Системні науки та інформатика (4 ; Київ ; 2025)
Постійне посилання зібрання
До збірки увійшли матеріали доповідей, представлених на ІV науковопрактичній конференції «Системні науки та інформатика» (1–5 грудня 2025 року, м. Київ, Україна).
Наведені доповіді, присвячені питанням системного аналізу складних систем різної природи, інтелектуальних сервіс-орієнтованих розподілених обчислень, систем і методів штучного інтелекту. Розглядаються новітні досягнення в галузі розробки та досліджень математичних методів, моделей, прогресивних iнформацiйних технологiй для потреб освіти та науки, оборони, промисловостi, економiки та навколишнього середовища.
Для фахівців в області системного аналізу, штучного інтелекту, сучасних інформаційних технологій, а також для аспірантів і студентів старших курсів вищої школи відповідних спеціальностей.
Переглянути
Перегляд Системні науки та інформатика (4 ; Київ ; 2025) за Дата публікації
Зараз показуємо 1 - 20 з 61
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ DDI-TransMDL(КПІ ім. Ігоря Сікорського, 2025) Мацуєв, Р. О.Прогнозування взаємодії між лікарськими засобами (DDI) є критично важливим завданням для забезпечення безпеки пацієнтів та оптимізації терапії. Традиційні унімодальні підходи часто не в змозі повністю охопити складні біохімічні механізми DDI. Метою дослідження є розробка та оцінка високоефективної мультимодальної Transformer-моделі (DDI-TransMDL) для прогнозування 65 різних DDI подій. У роботі застосовано архітектуру Transformer Encoder для інтеграції чотирьох гетерогенних модальностей даних: структурних ознак (SMILE), цільових білків, ферментів та біологічних шляхів. Методи дослідження включають агрегацію ознак включно з коефіцієнтом подібності Жаккара для моделювання взаємодії ліків, та 5-fold крос-валідацію для об’єктивної оціник.Документ Відкритий доступ Система оцінки кредитного ризику на основі машинного навчання та багатокритеріальної підтримки прийняття рішень(КПІ ім. Ігоря Сікорського, 2025) Бєлік, А. А.; Недашківська, Н. І.Метою роботи є розробка гібридного підходу до оцінювання кредитного ризику, що поєднує моделі машинного навчання з багатокритеріальним аналізом рішень. На основі підготовлених даних кредитних заявок побудовано та порівняно кілька алгоритмів прогнозування дефолту, після чого отримані оцінки інтегровано з ключовими характеристиками позичальника методом TOPSIS. Застосування запропонованого підходу дозволяє формувати обґрунтовані кредитні рішення та підвищувати ефективність ризик-менеджменту у фінансових установах.Документ Відкритий доступ Розробка засобів автоматизованого створення доступних IT-графічних елементів(КПІ ім. Ігоря Сікорського, 2025) Ревякін, Д. Е.; Кисельов, Г. Д.Метою дослідження є розробка веб-додатку для автоматизованої конвертації математичних формул у форматі LaTeX у множину доступних форматів, що забезпечують рівнозначний доступ до математичної інформації для людей з обмеженими можливостями зору. Дослідження базується на методах семантичного збагачення MathML структур, застосуванні правил MathSpeak/ClearSpeak для голосового виводу, алгоритмах конвертації у брайлівський код Nemeth та інтеграції OCR технологій для розпізнавання формул з зображень. Результатом роботи є функціональна система, що реалізує повний цикл обробки математичних формул від введення до генерації доступних форматів. Наукова новизна полягає в комплексному підході до забезпечення доступності математичних формул, що поєднує семантичне збагачення, інтерактивну навігацію та множину форматів виводу в єдину систему. Практична значимість розробки полягає в можливості використання системи в освіті, науці та бібліотеках для створення інклюзивного освітнього середовища та забезпечення рівного доступу до математичної інформації.Документ Відкритий доступ Вплив стратегій декодування токенів у великих мовних моделях на якість Text-to-SQL парсингу(КПІ ім. Ігоря Сікорського, 2025) Курганський, Л. С.; Шаптала, Р. В.У роботі досліджується вплив стратегій декодування токенів у великих мовних моделях на якість генерації SQL-запитів у задачі Text-to-SQL. На основі моделі Qwen2.5-3B-Instruct проведено порівняння базових (Greedy, Beam, Top-k, Top-p) та покращених execution-guided стратегій (EG-Beam, EGLA-Beam, EFG-Beam) на наборі даних mini_dev із колекції BIRD-Bench. Для оцінювання використано метрики Execution Accuracy, String Match Accuracy, Component Match Accuracy, AST Similarity та середній час генерації. Результати показали, що інтеграція виконувальних перевірок і механізмів самокорекції суттєво підвищує частку семантично коректних і виконуваних запитів без зміни самої моделі.