енергоефективність, модульність і компактність конструкції.
Технології аналізу траєкторій погляду та їх застосування для діагностування контузій
(КПІ ім. Ігоря Сікорського, 2025) Іщук, Олег Олегович; Попов, Антон Олександрович
У дипломній роботі досліджено можливості застосування технологій аналізу траєкторій погляду для діагностики черепно-мозкових травм (ЧМТ), зокрема контузій. Розглянуто технічні засади функціонування айтрекінгових систем, методи реєстрації координат рухів очей, обробки фіксацій і саккад, а також візуалізації траєкторій за допомогою кількісних метрик.
Описано специфіку змін у зоровій поведінці при ЧМТ та виділено інформативні айтрекінгові параметри, які можуть вказувати на когнітивні порушення. Проаналізовано підходи до автоматизованої класифікації ступеня тяжкості травми із застосуванням методів машинного навчання. Розглянуто також можливість побудови персоналізованих моделей прогнозування відновлення пацієнтів.
У практичній частині роботи реалізовано цикл обробки айтрекінгових записів, створено візуалізації траєкторій погляду та підготовлено структурований набір даних для подальшого аналітичного моделювання.
Отримані результати демонструють високий потенціал айтрекінгу як інструменту функціональної нейродіагностики та скринінгу когнітивних розладів.
Модель побудови інтерактивних комп’ютерних систем із використанням платформи ASP.NET Core
(КПІ ім. Ігоря Сікорського, 2025) Шведов, Дмитро Євгенович; Наливайчук, Микола Васильович
Актуальність теми. Створення інтерактивних веб-систем потребує ефективних програмних моделей для забезпечення високої продуктивності, масштабованості та якісного користувацького досвіду. Платформа ASP.NET Core пропонує модель Blazor, яка дозволяє використовувати C# для клієнтської розробки, створюючи можливості для повторного використання коду та спрощення архітектури. Blazor представлений у двох варіаціях – Server та WebAssembly – що забезпечує гнуч кість вибору між виконанням логіки на сервері або в браузері. Порівняльний аналіз моделей Blazor з JavaScript рішеннями є актуальним для обґрунтованого вибору технологій при проектуванні сучасних веб-систем.
Метою дослідження є підвищення ефективності побудови інтерактивних веб-систем шляхом комплексного порівняльного аналізу моделей Blazor Server, Blazor WebAssembly та React за критеріями продуктивності, масштабованості та споживання ресурсів. Об'єктом дослідження є моделі побудови інтерактивних веб-систем на платформі ASP.NET Core. Предметом дослідження є продуктивність та масштабованість моделей Blazor Server, Blazor WebAssembly та React.
Методи дослідження. У роботі застосовано метод порівняльного аналізу для оцінки ефективності різних моделей побудови веб-систем, метод системного аналізу для проектування архітектури еталонного додатку, експериментальний метод для вимірювання метрик продуктивності (Core Web Vitals, затримки відгуку, масштабованість) та статистичний метод для обробки результатів експериментів. Наукова новизна полягає у наступному:
1. Вперше проведено комплексне емпіричне порівняння моделей Blazor Server та Blazor WebAssembly з традиційним JavaScript рішенням за єдиною методологією з контрольованими умовами експерименту.
2. Отримано кількісні характеристики продуктивності, масштабованості та споживання ресурсів для кожної з досліджуваних моделей у різних сценаріях використання.
3. Виявлено межі масштабованості Blazor Server (~650 одночасних користувачів) та встановлено залежність затримки відгуку від мережевої латентності.
4. Розроблено матрицю вибору технології з конкретними рекомендаціями для різних типів веб-додатків.
Практична цінність роботи полягає в тому, що розроблені рекомендації можуть бути використані архітекторами програмного забезпечення та технічними керівниками для прийняття обґрунтованих рішень щодо вибору технологічного стеку при розробці нових веб-систем. Матриця вибору технології забезпечує швидку оцінку придатності кожної моделі залежно від типу додатку, очікуваного навантаження, вимог до продуктивності та характеристик цільової аудиторії. Апробація роботи. • Наукова конференція магістрантів та аспірантів «Прикладна математика та комп’ютинг» ПМК-2025 (Київ, 19-21.11 2025 р.). • XI Міжнародна науково-практична конференція «GLOBAL TRENDS IN SCIENCE AND EDUCATION» (Київ, 17-19.11.2025 р.)
Структура та обсяг роботи. Робота складається із вступу та чотирьох розділів. Загальний обсяг роботи: 80 аркушів основного тексту, 15 таблиць, 8 ілюстрацій. При підготовці використовувалася література з 35 різних джерел.
Спосіб розпізнавання поведінкових патернів на основі попередньо відомих образів
(КПІ ім. Ігоря Сікорського, 2025) Філіпенко, Данило Олександрович; Сергієнко, Павло Анатолійович
Актуальність теми. Актуальність теми дослідження зумовлена швидким розвитком систем комп’ютерного зору та зростанням попиту на автоматизоване розпізнавання поведінкових патернів у відеопотоці в реальному часі. Широке застосування таких систем у відеоспостереженні, аналізі спортивних змагань, охороні здоров’я, інтелектуальних транспортних системах та моніторингу безпеки вимагає високої точності, стійкості до оклюзій, узагальнювальної здатності та ефективності обробки в умовах обмежених ресурсів. Метою даного дослідження є розробка та вдосконалення способу розпізнавання поведінкових патернів на основі інтеграції детекції, трекінгу та класифікації дій з використанням сучасних методів глибокого навчання для досягнення високої точності та стійкості в реальних умовах. Об’єктом дослідження є процеси розпізнавання поведінкових патернів у відеопотоці.
Предметом дослідження є методи та архітектури глибокого навчання для детекції об’єктів, трекінгу та класифікації дій, зокрема інтеграція механізмів уваги, графових нейронних мереж, зовнішньої пам’яті, адаптації доменів та оцінки пози. Наукова новизна полягає в наступному: 1. Запропоновано удосконалений спосіб розпізнавання поведінкових патернів у відеопослідовностях, що ґрунтується на інтеграції детекції, мультіоб’єктного трекінгу та часової класифікації дій у єдину модульну систему на основі сучасних методів глибокого навчання. Розроблено удосконалений ReID-модуль для алгоритму DeepSORT із використанням механізму тимчасової уваги, що забезпечує підвищення стійкості трекінгу до оклюзій та зменшення кількості перемикань ідентифікаторів об’єктів. Запропоновано модуль динамічного мультіоб’єктного трекінгу на основі графових нейронних мереж, який підвищує точність асоціації об’єктів у складних відеосценах при збереженні продуктивності в режимі реального часу. Розроблено пам’яттєво-розширену архітектуру рекурентної нейронної мережі для моделювання довготривалих поведінкових залежностей, що дозволяє підвищити точність класифікації дій у тривалих та складних відеопослідовностях. Запропоновано підхід до доменної адаптації на основі шару обертання градієнтів та гібридне формування ознак, яке поєднує траєкторні та позові характеристики, що забезпечує підвищення узагальнювальної здатності моделі на різних типах відеоданих. Практична цінність отриманих у роботі результатів полягає в тому, що розроблений спосіб розпізнавання поведінкових патернів був реалізований та перевірений у складі веб-застосунку, який забезпечує стабільну роботу в режимі реального часу. Запропонована система може бути використана для задач відеоспостереження, спортивного аналізу, медичного моніторингу, аналізу людської активності та виявлення потенційно небезпечної або аномальної поведінки. Розроблена модульна архітектура дозволяє інтегрувати систему з існуючими відеопотоками та масштабувати її для використання у складних реальних умовах, включаючи вуличні сцени з оклюзіями та великою кількістю об’єктів. Отримані в роботі рішення можуть слугувати основою для подальшого розвитку інтелектуальних відеоаналітичних систем, зокрема шляхом розширення на мультимодальні дані, вбудовані платформи та задачі виявлення аномальної поведінки. Апробація результатів роботи Положення даної роботи та проміжні результати доповідались і обговорювались на наступних конференціях: 1. Прикладна математика та комп'ютинг 2025, м. Київ, 2025. 2. Proceedings of the 4th International scientific and practical conference. BoScience Publisher. Chicago, USA.
Публікації
1. Сергієнко П. А., Філіпенко Д. О. Спосіб розпізнавання поведінкових патернів на основі попередньо відомих образів// International experience in scientific research. Proceedings of the 4th International scientific and practical conference. BoScience Publisher. Чикаго, USA. 2025. – С. 243 – 245. URL:https://sci-conf.com.ua/iv-mizhnarodna-naukovo-praktichna-konferentsiya-international-experience-in-scientific-research-20-22-11-2025-chikago-ssha-arhiv/.
2. Сергієнко П. А., Філіпенко Д. О. Спосіб розпізнавання поведінкових патернів на основі попередньо відомих образів // Прикладна математика та комп'ютинг 2025. – Київ. ПМК-2025. – С. 285 – 289
Структура та обсяг роботи. Магістерська дисертація складається з вступу, трьох розділів, висновків до кожного розділу та загальних висновків по роботі в цілому, списку використаних літературних джерел.
У вступі подано загальну характеристику роботи, описано сучасний стан проблеми, обґрунтовано актуальність теми дослідження, сформульовано мету та задачі роботи, а також наведено відомості про наукову новизну та практичну цінність отриманих результатів. У першому розділі розглянуто огляд сучасних методів детекції, трекінгу та класифікації дій у відеопотоці, проаналізовано набори даних UCF101, NTU RGB+D та MOT17. У другому розділі представлено базову систему на основі YOLOv8n, DeepSORT та LSTM з оцінкою ефективності на контрольованих наборах.
У третьому розділі розроблено та реалізовано вдосконалення: механізм уваги в ReUD, графові нейронні мережі для трекінгу, інтеграцію зовнішньої пам’яті, адаптацію доменів, комбінування ознак за допомогою MediaPipe. У висновках підсумовано результати проведеної роботи. У роботі представлено 11 таблиць, 24 рисунків, список використаних літературних джерел (39 найменувань), 14 слайдів презентації.