Документ Відкритий доступ Адаптивний метод структурного прунінгу для оптимізації великих мовних моделей(КПІ ім. Ігоря Сікорського, 2025) Швець, В. О.; Шаповал, Н. В.Метою дослідження є підвищення ефективності розгортання великих мовних моделей архітектури Transformer на ресурснообмежених пристроях шляхом розробки адаптивного методу структурного прунінгу. Запропоновано та реалізовано метод Adaptive 2SSP (Two-Stage Structured Pruning) Reversed, який поєднує повне видалення блоків уваги на основі метрики косинусу подібності та адаптивне стиснення шарів MLP з урахуванням їх індивідуальної надмірності. Експериментальна перевірка на моделі Llama-3.2-3B демонструє зменшення споживання відеопам'яті на 35.1% (з 5.98 GB до 3.88 GB) та прискорення генерації токенів на 34.8% (з 92 до 124 TPS) при коефіцієнті прунінгу 0.4 та покращення середньої точності на бенчмарках в порівнянні з іншими методами. Новизна полягає у розробці механізму динамічного розподілу коефіцієнтів стиснення між шарами на основі метрики Block Influence та зворотному порядку оптимізації компонентів моделі в порівнянні з оригінальним 2SSP. Результати можуть використовуватись для оптимізації розгортання LLM на споживчому обладнанні з обмеженими ресурсами.Документ Відкритий доступ Інтелектуальна система автоматизованого складання розкладу занять з використанням адаптивних гібридних метаевристик(КПІ ім. Ігоря Сікорського, 2025) Гнідобор, С. М.; Тимощук, О. Л.У роботі розглядається задача автоматизованого складання розкладу занять у закладах вищої освіти, яка належить до класу NP-складних задач. Запропоновано інтелектуальну систему, що базується на гібридному метаевристичному підході – Adaptive Hybrid Scheduling Algorithm (AHSA). AHSA поєднує глобальний пошук на основі генетичних алгоритмів з локальною оптимізацією за допомогою імітації відпалу, доповненою адаптивним налаштуванням вагових коефіцієнтів у процесі оптимізації. Продемонстровано переваги такого підходу над класичними точними та евристичними методами на тестових прикладах.Документ Відкритий доступ Система оцінювання і прогнозування врожайності зернових культур методами машинного навчання на основі супутникових і кліматичних даних(КПІ ім. Ігоря Сікорського, 2025) Ярко, А. Ю.; Кузнєцова, Н. В.Дослідження присвячене розробленню інтелектуальної системи оцінювання і прогнозування врожайності культур на основі супутникових та кліматичних даних. Використано моделі машинного навчання, оптимізацію гіперпараметрів і валідацію LOYO. Отримано високу точність прогнозів та виявлено ключові фактори впливу, що дозволяють прогнозувати врожайність різних культур. Новизна роботи полягає в поєднанні гетерогенних даних і стійких алгоритмів, практична значимість – доцільність застосування такої системи під час страхування та управління аграрними ризиками.Документ Відкритий доступ Private cloud computing in the context of AI(КПІ ім. Ігоря Сікорського, 2025) Крайнік, М. В.; Письменний, І. О.У дослідженні розглядається архітектура приватних хмарних обчислень у контексті штучного інтелекту з локальним маршрутизатором запитів на пристрої для визначення складності обробки запиту та релевантності його виконання у хмарі. Використано аналіз публічних технічних матеріалів, аналіз існуючих рішень та архітектурне моделювання системи. Отримано узагальнену архітектуру з локальним маршрутизатором, IPblinding ретранслятором, анонімними токенами та захищеними середовищами виконання (TEE). Її наукова новизна полягає в уніфікованому відкритому підході, який може стати основою подальших практичних систем із підвищеними вимогами до приватності.Документ Відкритий доступ Модель для аналізу впливу погодних факторів на формування цін зернових культур в Україні(КПІ ім. Ігоря Сікорського, 2025) Тихолоз, А. А.; Тимощук, О. Л.Сільське господарство України функціонує в умовах зростання кліматичних ризиків, що створює загрози для стабільності аграрного ринку. Метою роботи є розробка моделі для аналізу та кількісної оцінки впливу метеорологічних факторів на динаміку цін зернових культур. Результатом дослідження є обґрунтування використання панельного регресійного аналізу для виявлення залежностей між погодними аномаліями та ціновими коливаннями, що дозволить удосконалити прогнозування ринкового становища.Документ Відкритий доступ Гібридна рекомендаційна система для підбірки вакансій(КПІ ім. Ігоря Сікорського, 2025) Бабанов, Д. Є.; Тимощук, О. Л.Документ Відкритий доступ Прогнозування фінансових показників із використанням зовнішніх інформаційних факторів(КПІ ім. Ігоря Сікорського, 2025) Заваріхін, В. О.; Тимощук, О. Л.Сучасні методи прогнозування фінансових показників, крім класичного аналізу часових рядів, часто спираються на різні зовнішні інформаційні чинники. Метою цієї роботи є дослідження впливу таких факторів, як новинний сентимент, рух ціни акцій компаній-конкурентів, інсайдерські угоди та передбачення галузевих експертів, на точність прогнозування ціни акції Apple Inc. (AAPL). Результатом роботи є розроблена модель на основі штучної нейронної мережі LSTM, яка демонструє значно кращі результати у порівнянні з підходом, який використовує виключно історичні дані.Документ Відкритий доступ Розробка рекомендаційної системи на основі моделі GraphSAGE графових нейронних мереж(КПІ ім. Ігоря Сікорського, 2025) Бичков, Д. В.; Недашківська, Н. І.Метою роботи є дослідження сучасних підходів до рекомендацій, підготовка даних великого обсягу, побудова гетерогенного графа взаємодій «користувач-артист-жанр» та розробка моделі GraphSAGE з навчанням за допомогою BPR-loss. У роботі виконано аналіз датасету Last.fm 360K, створено ембедінги вузлів графа, проведено оцінювання моделі за метриками Recall@K та NDCG@K, а також виконано візуалізацію ембедінгів і графової структури.Документ Відкритий доступ Підвищення ситуаційної обізнаності рою дронів шляхом контекстного аналізу стигмергії(КПІ ім. Ігоря Сікорського, 2025) Стернійчук, С. Ю.; Булах, Б. В.У роботі розглянуто підхід до підвищення ситуаційної обізнаності рою БПЛА на основі контекстного аналізу стигмергійних слідів. Запропоновано модель віртуальних феромонів із адаптивним коефіцієнтом випаровування, що реагує на динамічні та статичні загрози. У середовищі Gazebo проведено моделювання на основі трьох БПЛА (3DR Iris) з використанням сенсорів LiDAR/камера та FANET-зв’язку. Результати демонструють скорочення часу місії та зменшення енергоспоживання у сценаріях рухомих загроз і шумних даних. Наукова новизна полягає у контекстній інтерпретації феромонної карти. Практична значимість – у підвищенні автономності та надійності рою дронів у складних умовах.Документ Відкритий доступ Інтелектуальна система розпізнавання емоцій за виразами обличчя на основі згорткових нейронних мереж(КПІ ім. Ігоря Сікорського, 2025) Панасенко, В. В.; Тимощук, О. Л.Ця робота присвячена розробленню та дослідженню інтелектуальної системи розпізнавання емоцій за виразами обличчя (Facial Emotion Recognition, FER), побудованої на основі згорткових нейронних мереж. Актуальність теми зумовлена зростаючим запитом на автоматичний аналіз емоційних станів користувача у системах взаємодії людина-комп’ютер, телемедицині, дистанційному навчанні, медіа-аналітиці та безпекових застосуваннях.Документ Відкритий доступ Методи глибокого навчання нейронних мереж для аналізу та прогнозування динаміки ситуацій в імітаційних системах(КПІ ім. Ігоря Сікорського, 2025) Шевчук, В. В.; Харченко, К. В.У роботі досліджено застосування методів глибокого навчання для прогнозування руху хижака та побудови адаптивної стратегії уникнення у класичній системі predator-prey. На відміну від традиційних підходів, орієнтованих на оптимізацію дій хижака, запропонована модель побудована з перспективи жертви, метою якої є максимізація часу виживання та зниження ймовірності захоплення. Розроблено нейронну модель прогнозування майбутніх позицій хижака та інтегровано цю інформацію у політику ухилення. Проведено порівняння між базовою поведінкою жертви, яка тікає за простим евристичним правилом, та прогнозною політикою, що використовує модель майбутніх станів. Результати демонструють, що прогнозне ухилення суттєво збільшує тривалість виживання та зменшує частку успішних захоплень.Документ Відкритий доступ Інтелектуальна система підтримки прийняття рішень для автоматизованої торгівлі на фінансових ринках на прикладі криптовалют(КПІ ім. Ігоря Сікорського, 2025) Мороз, В. В.; Канцедал, Г. О.У роботі досліджено підходи до створення інтелектуальної системи підтримки прийняття рішень для автоматизованої торгівлі на фінансових ринках із фокусом на ринку криптовалют. Розроблена система поєднує сучасні алгоритми машинного навчання для прогнозування цінових коливань криптовалют. У дослідженні реалізовано інтеграцію технічних індикаторів та проведено оцінювання точності моделей. Запропонована система забезпечує підвищення точності прогнозування, сприяє ефективнішому прийняттю торгових рішень і може бути використана як аналітичний інструмент у сфері фінансових технологій.Документ Відкритий доступ Деформовані згорткові мережі(КПІ ім. Ігоря Сікорського, 2025) Орленко, А. С.; Чумаченко, О. І.У роботі досліджено застосування деформованих згорткових нейронних мереж для автоматизованого сортування твердих побутових відходів. Мета – підвищити точність класифікації та сегментації на конвеєрі за рахунок структурно-параметричного синтезу архітектури на датасеті ZeroWaste. Показано покращення якості розпізнавання порівняно з базовою CNN, що підтверджує придатність підходу для використання у реальних сортувальних лініях.Документ Відкритий доступ Спотова та ф'ючерсна торгівля як засіб хеджування для алгоритмічної торгівлі на криптобіржі у східноєвропейському регіоні(КПІ ім. Ігоря Сікорського, 2025) Загарук, А. Я.; Касьянов, П. О.Метою даної роботи є дослідження того, як алгоритмічні методи аналізу волатильності та марківського моделювання можуть бути використані для підтримки прийняття рішень у спотовій та ф’ючерсній торгівлі на криптовалютному ринку. Робота включає побудову системи, яка автоматично оцінює поточний ринковий стан, формує матрицю переходів волатильності та визначає оптимальні дії для трейдера за допомогою алгоритму Value Iteration. На відміну від традиційних підходів, що базуються на прогнозуванні цін, дана система використовує моделювання ринкових режимів і стохастичні процеси, що дозволяє отримати стратегію хеджування, стійку до високої волатильності криптовалют. У дослідженні застосовано історичні дані криптоактивів, отримані з біржі Kraken, та проведено класифікацію ринкових режимів на основі реалізованої волатильності. Результатом є оптимальна політика для спотових і ф’ючерсних позицій, яка демонструє переваги марківського підходу у прийнятті торгових рішень в умовах нестабільного криптовалютного ринку.Документ Відкритий доступ Поведінкові моделі оцінювання успішності студентів у смарт-класах(КПІ ім. Ігоря Сікорського, 2025) Ткач. В. С.; Кузнєцова, Н. В.У роботі досліджено поведінкові дані студентів у смарт-класах та представлено підхід до прогнозування їхньої залученості й ризику відтоку (відвідуваності) з класу. На основі набору даних OULAD побудовано моделі машинного навчання та моделі виживання, які дають змогу оцінювати ключові фактори успішності, відстежувати часову динаміку активності та своєчасно виявляти студентів із підвищеним ризиком припинення навчання.Документ Відкритий доступ Інтелектуальна система підтримки прийняття рішень для аналізу економічних ризиків(КПІ ім. Ігоря Сікорського, 2025) Мельник, М. С.; Левенчук, Л. Б.У роботі досліджено розробку інтелектуальної системи підтримки прийняття рішень (ІСППР) для аналізу економічних ризиків та прогнозування банкрутства компаній. Метою є порівняння ефективності сучасних методів машинного навчання для цієї задачі. Дослідження включає застосування низки моделей, зокрема DecisionTree, RandomForest, SVM, GradientBoosting та XGBoost. Методи дослідження зосереджені на подоланні проблеми незбалансованості вхідних даних за допомогою техніки SMOTE та відборі найбільш значущих ознак з використанням RFE. Основні отримані результати демонструють, що хоча SVM показує найвищий F1 Score (~0.96), XGBoost є беззаперечним лідером за метрикою ROC AUC (~0.85), що вказує на його кращу розрізнювальну здатність. Наукова новизна полягає у комплексному порівнянні моделей в умовах дисбалансу класів та акценті на інтерпретованості результатів за допомогою методів, якот SHAP. Практична значимість роботи полягає у проектуванні архітектури веб-орієнтованої СППР, яка надає ризик-менеджерам прозорий та ефективний інструмент для прийняття обґрунтованих рішень.